論文の概要: Probing the Error-Mitigation Threshold with Matrix Product States

• arxiv url: http://arxiv.org/abs/2609.10929v1
• Date: Thu, 10 Sep 2026 00:29:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.168281
• Title: Probing the Error-Mitigation Threshold with Matrix Product States
• Title（参考訳）: マトリックス製品状態による誤り低減閾値の探索
• Abstract要約: 量子誤差の緩和は、正確なノイズ特性に依存する。 実際のノイズと特徴音のミスマッチを増幅し、成功と失敗の間の鋭い閾値を駆動することができる。 本研究では, 固定結合次元行列-生成物-状態法を開発した。
• 参考スコア（独自算出の注目度）: 2.2940141855172036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum error mitigation relies on accurate noise characterization, but mismatches between the actual and characterized noise can be amplified and drive a sharp threshold between successful and failed mitigation. In random circuits, this threshold maps onto a random-field Ising transition, but previous exact numerics were limited to small one-dimensional and all-to-all systems, leaving explicit two-dimensional architectures unresolved. We develop a fixed-bond-dimension matrix-product-state method for the replicated transfer dynamics that extends threshold calculations beyond exact propagation while retaining the finite-size signatures of the transition. At system sizes beyond previous exact studies, we recover the predicted absence of a threshold for quenched disorder in 1D, obtain a sharper annealed all-to-all critical point, and resolve architecture-dependent finite-depth thresholds in 2D square and heavy-hex circuits. These results establish replicated tensor-network dynamics as a practical tool for probing error-mitigation thresholds in large and higher-dimensional noisy circuits.
• Abstract（参考訳）: 量子誤差の緩和は、正確なノイズ特性に依存するが、実際のノイズと特徴のあるノイズとのミスマッチを増幅し、成功と失敗の間の鋭い閾値を駆動することができる。 ランダム回路では、このしきい値はランダムフィールドのイジング遷移にマップされるが、以前の正確な数値は1次元の小さなシステムに限られており、明示的な2次元アーキテクチャは未解決のままであった。 本研究では, 遷移の有限サイズのシグネチャを保持しつつ, 正確な伝播を超えてしきい値計算を延長する, 複製伝達ダイナミクスのための固定結合次元行列-積状態法を開発した。 従来の正確な研究以上のシステムサイズでは、1Dにおける焼成障害のしきい値の不在を予測し、より鋭い焼成された全臨界点を求め、2D正方形および重ヘックス回路におけるアーキテクチャ依存有限深度しきい値を解決する。 これらの結果は、大規模・高次元ノイズ回路における誤差緩和しきい値を求めるための実用的なツールとして、複製テンソル・ネットワーク力学を確立している。

関連論文リスト

• Attractor Geometry Determines the Identifiability Limits of System Discovery [0.764671395172401]
  1つの数値、$_min(M)$はスパース回帰(SINDy)と進化回帰(PySR)の両方に対して識別可能性天井を設定する。 また、二進数や予測スコアに見えない性能差を解消する係数重み付き構造計量であるSoft F1を導入する。
  論文  参考訳（メタデータ） (2026-07-20T20:19:19Z)
• Entanglement and information scrambling in long-range measurement-only circuits [0.0]
  測定専用回路は、多重局所射影が多体絡みを発生または抑制できる最小限の設定を提供する。 長距離2ビットパリティチェックを用いた1次元計測専用クリフォード回路の絡み合いと情報遷移について検討する。 体積法と長い範囲の絡み合わさり合わさった相は, アンシラキュービットの迅速で大きさに依存しない精製と一致している。
  論文  参考訳（メタデータ） (2026-04-23T19:29:27Z)
• Trainability Beyond Linearity in Variational Quantum Objectives [0.0]
  目的自体が固定可観測表現を許容しているのは、損失がアフィンであることと、損失がアフィンであることである。 増幅可能な目的はアフィンよりも数桁大きく解決された。
  論文  参考訳（メタデータ） (2026-04-20T21:12:10Z)
• Robust Training of Neural Networks at Arbitrary Precision and Sparsity [15.121043556313689]
  本稿では,原理的リッジ回帰目標から導かれるデノナイジング・デクエント化変換を導入する。 我々は、この原理を、重要でない値を0にマッピングする特別な量子化の形式として見ることにより、スパーシフィケーションに拡張する。 このアプローチは最先端の結果をもたらし、理論上は高効率ニューラルネットワークへの経路を提供する。
  論文  参考訳（メタデータ） (2024-09-14T00:57:32Z)
• Robust ultra-shallow shadows [0.251657752676152]
  低深度計測回路の幅広いクラスに対して,ロバストなシャドウ推定プロトコルを提案する。 弱相関局所雑音に対して、測定チャネルは効率的な行列積表現を有する。 テンソルネットワークツールを用いて実験データから直接推定する方法を示す。
  論文  参考訳（メタデータ） (2024-05-09T18:00:09Z)
• Emergence of noise-induced barren plateaus in arbitrary layered noise models [44.99833362998488]
  変分量子アルゴリズムでは、パラメータ化された量子回路のパラメータは、問題の解を符号化するコスト関数を最小限に抑えるために最適化される。 層状雑音モデルを用いたパラメータ化量子回路において,ノイズ誘起バレンプラトー現象がどのように出現するか,その意味について論じる。
  論文  参考訳（メタデータ） (2023-10-12T15:18:27Z)
• Provably Accelerating Ill-Conditioned Low-rank Estimation via Scaled Gradient Descent, Even with Overparameterization [48.65416821017865]
  この章では、スケールドグラデーション(ScaledGD)と呼ばれる新しいアルゴリズムアプローチを紹介します。 低ランク物体の条件数に依存しない定数速度で直線的に収束する。 様々なタスクに対して、勾配降下の低い摂動コストを維持できる。
  論文  参考訳（メタデータ） (2023-10-09T21:16:57Z)
• Implicit Bias of Gradient Descent for Logistic Regression at the Edge of Stability [69.01076284478151]
  機械学習の最適化において、勾配降下(GD)はしばしば安定性の端(EoS)で動く 本稿では,EoS系における線形分離可能なデータに対するロジスティック回帰のための定数段差GDの収束と暗黙バイアスについて検討する。
  論文  参考訳（メタデータ） (2023-05-19T16:24:47Z)
• Generalization Bounds for Inductive Matrix Completion in Low-noise Settings [46.82705757568271]
  I.d.サブガウス雑音仮定の下で帰納的行列補完(側情報付き行列完備化)について検討する。 初めて、次の3つの性質で有界な一般化が得られる。
  論文  参考訳（メタデータ） (2022-12-16T08:30:41Z)
• Beyond the Edge of Stability via Two-step Gradient Updates [49.03389279816152]
  Gradient Descent(GD)は、現代の機械学習の強力な仕事場である。 GDが局所最小値を見つける能力は、リプシッツ勾配の損失に対してのみ保証される。 この研究は、2段階の勾配更新の分析を通じて、単純だが代表的でありながら、学習上の問題に焦点をあてる。
  論文  参考訳（メタデータ） (2022-06-08T21:32:50Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)

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。