論文の概要: Weakly Supervised Quantum Error Mitigation

• arxiv url: http://arxiv.org/abs/2609.25555v1
• Date: Tue, 22 Sep 2026 01:42:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.170834
• Title: Weakly Supervised Quantum Error Mitigation
• Title（参考訳）: 弱教師付き量子エラー低減
• Abstract要約: 量子エラー軽減のための改良されたアプローチは、ノイズの多い回路出力から理想的なものへの写像を学習する。 理想的な出力を生成するには ノイズのない古典シミュレーションが必要です 回路構造やハードウェアキャリブレーションから引き出された、安価で信頼性の低い信号が、理想的なラベルの代わりにできるかどうかを問う。
• 参考スコア（独自算出の注目度）: 1.486752454681606
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Supervised approaches to quantum error mitigation learn a map from noisy circuit outputs to ideal ones, and therefore require the ideal outputs. Producing those ideal outputs demands noiseless classical simulation, whose cost grows exponentially with system size, so supervision is unavailable in exactly the regime where mitigation matters most. We ask whether cheap, individually unreliable signals drawn from circuit structure and hardware calibration can take the place of ideal labels. We assemble sixteen heuristic labeling functions (stabilizer and parity constraints, relaxation and readout characteristics, local depth, gate counts, and neighboring activity), reconcile their disagreements with a probabilistic label model, and read the resulting per-qubit error probabilities as a readout channel whose inverse mitigates the measured distribution. No ideal output enters the training path. On $147{,}000$ five-qubit circuits executed on two IBM devices, the method removes $24.3\%$ (Algiers) and $28.8\%$ (Hanoi) of the Kullback-Leibler divergence to the ideal distribution, against $15.4\%$ and $21.5\%$ for the strongest published analytical baseline, a margin that holds on both devices and lies far outside its bootstrap interval. Supervised neural models trained on ideal distributions remain stronger where such labels exist, and we quantify that gap rather than setting it aside; the method's claim is to the regime where they do not, since the labels they require cannot be computed for the circuits mitigation is needed for. The codes will be released shortly.
• Abstract（参考訳）: 量子誤差の緩和に対する改良されたアプローチは、ノイズの多い回路出力から理想的な回路出力への写像を学習し、したがって理想的な出力を必要とする。 これらの理想的な出力を生成するには、コストがシステムサイズとともに指数関数的に増加するノイズレス古典シミュレーションが必要であるため、緩和が最も重要となる体制では、監督が不可能である。 回路構造やハードウェアキャリブレーションから引き出された、安価で信頼性の低い信号が、理想的なラベルの代わりにできるかどうかを問う。 我々は16個のヒューリスティックなラベリング関数(安定化器とパリティ制約、緩和と読み出し特性、局所深度、ゲート数、近隣活動)を組み立て、確率的ラベルモデルと一致させ、測定された分布を逆緩和する読み出しチャネルとしてキュービット単位の誤差確率を読み取る。 理想的な出力がトレーニングパスに入ることはありません。 2つのIBMデバイス上で実行される147{,}000$ 5量子ビット回路では、Kulback-Leiblerの理想分布への分岐の24.3\%$(Algiers)と28.8\%$(Hanoi)を、15.4\%$と21.5\%$で除去する。 理想的な分布に基づいて訓練された教師付きニューラルモデルは、そのようなラベルが存在する場所では依然として強く保たれており、我々は、そのギャップを脇に置いて設定するよりも、そのギャップを定量化している。 コードも間もなく公開される予定だ。

