Vereinheitlichung und Benchmarking modernster Quantenfehlerminderungstechniken

Neuauflage von Plato

Verfolger: 0

Daniel Bultrini^1,2, Max Hunter Gordon³, Piotr Czarnik^1,4, Andrew Arrasmith^1,5, M.Cerezo^6,5, Patrick J. Coles^1,5, und Lukasz Cincio^1,5

¹Theoretische Abteilung, Los Alamos National Laboratory, Los Alamos, NM 87545, USA
²Theoretische Chemie, Physikalisch-Chemisches Institut, Universität Heidelberg, INF 229, D-69120 Heidelberg, Deutschland
³Instituto de Física Teórica, UAM/CSIC, Universidad Autónoma de Madrid, Madrid, Spanien
⁴Institut für Theoretische Physik, Jagiellonen-Universität, Krakau, Polen.
⁵Quantum Science Center, Oak Ridge, TN 37931, USA
⁶Informationswissenschaften, Los Alamos National Laboratory, Los Alamos, NM 87545, USA

Findest du dieses Paper interessant oder möchtest du darüber diskutieren? Scite oder hinterlasse einen Kommentar zu SciRate.

Abstrakt

Die Fehlerminderung ist eine wesentliche Komponente, um kurzfristig einen praktischen Quantenvorteil zu erreichen, und es wurden verschiedene Ansätze vorgeschlagen. In dieser Arbeit erkennen wir, dass viele hochmoderne Fehlerminderungsmethoden ein gemeinsames Merkmal haben: Sie sind datengesteuert und verwenden klassische Daten, die aus Läufen verschiedener Quantenschaltkreise gewonnen wurden. Beispielsweise verwendet die Zero-Noise-Extrapolation (ZNE) variable Rauschdaten und die Clifford-Data-Regression (CDR) Daten von Near-Clifford-Schaltungen. Wir zeigen, dass die virtuelle Destillation (VD) auf ähnliche Weise betrachtet werden kann, indem wir klassische Daten berücksichtigen, die aus einer unterschiedlichen Anzahl von Zustandspräparaten stammen. Die Beobachtung dieser Tatsache ermöglicht es uns, diese drei Methoden in einem allgemeinen datengesteuerten Fehlerminderungsrahmen zu vereinen, den wir UNIified Technique for Error mitigation with Data (UNITED) nennen. In bestimmten Situationen stellen wir fest, dass unsere UNITED-Methode die einzelnen Methoden übertreffen kann (dh das Ganze ist besser als die einzelnen Teile). Insbesondere verwenden wir ein realistisches Rauschmodell, das von einem Quantencomputer mit gefangenen Ionen erhalten wurde, um UNITED sowie andere hochmoderne Methoden zu vergleichen, um Observable abzuschwächen, die aus Zufallsquantenschaltungen erzeugt werden, und den Quantum Alternating Operator Ansatz (QAOA) anzuwenden zu Max-Cut-Problemen mit unterschiedlicher Anzahl von Qubits, Schaltungstiefen und Gesamtzahl der Schüsse. Wir stellen fest, dass die Leistung verschiedener Techniken stark von den Schussbudgets abhängt, wobei leistungsstärkere Methoden für eine optimale Leistung mehr Schüsse erfordern. Für unser größtes in Betracht gezogenes Schussbudget (10^{10}$) stellen wir fest, dass UNITED die genaueste Schadensbegrenzung bietet. Daher stellt unsere Arbeit einen Benchmarking aktueller Fehlerminderungsmethoden dar und bietet einen Leitfaden für die Regime, bei denen bestimmte Methoden am nützlichsten sind.

Ausgewähltes Bild: Schematische Zusammenfassung der UNIfied Technique for Error Mitigation with Data.

