論文の概要: Phase-cycled randomized benchmarking of quantum processors: recovering hidden classical noise correlations
- arxiv url: http://arxiv.org/abs/2609.06448v1
- Date: Sun, 06 Sep 2026 07:48:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 05:37:40.591095
- Title: Phase-cycled randomized benchmarking of quantum processors: recovering hidden classical noise correlations
- Title（参考訳）: 量子プロセッサの位相サイクルランダム化ベンチマーク:隠れた古典的雑音相関の復元
- Abstract要約: スロット境界における連続的進化と独立定常リセットが任意の固定アイドル変調に対して同じ平均応答をもたらすことを示す。
我々は,2組のブートストラップ推定器の経験的カバレッジを定量化する。
ネイティブまたは量子メモリ検出は要求されない。
- 参考スコア（独自算出の注目度）: 0.3499870393443268
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Randomized benchmarking can hide classical temporal correlations because its Clifford-twirled response is even in the noise phase. For a stationary symmetric telegraph fluctuator, we show that continuous evolution and independent stationary resets at slot boundaries yield identical mean responses for arbitrary fixed idle modulations. We construct an eight-setting phase-cycle measurement of the connected sine-phase covariance under ideal Clifford twirling and classical idle dephasing. This observable vanishes for independent slot noise and fixed detuning without a weak-phase or Gaussian approximation. A closed telegraph response, independent circuit calculations and 800 simulation trials validate the construction and quantify the empirical coverage of a paired bootstrap estimator. A separate conservative confidence set states its finite-sample assumptions. Two acquisitions on an IBM processor compare engineered shared-sign and independently reset phases with identical marginals. Their primary contrasts are 0.254 and 0.211, with empirical 95% intervals [0.177, 0.331] and [0.136, 0.285], respectively; all negative-control intervals include zero. At equal shot and sensingwindow budgets, an ideal Ramsey/echo estimator is more precise in every tested class. The result supplies an explicit connection between a benchmarking identifiability limitation and a controlled correlation measurement. No native or quantum-memory detection is claimed.
- Abstract（参考訳）: ランダム化ベンチマークは、クラフォード旋回応答がノイズフェーズにあるため、古典的な時間的相関を隠蔽することができる。
定常対称電信変動器では、スロット境界における連続的な進化と独立な定常リセットが任意の固定アイドル変調に対して同じ平均応答をもたらすことを示す。
我々は,理想的クリフォード・ツワイルリングと古典的アイドルデファスティングの下で,結合した正弦相の共分散を8つの位相サイクルで測定する。
このオブザーバブルは、独立したスロットノイズに対して消滅し、弱い位相やガウス近似を伴わない固定デチューニングを行う。
クローズドな電信応答、独立回路計算、800のシミュレーション試行は、ペアのブートストラップ推定器による経験的カバレッジの構築と定量化を検証した。
別個の保守的信頼集合は有限サンプルの仮定を述べる。
IBMプロセッサ上の2つの買収は、エンジニアリングされた共有信号と独立にリセットされたフェーズを同一のマージンで比較する。
主なコントラストは0.254と0.211で、それぞれ95%間隔 [0.177, 0.331] と [0.136, 0.285] があり、全ての負制御間隔はゼロである。
均等なショットとセンシングウインドウの予算では、理想的なラムゼー/エチョ推定器はテストされた全てのクラスでより正確である。
その結果、ベンチマークの識別可能性制限と制御された相関測定との明確な接続が提供される。
ネイティブまたは量子メモリ検出は要求されない。
関連論文リスト
- Propensity Straight-Through Gradients for Discrete Stochastic Systems [0.0]
我々は、アフィン状態の更新を利用して、正確に1段階の条件平均感度を得る。
イベント間で構成される1段階の感度は、正確に多段階の感度から逸脱する可能性があることを示す。
論文 参考訳（メタデータ） (2026-08-26T10:59:25Z) - Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。
本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。
我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。
スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
論文 参考訳（メタデータ） (2026-08-25T15:07:11Z) - Provably Efficient Self-Calibrating Quantum Fault Tolerance [3.3230675313521716]
量子エラー補正は、物理演算がフォールトトレランスしきい値以下である場合にのみ論理情報を保護する。
我々は自己校正型量子フォールトトレランスの理論的枠組みを確立する。
その結果, 自己校正型フォールトトレランスは, 同じシンドローム測定が論理情報を同時に保護し, 基盤となるハードウェアを安定させる, 証明可能なパラダイムとして確立された。
論文 参考訳（メタデータ） (2026-08-06T07:22:20Z) - Loophole-Robust Certification of Quantum Advantage [0.0]
最適なベンチマーク依存の古典スコアは、$S_leqmin1,S_mathrmcl+$に従っており、この境界を飽和させる一連のタスクを構成する。
フレームワークを有限サンプルデータ、相互情報制約、多部タスク、因果経路に沿って分布する相関に拡張する。
論文 参考訳（メタデータ） (2026-07-13T18:12:04Z) - Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。
我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。
ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
論文 参考訳（メタデータ） (2026-07-07T10:10:00Z) - Spatially Robust Inference with Predicted and Missing at Random Labels [2.5574009994099196]
交差フィットは空間分散推定器を歪ませ、不安定あるいは過度に保守的な信頼区間を生じる折りたたみレベルの相関を誘導することを示す。
また、折りたたみ雑音から依存を分離するジャックニフェ空間異方性と自動整合性(HAC)の分散補正を提案する。
論文 参考訳（メタデータ） (2026-03-11T23:14:21Z) - Detecting Unobserved Confounders: A Kernelized Regression Approach [46.52607207396279]
Kernel Regression Confounder Detection (KRCD) は、単一環境下での非線形観測データにおける観測不能なコンバウンディングを検出する新しい方法である。
ゼロからの有意な偏差が観測不能な共起を示すテスト統計学。
合成ベンチマークとツインズデータセットの実験は、KRCDが既存のベースラインを上回るだけでなく、計算効率も優れていることを示した。
論文 参考訳（メタデータ） (2026-01-01T04:26:02Z) - Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。
本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。
これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
論文 参考訳（メタデータ） (2024-06-05T13:36:38Z) - Frequency estimation under non-Markovian spatially correlated quantum
noise: Restoring superclassical precision scaling [0.0]
本研究では,非古典雑音の存在下でのエンタングルメントエンハンス干渉法によるラムゼー推定精度について検討した。
熱環境からのスピンボソンデファソヴィアンノイズのパラダイム的場合、プローブの位置をランダム化することにより、平均して相関効果を抑えることができる。
論文 参考訳（メタデータ） (2022-04-22T16:25:16Z) - Nonparametric Conditional Local Independence Testing [69.31200003384122]
条件付き局所独立は、連続的な時間プロセス間の独立関係である。
条件付き地域独立の非パラメトリックテストは行われていない。
二重機械学習に基づく非パラメトリックテストを提案する。
論文 参考訳（メタデータ） (2022-03-25T10:31:02Z) - Distribution-free binary classification: prediction sets, confidence
intervals and calibration [106.50279469344937]
分布自由条件における二項分類のための不確実性定量化(キャリブレーション、信頼区間、予測セット)の3つの概念について検討する。
固定幅と一様質量の両双対の双対確率に対する信頼区間を導出する。
我々の「三脚」定理の結果として、双有理確率に対するこれらの信頼区間は分布自由キャリブレーションに繋がる。
論文 参考訳（メタデータ） (2020-06-18T14:17:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。