論文の概要: Noise-Resilient Testing of Quantum Programs Based on Output Dominance
- arxiv url: http://arxiv.org/abs/2610.04461v1
- Date: Sat, 03 Oct 2026 11:55:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-12 10:19:51.942456
- Title: Noise-Resilient Testing of Quantum Programs Based on Output Dominance
- Title（参考訳）: 出力優位性に基づく量子プログラムの耐雑音性試験
- Abstract要約: ノイズ推定と緩和を別途行わずにノイズサンプルから検査を判定するための支配誘導QST手法であるQominoを提案する。
我々は,6つのQiskitプログラムと6つのシミュレートされたノイズバックエンドから,30の制御バギー変種について,Qominoを統計的,量子固有,学習に基づく6つのベースラインと比較した。Qominoは6つのプログラムすべてに対して85.65%,制限された2つのプログラム評価において99.95%の精度を達成し,対応するベースラインを著しく上回った。
- 参考スコア（独自算出の注目度）: 3.850881411429383
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum software testing (QST) is a central quality-assurance activity for checking whether quantum programs conform to their specifications. In the noisy intermediate-scale quantum (NISQ) era, gate, decoherence, and measurement errors distort observed outputs, making it difficult to distinguish program defects from noise. The existing noise-aware QST literature typically mitigates or models noise before applying a test oracle. However, these strategies can incur substantial cost and depend on calibration data, model training, or backend-specific information, limiting their applicability. We present Qomino, a dominance-guided QST approach for judging tests from noisy samples without a separate noise-estimation or mitigation phase. The approach combines decomposition-aware inverse construction, comparison of the expected outcome with the strongest observed competitor, and bounded retries for inconclusive decisions. We evaluate Qomino on 30 controlled buggy variants from six Qiskit programs and six simulated noisy backends, comparing it with six baselines spanning statistical, quantum-specific, and learning-based methods. Qomino achieves 85.65% accuracy over all six programs and 99.95% in the restricted two-program evaluation, significantly outperforming the corresponding baselines. Across the evaluated programs and backends under the stated settings, Qomino is faster than the compared quantum-specific and learning-based methods. Ablation and retry analyses support the contributions of its main components.
- Abstract（参考訳）: 量子ソフトウェアテスト(QST)は、量子プログラムが仕様に準拠しているかどうかを確認するための中心的な品質保証活動である。
ノイズの多い中間スケール量子(NISQ)時代には、ゲート、デコヒーレンス、測定誤差が観測された出力を歪めてしまうため、プログラム欠陥とノイズを区別することは困難である。
既存のノイズ対応QST文献は通常、テストオラクルを適用する前にノイズを緩和またはモデル化する。
しかし、これらの戦略はかなりのコストがかかり、キャリブレーションデータ、モデルトレーニング、バックエンド固有の情報に依存するため、適用性が制限される。
ノイズ推定と緩和を別途行わずにノイズサンプルから検査を判定するための支配誘導QST手法であるQominoを提案する。
このアプローチは、分解を意識した逆構成、期待される結果と最も強い観測結果の比較、そして決定不能な決定に対する有界再試行を組み合わせる。
Qominoは6つのQiskitプログラムと6つのシミュレートされたノイズバックエンドから制御された30のバグジー変種について評価し、統計的、量子固有、学習に基づく6つのベースラインと比較した。
クオミノは6つのプログラム全てに対して85.65%の精度を達成し、制限された2プログラム評価では99.95%を達成し、対応するベースラインを著しく上回っている。
評価済みのプログラムとバックエンド全体において、Qominoは、比較された量子特化および学習ベースの方法よりも高速である。
アブレーションと再試行分析は、その主な構成要素の貢献を支持する。
関連論文リスト
- Backend-Aware Graph Learning for Denoising Outcome Distributions in Quantum Program Testing [9.198836693023104]
Q-BRIDGE(Q-BRIDGE)は,雑音の観測を離散分布に変換するグラフ学習に基づく手法である。
Q-BRIDGEは93.97%-94.90%の精度と82.50%-83.51%のリコールを達成した。
論文 参考訳（メタデータ） (2026-07-25T14:02:15Z) - Hardware-aware Low-latency Quantum Compilation with Data-driven Lightweight Error Detection for Early Fault-Tolerant Systems [0.0]
本稿では,ハードウェア・アウェア・コンパイルとデータ駆動型量子誤り検出フレームワークを提案する。
共同設計は、選択後の8ビットVQEインスタンスにおいて、SABREよりもアルゴリズムの成功確率を最大68%(95% CI:60%から66%)向上させることを示した。
論文 参考訳（メタデータ） (2026-06-04T04:30:28Z) - Adaptive Fidelity Estimation for Quantum Programs with Graph-Guided Noise Awareness [30.900274564864223]
QuFidは適応的でノイズ対応のフレームワークで、オンラインで測定予算を決定する。
固定ショットや学習ベースラインと比較して,QuFidは測定コストを大幅に削減することを示す。
論文 参考訳（メタデータ） (2026-01-21T07:04:05Z) - RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。
与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。
量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
論文 参考訳（メタデータ） (2025-06-04T08:30:35Z) - Bayesian Quantum Amplitude Estimation [46.03321798937855]
量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。
耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。
本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
論文 参考訳（メタデータ） (2024-12-05T18:09:41Z) - Unifying (Quantum) Statistical and Parametrized (Quantum) Algorithms [65.268245109828]
我々はカーンズのSQオラクルとヴァリアントの弱い評価オラクルからインスピレーションを得ます。
評価クエリから学習するための非条件の下限を出力する,広範かつ直感的なフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-26T18:23:21Z) - Error Mitigation-Aided Optimization of Parameterized Quantum Circuits:
Convergence Analysis [42.275148861039895]
変分量子アルゴリズム(VQA)は、ノイズプロセッサを介して量子アドバンテージを得るための最も有望な経路を提供する。
不完全性とデコヒーレンスによるゲートノイズは、バイアスを導入して勾配推定に影響を与える。
QEM(Quantum error mitigation)技術は、キュービット数の増加を必要とせずに、推定バイアスを低減することができる。
QEMは必要な反復回数を減らすことができるが、量子ノイズレベルが十分に小さい限りである。
論文 参考訳（メタデータ） (2022-09-23T10:48:04Z) - Measuring NISQ Gate-Based Qubit Stability Using a 1+1 Field Theory and
Cycle Benchmarking [50.8020641352841]
量子ハードウェアプラットフォーム上でのコヒーレントエラーを, サンプルユーザアプリケーションとして, 横フィールドIsing Model Hamiltonianを用いて検討した。
プロセッサ上の物理位置の異なる量子ビット群に対する、日中および日中キュービット校正ドリフトと量子回路配置の影響を同定する。
また,これらの測定値が,これらの種類の誤差をよりよく理解し,量子計算の正確性を評価するための取り組みを改善する方法についても論じる。
論文 参考訳（メタデータ） (2022-01-08T23:12:55Z) - QuantumNAT: Quantum Noise-Aware Training with Noise Injection, Quantization and Normalization [19.822514659801616]
量子回路(PQC)は、短期量子ハードウェアにおける量子優位性を約束している。
しかし、大きな量子ノイズ(エラー)のため、PQCモデルの性能は実際の量子デバイスで著しく低下する。
本稿では,PQC固有のフレームワークであるQuantumNATを提案する。
論文 参考訳（メタデータ） (2021-10-21T17:59:19Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z)
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。