Populäre Zusammenfassung

Aktuelle Quantencomputer sind mit Fehlern konfrontiert, die eine Herausforderung darstellen, wenn es darum geht, die Leistung der besten klassischen Computer zu übertreffen. Um das Potenzial von Quantengeräten voll auszuschöpfen, ist es entscheidend, diese nachteiligen Auswirkungen zu korrigieren. Zur Behebung dieses Problems werden Fehlerminderungsmethoden eingesetzt. Unter diesen Methoden sticht die datengesteuerte Fehlerminderung als vielversprechender Ansatz hervor, der die klassische Nachbearbeitung von Quantenmessergebnissen zur Korrektur rauschinduzierter Effekte beinhaltet. In diesem Zusammenhang wurden verschiedene Arten von Daten verwendet, darunter die Skalierung der Rauschstärke durch Zero Noise Extrapolation (ZNE), Daten von Near-Clifford-Schaltkreisen, die durch Clifford-Data-Regression (CDR) genutzt wurden, und Daten, die durch virtuelle Destillation (VD) durch Vorbereitung gewonnen wurden mehrere Kopien eines Quantenzustands. Um diese Ansätze zu vereinheitlichen, schlagen wir die UNIified Technique for Error Mitigation with Data (UNITED) vor, die alle diese Datentypen integriert. Darüber hinaus zeigen wir, dass die einheitliche Methode die einzelnen Komponenten übertrifft, wenn ausreichend Quantenressourcen verfügbar sind, indem wir ein realistisches Rauschmodell eines Quantencomputers mit gefangenen Ionen und zwei verschiedene Arten von Quantenschaltungen mit unterschiedlichen Qubit-Anzahlen und -Tiefen verwenden. Abschließend identifizieren wir die günstigsten Bedingungen für verschiedene datengesteuerte Fehlerminderungsmethoden.

► BibTeX-Daten

@article{Bultrini2023unifying, doi = {10.22331/q-2023-06-06-1034}, url = {https://doi.org/10.22331/q-2023-06-06-1034}, title = {Unifying and Benchmarking hochmoderner Quantenfehlerminderungstechniken}, Autor = {Bultrini, Daniel und Gordon, Max Hunter und Czarnik, Piotr und Arrasmith, Andrew und Cerezo, M. und Coles, Patrick J. und Cincio, Lukasz}, Zeitschrift = {{Quantum}}, issn = {2521-327X}, Herausgeber = {{Verein zur F{"{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, Band = {7}, Seiten = {1034 }, Monat = Juni, Jahr = {2023} }

► Referenzen

[1] Xavi Bonet-Monroig, Ramiro Sagastizabal, M Singh und TE O'Brien. Kostengünstige Fehlerminderung durch Symmetrieüberprüfung. Physical Review A, 98 (6): 062339, 2018. https:///doi.org/10.1103/PhysRevA.98.062339.
https: / / doi.org/ 10.1103 / PhysRevA.98.062339

[2] Sergey Bravyi, Sarah Sheldon, Abhinav Kandala, David C. Mckay und Jay M. Gambetta. Reduzierung von Messfehlern in Multiqubit-Experimenten. Physical Review A, 103 (4): 042605, 2021. https:///doi.org/10.1103/PhysRevA.103.042605.
https: / / doi.org/ 10.1103 / PhysRevA.103.042605

[3] Zhenyu Cai. Multiexponentielle Fehlerextrapolation und Kombination von Fehlerminderungstechniken für NISQ-Anwendungen. npj Quantum Information, 7 (1): 1–12, 2021a. https:///doi.org/10.1038/s41534-021-00404-3.
https://doi.org/10.1038/s41534-021-00404-3

[4] Zhenyu Cai. Quantenfehlerminderung durch Symmetrieerweiterung. Quantum, 5: 548, 2021b. https:///doi.org/10.22331/q-2021-09-21-548.
https://doi.org/10.22331/q-2021-09-21-548

[5] Zhenyu Cai. Ressourceneffiziente, auf Reinigung basierende Quantenfehlerminderung. arXiv-Vorabdruck arXiv:2107.07279, 2021c. URL https:///arxiv.org/abs/2107.07279.
arXiv: 2107.07279

[6] M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C. Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R. McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio und Patrick J. Coles. Variationale Quantenalgorithmen. Nature Reviews Physics, 3 (1): 625–644, 2021. https:///doi.org/10.1038/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9

[7] Lukasz Cincio, Yiğit Subaşı, Andrew T. Sornborger und Patrick J. Coles. Erlernen des Quantenalgorithmus für Zustandsüberlappungen. New Journal of Physics, 20 (11): 113022, November 2018. https:///doi.org/10.1088/1367-2630/aae94a.
https: / / doi.org/ 10.1088 / 1367-2630 / aae94a