関連論文リスト

• Extremely Low-Cost Magic State Preparation toward Fault-Tolerant Quantum Computing [5.4190091415164]
  非クリフォード資源状態のフォールトトレラントな準備は、量子計算のオーバーヘッドに大きく貢献する。 本稿では, フラッグゲートを併用して, 安定器発電機の選択を協調設計する, 低コストの魔法状態準備プロトコルを提案する。
  論文  参考訳（メタデータ） (2026-09-11T10:45:47Z)
• 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$まで独立散逸率を学習した。 スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
  論文  参考訳（メタデータ） (2026-08-25T15:07:11Z)
• Robust Average-Reward Markov Decision Processes: Minimax-Optimal Learning via Plug-in Reductions [51.50375419691955]
  分布的に堅牢なマルコフ決定プロセスは、モデルの不確実性の下でのシーケンシャルな意思決定のための原則化されたフレームワークを提供する。 我々は,平均回帰基準の下で,$varepsilon$-Optimal robust policyを学習するのに必要なサンプル数と十分なサンプル数について検討した。
  論文  参考訳（メタデータ） (2026-08-06T19:49:48Z)
• Robust Graph-Based Semi-Supervised Learning via $p$-Conductances [49.0776396776252]
  本研究では,データラベルが不足している,あるいは破損しているような状況下でのグラフに対する半教師付き学習の課題について検討する。 我々は、$p$-laplace と Poisson の学習方法を一般化した $p$-conductance learning という手法を提案する。 コンピュータビジョンと引用データセットの実証実験結果から,本手法が低ラベルレート, 劣化ラベル, 部分ラベルレジームにおける最先端の精度を実現することを示す。
  論文  参考訳（メタデータ） (2025-02-13T01:11:25Z)
• Quantum Error Suppression with Subgroup Stabilisation [3.4719087457636792]
  量子状態浄化(Quantum state purification)とは、未知の状態の複数のコピーが与えられたとき、純度の高い状態を出力する機能である。 そこで本稿では,M$のノイズ量子入力をサブスペースに投射することで,量子オーバーヘッドを適度に高める有効な状態浄化ガジェットを提案する。 提案手法は, ノイズ状態の重複コピーを$M$以上の短い進化で適用することにより, 整合性および誤差をそれぞれ1/M$の係数で抑制することができる。
  論文  参考訳（メタデータ） (2024-04-15T17:51:47Z)
• Approximate Autonomous Quantum Error Correction with Reinforcement Learning [4.015029887580199]
  自律量子誤り訂正(AQEC)は、工学的な散逸によって論理量子ビットを保護する。 単一光子損失がエラーの原因となるボソニック符号空間は、AQECの有望な候補である。 我々はKnill-Laflamme条件を緩和し,近似AQECのためのボソニック符号を提案する。
  論文  参考訳（メタデータ） (2022-12-22T12:42:52Z)
• Experimental Characterization of Fault-Tolerant Circuits in Small-Scale Quantum Processors [67.47400131519277]
  符号の論理ゲートセットは、10以上のゲートシーケンスに対してフォールトトレラントとみなすことができる。 一部の回路は耐故障性基準を満たしていなかった。 試験した回路が低次元の出力状態に制限された場合に、耐故障性基準を評価するのが最も正確である。
  論文  参考訳（メタデータ） (2021-12-08T01:52:36Z)
• Random quantum circuits transform local noise into global white noise [118.18170052022323]
  低忠実度状態におけるノイズランダム量子回路の測定結果の分布について検討する。 十分に弱くユニタリな局所雑音に対して、一般的なノイズ回路インスタンスの出力分布$p_textnoisy$間の相関(線形クロスエントロピーベンチマークで測定)は指数関数的に減少する。 ノイズが不整合であれば、出力分布は、正確に同じ速度で均一分布の$p_textunif$に近づく。
  論文  参考訳（メタデータ） (2021-11-29T19:26:28Z)
• Random quantum circuits anti-concentrate in log depth [118.18170052022323]
  本研究では,典型的な回路インスタンスにおける測定結果の分布に要するゲート数について検討する。 我々の反集中の定義は、予測衝突確率が分布が均一である場合よりも大きい定数因子に過ぎないということである。 ゲートが1D環上で最寄りである場合と、ゲートが長距離である場合の両方において、$O(n log(n))ゲートも十分であることを示す。
  論文  参考訳（メタデータ） (2020-11-24T18:44:57Z)

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。