Fugu-MT 論文翻訳(概要): Model-Based Fast Calibration for a Nitrogen Vacancy Center QPU

論文の概要: Model-Based Fast Calibration for a Nitrogen Vacancy Center QPU

arxiv url: http://arxiv.org/abs/2611.01288v1
Date: Sat, 31 Oct 2026 21:41:26 GMT
ステータス: 情報取得中
システム内更新日: 2026-11-03 20:02:37.153322
Title: Model-Based Fast Calibration for a Nitrogen Vacancy Center QPU
Title（参考訳）: 窒素Vacancy Center QPUのモデルによる高速校正
Abstract要約: NV量子処理ユニットのためのシミュレーションインフォームドキャリブレーションワークフローを提案する。この枠組みを用いることで,測定時間を最大4倍に削減できる標準手法と同じ校正精度が得られることがわかった。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We present a simulation-informed calibration workflow for NV quantum processing units that combines a digital twin, optimal control pulses, and a Fisher-information-guided experiment design into an iterative parameter estimation feedback loop. We find that using this framework, we obtain the same calibration precision as standard techniques with up to 4x reduction in measurement time.
Abstract（参考訳）: 本稿では,ディジタルツイン,最適制御パルス,フィッシャー情報誘導型実験設計を反復パラメータ推定フィードバックループに組み合わせたNV量子処理ユニットのシミュレーションインフォームドキャリブレーションワークフローを提案する。この枠組みを用いることで,測定時間を最大4倍に削減できる標準手法と同じ校正精度が得られることがわかった。

関連論文リスト

Q-Drift: Quantization-Aware Drift Correction for Diffusion Model Sampling [45.88028371034407]
ポストトレーニング量子化(PTQ)は、大規模な拡散モデルを展開するための実践的な方法である。本稿では,量子化誤差を暗黙の摂動として扱うQ-Driftを提案する。 Q-Driftは、キャリブレーションから時間的変動統計を推定し、実際には5つの完全精度/量子化キャリブレーションを必要とする。
論文参考訳（メタデータ） (2026-03-18T10:19:36Z)
Optimal Calibration of Qubit Detuning and Crosstalk [0.0]
クロストークは個々のキュービットのデチューンの推定を複雑にする。我々はフィッシャー情報とクレーマー・ラオ境界を用いたデチューニングとクロストークのパラメータ推定のための最適戦略を導出する。提案手法により, パラメータ抽出の精度が著しく向上し, キャリブレーション時間を最大50%削減できる。
論文参考訳（メタデータ） (2025-07-14T18:00:02Z)
Towards a Digital Twin of Noisy Quantum Computers: Calibration-Driven Emulation of Transmon Qubits [0.1527458325979785]
超伝導トランスモン量子ビットデバイスのディジタルツインを開発した。モデルパラメータは、ハードウェアキャリブレーションデータから抽出される。 5量子QPUによる実験結果と比較し,本モデルの有効性を検証した。
論文参考訳（メタデータ） (2025-04-11T07:30:53Z)
2DQuant: Low-bit Post-Training Quantization for Image Super-Resolution [83.09117439860607]
低ビット量子化は、エッジ展開のための画像超解像(SR)モデルを圧縮するために広く普及している。低ビット量子化は、フル精度(FP)と比較してSRモデルの精度を低下させることが知られている。本稿では2DQuantという画像超解像のための2段階の低ビット後量子化(PTQ)法を提案する。
論文参考訳（メタデータ） (2024-06-10T06:06:11Z)
Sharp Calibrated Gaussian Processes [58.94710279601622]
キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
論文参考訳（メタデータ） (2023-02-23T12:17:36Z)
Green, Quantized Federated Learning over Wireless Networks: An Energy-Efficient Design [68.86220939532373]
有限精度レベルは、固定精度フォーマットで重みとアクティベーションを定量化する量子ニューラルネットワーク(QNN)を使用して取得される。提案するFLフレームワークは,ベースラインFLアルゴリズムと比較して,収束までのエネルギー消費量を最大70%削減することができる。
論文参考訳（メタデータ） (2022-07-19T16:37:24Z)
Parameterized Temperature Scaling for Boosting the Expressive Power in Post-Hoc Uncertainty Calibration [57.568461777747515]
我々は新しいキャリブレーション手法であるパラメタライズド温度スケーリング(PTS)を導入する。最新のポストホックキャリブレータの精度保持性能は、その本質的な表現力によって制限されることを実証します。当社の新しい精度保存手法が,多数のモデルアーキテクチャやデータセット,メトリクスにおいて,既存のアルゴリズムを一貫して上回っていることを示す。
論文参考訳（メタデータ） (2021-02-24T10:18:30Z)

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。