[8] Lukasz Cincio, Kenneth Rudinger, Mohan Sarovar und Patrick J. Coles. Maschinelles Lernen rauschresistenter Quantenschaltungen. PRX Quantum, 2: 010324, Februar 2021. https:///doi.org/10.1103/PRXQuantum.2.010324.
https: / / doi.org/ 10.1103 / PRXQuantum.2.010324

[9] Piotr Czarnik, Andrew Arrasmith, Lukasz Cincio und Patrick J Coles. Qubit-effiziente exponentielle Unterdrückung von Fehlern. arXiv-Vorabdruck arXiv:2102.06056, 2021a. URL https:///arxiv.org/abs/2102.06056.
arXiv: 2102.06056

[10] Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles und Lukasz Cincio. Fehlerminderung mit Clifford-Quantenschaltungsdaten. Quantum, 5: 592, November 2021b. ISSN 2521-327X. https:///doi.org/10.22331/q-2021-11-26-592.
https://doi.org/10.22331/q-2021-11-26-592

[11] Piotr Czarnik, Michael McKerns, Andrew T. Sornborger und Lukasz Cincio. Verbesserung der Effizienz der lernbasierten Fehlerminderung. arXiv-Vorabdruck arXiv:2204.07109, 2022. URL https:///arxiv.org/abs/2204.07109.
arXiv: 2204.07109

[12] Eugene F. Dumitrescu, Alex J. McCaskey, Gaute Hagen, Gustav R. Jansen, Titus D. Morris, T. Papenbrock, Raphael C. Pooser, David Jarvis Dean und Pavel Lougovski. Cloud-Quantencomputing eines Atomkerns. Physik. Rev. Lett., 120 (21): 210501, 2018. https:///doi.org/10.1103/PhysRevLett.120.210501.
https://doi.org/ 10.1103/PhysRevLett.120.210501

[13] Suguru Endo, Simon C. Benjamin und Ying Li. Praktische Quantenfehlerminderung für Anwendungen der nahen Zukunft. Physical Review X, 8 (3): 031027, 2018. https://doi.org/10.1103/PhysRevX.8.031027.
https://doi.org/ 10.1103/PhysRevX.8.031027

[14] Suguru Endo, Zhenyu Cai, Simon C. Benjamin und Xiao Yuan. Hybride quantenklassische Algorithmen und Quantenfehlerminderung. Journal of the Physical Society of Japan, 90 (3): 032001, 2021. https:///doi.org/10.7566/JPSJ.90.032001.
https: / / doi.org/ 10.7566 / JPSJ.90.032001

[15] P. Erdös und A. Rényi. Auf Zufallsgraphen i. Publ. Mathematik. Debrecen, 6 (290-297): 18, 1959. URL http:///snap.stanford.edu/class/cs224w-readings/erdos59random.pdf.
http:///snap.stanford.edu/class/cs224w-readings/erdos59random.pdf

[16] Edward Farhi, Jeffrey Goldstone und Sam Gutmann. Ein Quantenannäherungs-Optimierungsalgorithmus. arXiv-Preprint arXiv:1411.4028, 2014. URL https://arxiv.org/abs/1411.4028.
arXiv: 1411.4028

[17] Tudor Giurgica-Tiron, Yousef Hindy, Ryan LaRose, Andrea Mari und William J Zeng. Digitale Nullrauschextrapolation zur Quantenfehlerminderung. 2020 IEEE International Conference on Quantum Computing and Engineering (QCE), Seiten 306–316, 2020. https://doi.org/10.1109/QCE49297.2020.00045.
https: / / doi.org/ 10.1109 / QCE49297.2020.00045

[18] Daniel Gottesmann. Die Heisenberg-Darstellung von Quantencomputern, Vortrag unter. In der Internationalen Konferenz über gruppentheoretische Methoden in der Physik. Citeseer, 1998. URL http:///citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.252.9446.
http:///citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.252.9446

[19] Stuart Hadfield, Zhihui Wang, Bryan O'Gorman, Eleanor G. Rieffel, Davide Venturelli und Rupak Biswas. Vom Quantennäherungsoptimierungsalgorithmus zum Quantenalternierungsoperatoransatz. Algorithms, 12 (2): 34, 2019. https:///doi.org/10.3390/a12020034.
https: // doi.org/ 10.3390 / a12020034

[20] Kathleen E. Hamilton, Tyler Kharazi, Titus Morris, Alexander J. McCaskey, Ryan S. Bennink und Raphael C. Pooser. Skalierbare Quantenprozessor-Rauschcharakterisierung. Im Jahr 2020 IEEE International Conference on Quantum Computing and Engineering (QCE), Seiten 430–440. IEEE, 2020. https:///doi.org/10.1109/QCE49297.2020.00060.
https: / / doi.org/ 10.1109 / QCE49297.2020.00060

[21] Andre He, Benjamin Nachman, Wibe A. de Jong und Christian W. Bauer. Rauschfreie Extrapolation zur Minderung von Quantengatterfehlern mit Identitätseinfügungen. Physical Review A, 102: 012426, Juli 2020. https:///doi.org/10.1103/PhysRevA.102.012426.
https: / / doi.org/ 10.1103 / PhysRevA.102.012426

[22] William J. Huggins, Sam McArdle, Thomas E. O'Brien, Joonho Lee, Nicholas C. Rubin, Sergio Boixo, K. Birgitta Whaley, Ryan Babbush und Jarrod R. McClean. Virtuelle Destillation zur Quantenfehlerminderung. Physical Review X, 11 (4): 041036, 2021. https:///doi.org/10.1103/PhysRevX.11.041036.
https://doi.org/ 10.1103/PhysRevX.11.041036

[23] Mingxia Huo und Ying Li. Dual-State-Reinigung zur praktischen Quantenfehlerminderung. Physical Review A, 105 (2): 022427, 2022. https:///doi.org/10.1103/PhysRevA.105.022427.
https: / / doi.org/ 10.1103 / PhysRevA.105.022427

[24] Abhinav Kandala, Kristan Temme, Antonio D. Córcoles, Antonio Mezzacapo, Jerry M. Chow und Jay M. Gambetta. Die Fehlerminderung erweitert die Rechenreichweite eines verrauschten Quantenprozessors. Nature, 567 (7749): 491–495, März 2019. ISSN 1476-4687. https:///doi.org/10.1038/s41586-019-1040-7.
https://doi.org/10.1038/s41586-019-1040-7

[25] Sumeet Khatri, Ryan LaRose, Alexander Poremba, Lukasz Cincio, Andrew T. Sornborger und Patrick J. Coles. Quantenunterstütztes Quantenkompilieren. Quantum, 3: 140, 2019. https:///doi.org/10.22331/q-2019-05-13-140.
https://doi.org/10.22331/q-2019-05-13-140

[26] Bálint Koczor. Exponentielle Fehlerunterdrückung für kurzfristige Quantengeräte. Physical Review X, 11 (3): 031057, 2021a. https:///doi.org/10.1103/PhysRevX.11.031057.
https://doi.org/ 10.1103/PhysRevX.11.031057

[27] Bálint Koczor. Der dominante Eigenvektor eines verrauschten Quantenzustands. New Journal of Physics, 23 (12): 123047, 2021b. https:///doi.org/10.1088/1367-2630/ac37ae.
https:///doi.org/10.1088/1367-2630/ac37ae

[28] Angus Lowe, Max Hunter Gordon, Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles und Lukasz Cincio. Einheitlicher Ansatz zur datengesteuerten Quantenfehlerminderung. Physik. Rev. Research, 3: 033098, Juli 2021. https:///doi.org/10.1103/PhysRevResearch.3.033098.
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033098

[29] Andrea Mari, Nathan Shammah und William J Zeng. Erweiterung der quantenprobabilistischen Fehlerunterdrückung durch Rauschskalierung. Physical Review A, 104 (5): 052607, 2021. https:///doi.org/10.1103/PhysRevA.104.052607.
https: / / doi.org/ 10.1103 / PhysRevA.104.052607

[30] Dmitri Maslow. Grundlegende Schaltungskompilierungstechniken für eine Ionenfallen-Quantenmaschine. New Journal of Physics, 19 (2): 023035, 2017. https:///doi.org/10.1088/1367-2630/aa5e47.
https://doi.org/10.1088/1367-2630/aa5e47

[31] Sam McArdle, Xiao Yuan und Simon Benjamin. Fehlerreduzierte digitale Quantensimulation. Physik. Rev. Lett., 122: 180501, Mai 2019. https:///doi.org/10.1103/PhysRevLett.122.180501.
https://doi.org/ 10.1103/PhysRevLett.122.180501

[32] Jarrod R. McClean, Sergio Boixo, Vadim N. Smelyanskiy, Ryan Babbush und Hartmut Neven. Karge Hochebenen in Trainingslandschaften für Quanten-Neuronale Netzwerke. Nature Communications, 9 (1): 1–6, 2018. https:///doi.org/10.1038/s41467-018-07090-4.
https://doi.org/10.1038/s41467-018-07090-4

[33] Ashley Montanaro und Stasja Stanisic. Fehlerminderung durch Training mit fermionischer linearer Optik. arXiv-Vorabdruck arXiv:2102.02120, 2021. URL https:///arxiv.org/abs/2102.02120.
arXiv: 2102.02120

[34] Prakash Murali, Jonathan M. Baker, Ali Javadi-Abhari, Frederic T. Chong und Margaret Martonosi. Rauschadaptive Compiler-Zuordnungen für verrauschte Quantencomputer mittlerer Größe. ASPLOS '19, Seite 1015–1029, New York, NY, USA, 2019. Association for Computing Machinery. ISBN 9781450362405. https:///doi.org/10.1145/3297858.3304075.
https: / / doi.org/ 10.1145 / 3297858.3304075

[35] Thomas E. O'Brien, Stefano Polla, Nicholas C. Rubin, William J. Huggins, Sam McArdle, Sergio Boixo, Jarrod R. McClean und Ryan Babbush. Fehlerminderung durch verifizierte Phasenschätzung. PRX Quantum, 2: 020317, Mai 2021. https:///doi.org/10.1103/PRXQuantum.2.020317.
https: / / doi.org/ 10.1103 / PRXQuantum.2.020317

[36] Matthew Otten und Stephen K Gray. Wiederherstellung rauschfreier Quantenobservablen. Physical Review A, 99 (1): 012338, 2019. https:///doi.org/10.1103/PhysRevA.99.012338.
https: / / doi.org/ 10.1103 / PhysRevA.99.012338

[37] Matthew Otten, Cristian L. Cortes und Stephen K. Gray. Rauschresistente Quantendynamik mit symmetrieerhaltenden Ansätzen. arXiv-Preprint arXiv:1910.06284, 2019. URL https://arxiv.org/abs/1910.06284.
arXiv: 1910.06284

[38] Lewis Fry Richardson und J. Arthur Gaunt. VIII. die verzögerte Annäherung an den Grenzwert. Philosophische Transaktionen der Royal Society of London. Serie A, Enthält Papiere mathematischer oder physikalischer Art, 226 (636-646): 299–361, Januar 1927. https://doi.org/10.1098/rsta.1927.0008.
https: / / doi.org/ 10.1098 / rsta.1927.0008

[39] Kunal Sharma, Sumeet Khatri, M. Cerezo und Patrick J. Coles. Rauschresistenz der Variationsquantenkompilierung. New Journal of Physics, 22 (4): 043006, 2020. https:///doi.org/10.1088/1367-2630/ab784c.
https: / / doi.org/ 10.1088 / 1367-2630 / ab784c

[40] John A. Smolin und David P. DiVincenzo. Fünf Zwei-Bit-Quantengatter reichen aus, um das Quanten-Fredkin-Gatter zu implementieren. Physical Review A, 53: 2855–2856, 1996. https:///doi.org/10.1103/PhysRevA.53.2855.
https: / / doi.org/ 10.1103 / PhysRevA.53.2855

[41] Alejandro Sopena, Max Hunter Gordon, German Sierra und Esperanza López. Simulation der Löschdynamik auf einem digitalen Quantencomputer mit datengesteuerter Fehlerminderung. Quantenwissenschaft und -technologie, 2021. https:///doi.org/10.1088/2058-9565/ac0e7a.
https://doi.org/10.1088/2058-9565/ac0e7a

[42] Daniel Stilck França und Raul Garcia-Patron. Einschränkungen von Optimierungsalgorithmen auf verrauschten Quantengeräten. Nature Physics, 17 (11): 1221–1227, 2021. https://doi.org/10.1038/s41567-021-01356-3.
https://doi.org/10.1038/s41567-021-01356-3

[43] Armands Strikis, Dayue Qin, Yanzhu Chen, Simon C. Benjamin und Ying Li. Lernbasierte Quantenfehlerminderung. PRX Quantum, 2 (4): 040330, 2021. https:///doi.org/10.1103/PRXQuantum.2.040330.
https: / / doi.org/ 10.1103 / PRXQuantum.2.040330

[44] Ryuji Takagi. Optimale Ressourcenkosten zur Fehlerminderung. Physik. Rev. Res., 3: 033178, August 2021. https:///doi.org/10.1103/PhysRevResearch.3.033178.
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033178

[45] Kristan Temme, Sergey Bravyi und Jay M. Gambetta. Fehlerminderung für Quantenschaltungen mit geringer Tiefe. Physik. Rev. Lett., 119: 180509, November 2017. https:///doi.org/10.1103/PhysRevLett.119.180509.
https://doi.org/ 10.1103/PhysRevLett.119.180509

[46] Colin J. Forelle, Muyuan Li, Mauricio Gutiérrez, Yukai Wu, Sheng-Tao Wang, Luming Duan und Kenneth R. Brown. Simulation der Leistung eines Distanz-3-Oberflächencodes in einer linearen Ionenfalle. New Journal of Physics, 20 (4): 043038, 2018. https: // doi.org/ 10.1088 / 1367-2630 / aab341.
https: / / doi.org/ 10.1088 / 1367-2630 / aab341

[47] Miroslav Urbanek, Benjamin Nachman, Vincent R. Pascuzzi, Andre He, Christian W. Bauer und Wibe A de Jong. Abschwächung von depolarisierendem Rauschen auf Quantencomputern mit Rauschschätzschaltungen. Physik. Rev. Lett., 127 (27): 270502, 2021. https:///doi.org/10.1103/PhysRevLett.127.270502.
https://doi.org/ 10.1103/PhysRevLett.127.270502

[48] Joseph Vovrosh, Kiran E. Khosla, Sean Greenaway, Christopher Self, Myungshik S. Kim und Johannes Knolle. Einfache Abschwächung globaler Depolarisierungsfehler in Quantensimulationen. Physical Review E, 104 (3): 035309, 2021. 10.1103/PhysRevE.104.035309.
https: / / doi.org/ 10.1103 / PhysRevE.104.035309

[49] Kun Wang, Yu-Ao Chen und Xin Wang. Abschwächung von Quantenfehlern durch verkürzte Neumann-Reihen. arXiv-Vorabdruck arXiv:2111.00691, 2021a. URL https:///arxiv.org/abs/2111.00691.
arXiv: 2111.00691

[50] Samson Wang, Enrico Fontana, M. Cerezo, Kunal Sharma, Akira Sone, Lukasz Cincio und Patrick J Coles. Durch Rauschen verursachte karge Plateaus in Variationsquantenalgorithmen. Nature Communications, 12 (1): 1–11, 2021b. https:///doi.org/10.1038/s41467-021-27045-6.
https://doi.org/10.1038/s41467-021-27045-6

[51] Yifeng Xiong, Soon Xin Ng und Lajos Hanzo. Quantenfehlerminderung durch Permutationsfilterung. IEEE Transactions on Communications, 70 (3): 1927–1942, 2022. https://doi.org/10.1109/TCOMM.2021.3132914.
https:///doi.org/10.1109/TCOMM.2021.3132914

[52] Nobuyuki Yoshioka, Hideaki Hakoshima, Yuichiro Matsuzaki, Yuuki Tokunaga, Yasunari Suzuki und Suguru Endo. Verallgemeinerte Quanten-Unterraumerweiterung. Physik. Rev. Lett., 129: 020502, Juli 2022. https:///doi.org/10.1103/PhysRevLett.129.020502.
https://doi.org/ 10.1103/PhysRevLett.129.020502

Zitiert von

[1] Ryuji Takagi, Hiroyasu Tajima und Mile Gu, „Universal Sampling Lower Bounds for Quantum Error Mitigation“, arXiv: 2208.09178, (2022).

[2] C. Huerta Alderete, Alaina M. Green, Nhung H. Nguyen, Yingyue Zhu, Norbert M. Linke und BM Rodríguez-Lara, „Para-Particle Oscillator Simulations on a Trapped Ion Quantum Computer“, arXiv: 2207.02430, (2022).

[3] Samson Wang, Piotr Czarnik, Andrew Arrasmith, M. Cerezo, Lukasz Cincio und Patrick J. Coles, „Kann Fehlerminderung die Trainierbarkeit verrauschter Variationsquantenalgorithmen verbessern?“, arXiv: 2109.01051, (2021).

[4] He-Liang Huang, Xiao-Yue Fehlerminderung, Schaltungszusammenstellung, Benchmarking und klassische Simulation", Wissenschaft China Physik, Mechanik und Astronomie 66 5, 250302 (2023).

[5] Alessio Calzona und Matteo Carrega, „Multimode-Architekturen für rauschresistente supraleitende Qubits“, Supraleiter-Wissenschaftstechnologie 36 2, 023001 (2023).

[6] Abdullah Ash Saki, Amara Katabarwa, Salonik Resch und George Umbrarescu, „Hypothesis Testing for Error Mitigation: How to Evaluate Error Mitigation“, arXiv: 2301.02690, (2023).

[7] Andrea Mari, Nathan Shammah und William J. Zeng, „Erweiterung der quantenprobabilistischen Fehlerunterdrückung durch Rauschskalierung“, Physische Überprüfung A 104 5, 052607 (2021).

[8] Michael Krebsbach, Björn Trauzettel und Alessio Calzona, „Optimierung der Richardson-Extrapolation zur Quantenfehlerminderung“, Physische Überprüfung A 106 6, 062436 (2022).

[9] Benjamin A. Cordier, Nicolas PD Sawaya, Gian G. Guerreschi und Shannon K. McWeeney, „Biologie und Medizin in der Landschaft der Quantenvorteile“, arXiv: 2112.00760, (2021).

[10] Thomas Ayral, Pauline Besserve, Denis Lacroix und Edgar Andres Ruiz Guzman, „Quantencomputing mit und für Vielteilchenphysik“, arXiv: 2303.04850, (2023).

[11] Joris Kattemölle und Jasper van Wezel, „Variationsquanten-Eigenlöser für den Heisenberg-Antiferromagneten auf dem Kagome-Gitter“, Physische Überprüfung B 106 21, 214429 (2022).

[12] Ryan LaRose, Andrea Mari, Vincent Russo, Dan Strano und William J. Zeng, „Fehlerminderung erhöht das effektive Quantenvolumen von Quantencomputern“, arXiv: 2203.05489, (2022).

[13] Dayue Qin, Xiaosi Xu und Ying Li, „Ein Überblick über Quantenfehlerminderungsformeln“, Chinesische Physik B 31 9, 090306 (2022).

[14] Zhenyu Cai, „Ein praktischer Rahmen zur Quantenfehlerminderung“, arXiv: 2110.05389, (2021).

[15] Alejandro Sopena, Max Hunter Gordon, Diego García-Martín, Germán Sierra und Esperanza López, „Algebraic Bethe Circuits“, Quantum 6, 796 (2022).

[16] Noah F. Berthusen, Thaís V. Trevisan, Thomas Iadecola und Peter P. Orth, „Quantendynamiksimulationen jenseits der Kohärenzzeit auf verrauschter Quantenhardware mittlerer Skala durch Variational-Trotter-Komprimierung“, Physical Review Research 4 2, 023097 (2022).

[17] Yifeng Xiong, Soon Xin Ng und Lajos Hanzo, „Quantum Error Mitigation Relying on Permutation Filtering“, arXiv: 2107.01458, (2021).

[18] Xuanqiang Zhao, Benchi Zhao, Zihan Xia und Xin Wang, „Information Recovery of Noisy Quantum States“, Quantum 7, 978 (2023).

[19] Piotr Czarnik, Michael McKerns, Andrew T. Sornborger und Lukasz Cincio, „Verbesserung der Effizienz lernbasierter Fehlerminderung“, arXiv: 2204.07109, (2022).

[20] Shi-Xin Zhang, Zhou-Quan Wan, Chang-Yu Hsieh, Hong Yao und Shengyu Zhang, „Variational Quantum-Neural Hybrid Error Mitigation“, arXiv: 2112.10380, (2021).

[21] Max Gordon, „Vereinheitlichung und Benchmarking modernster Techniken zur Quantenfehlerminderung“, APS March Meeting Abstracts 2022, S40.012 (2022).

[22] Vasily Sazonov und Mohamed Tamaazousti, „Quantum Error Mitigation for Parametric Circuits“, Physische Überprüfung A 105 4, 042408 (2022).

[23] Andrew Arrasmith, Andrew Patterson, Alice Boughton und Marco Paini, „Development and Demonstration of an Efficient Readout Error Mitigation Technique for use in NISQ Algorithms“, arXiv: 2303.17741, (2023).

[24] Jin-Min Liang, Qiao-Qiao Lv, Zhi-Xi Wang und Shao-Ming Fei, „Unified multivariate Trace Estimation and Quantum Error Mitigation“, Physische Überprüfung A 107 1, 012606 (2023).

Die obigen Zitate stammen von SAO / NASA ADS (Zuletzt erfolgreich aktualisiert am 2023, 06:06:22 Uhr). Die Liste ist möglicherweise unvollständig, da nicht alle Verlage geeignete und vollständige Zitationsdaten bereitstellen.

On Der zitierte Dienst von Crossref Es wurden keine Daten zum Zitieren von Werken gefunden (letzter Versuch 2023-06-06 22:08:51).

Dieses Papier ist in Quantum unter dem veröffentlicht Creative Commons Namensnennung 4.0 International (CC BY 4.0) Lizenz. Das Copyright verbleibt bei den ursprünglichen Copyright-Inhabern wie den Autoren oder deren Institutionen.

SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
PlatoAiStream. Web3-Datenintelligenz. Wissen verstärkt. Hier zugreifen.
Die Zukunft prägen mit Adryenn Ashley. Hier zugreifen.
Kaufen und verkaufen Sie Anteile an PRE-IPO-Unternehmen mit PREIPO®. Hier zugreifen.
Quelle: https://quantum-journal.org/papers/q-2023-06-06-1034/

Zeitstempel: 6. Juni 2023

Zeitstempel: 13. Oktober 2022

Zertifizierung der Quanten-Fisher-Informationen aus einem gegebenen Satz von Mittelwerten: ein semidefiniter Programmieransatz

Quellcluster:

Quantenjournal

Quellknoten: 2957738

Zeitstempel: 24. Oktober 2023

Über Algorithmen mit geringer Tiefe zur Quantenphasenschätzung

Quellcluster:

Quantenjournal

Quellknoten: 2985995

Zeitstempel: 6. Nov 2023

Neuauflage von Plato

Optimale (kontrollierte) Quantenzustandspräparation und verbesserte unitäre Synthese durch Quantenschaltkreise mit beliebig vielen Hilfs-Qubits

Einfache Mastergleichungen zur Beschreibung angetriebener Systeme mit klassischem nicht-Markov-Rauschen

Ein mathematischer Rahmen für operative Feinabstimmungen

Digitale Entdeckung von 100 verschiedenen Quantenexperimenten mit PyTheus

Thermometrie Gaußscher Quantensysteme mit Gaußschen Messungen

Reine nicht-markovianische Entwicklungen

Abstraqt: Analyse von Quantenschaltungen mittels abstrakter Stabilisatorsimulation

Effiziente Variationssynthese von Quantenschaltkreisen mit kohärenter Multi-Start-Optimierung

Einschränkungen des Macaulay-Matrix-Ansatzes für die Verwendung des HHL-Algorithmus zur Lösung multivariater Polynomsysteme

Variationslösungen für Fermion-Qubit-Mappings in zwei räumlichen Dimensionen

Zertifizierung der Quanten-Fisher-Informationen aus einem gegebenen Satz von Mittelwerten: ein semidefiniter Programmieransatz

Über Algorithmen mit geringer Tiefe zur Quantenphasenschätzung

Über uns

Vertikale Suche & Ai

Plattform

Bleiben Sie in Verbindung

Konto