Unificazione e benchmarking delle tecniche all'avanguardia di mitigazione degli errori quantistici

Ripubblicato da Platone

Seguaci: 0

Daniele Bultrini^1,2, Max Hunter Gordon³, Piotr Zarnik^1,4, Andrew Arrasmith^1,5, M.Cerezo^6,5, Patrick J. Coles^1,5, e Lukasz Cincio^1,5

¹Divisione Teorica, Los Alamos National Laboratory, Los Alamos, NM 87545, USA
²Theoretische Chemie, Physikalisch-Chemisches Institut, Universität Heidelberg, INF 229, D-69120 Heidelberg, Germania
³Instituto de Física Teórica, UAM/CSIC, Universidad Autónoma de Madrid, Madrid, Spagna
⁴Istituto di Fisica Teorica, Università Jagellonica, Cracovia, Polonia.
⁵Centro di scienza quantistica, Oak Ridge, TN 37931, Stati Uniti
⁶Scienze dell'informazione, Los Alamos National Laboratory, Los Alamos, NM 87545, USA

Trovi questo documento interessante o vuoi discuterne? Scrivi o lascia un commento su SciRate.

Astratto

La mitigazione degli errori è una componente essenziale per ottenere un vantaggio quantistico pratico a breve termine e sono stati proposti diversi approcci. In questo lavoro, riconosciamo che molti metodi di mitigazione degli errori all'avanguardia condividono una caratteristica comune: sono guidati dai dati, impiegando dati classici ottenuti da esecuzioni di diversi circuiti quantistici. Ad esempio, l'estrapolazione del rumore zero (ZNE) utilizza dati di rumore variabile e la regressione dei dati di Clifford (CDR) utilizza i dati dei circuiti vicino a Clifford. Mostriamo che Virtual Distillation (VD) può essere visualizzato in modo simile considerando i dati classici prodotti da diversi numeri di preparazioni di stato. L'osservazione di questo fatto ci consente di unificare questi tre metodi in un quadro generale di mitigazione degli errori basato sui dati che chiamiamo Tecnica unificata per la mitigazione degli errori con i dati (UNITED). In certe situazioni, troviamo che il nostro metodo UNITED può superare i singoli metodi (cioè, il tutto è migliore delle singole parti). Nello specifico, utilizziamo un modello di rumore realistico ottenuto da un computer quantistico a ioni intrappolati per confrontare UNITED, così come altri metodi all'avanguardia, per mitigare gli osservabili prodotti da circuiti quantistici casuali e il Quantum Alternating Operator Ansatz (QAOA) applicato ai problemi Max-Cut con vari numeri di qubit, profondità del circuito e numero totale di colpi. Troviamo che le prestazioni di diverse tecniche dipendono fortemente dai budget di tiro, con metodi più potenti che richiedono più colpi per prestazioni ottimali. Per il nostro budget considerato più elevato ($ 10^{10}$), abbiamo scoperto che UNITED offre la mitigazione più accurata. Pertanto, il nostro lavoro rappresenta un benchmarking degli attuali metodi di mitigazione degli errori e fornisce una guida per i regimi in cui determinati metodi sono più utili.

Immagine in primo piano: riepilogo schematico della tecnica unificata per la mitigazione degli errori con i dati.

Riepilogo popolare

Gli attuali computer quantistici affrontano errori che pongono sfide nel superare le prestazioni dei migliori computer classici. Per sfruttare appieno il potenziale dei dispositivi quantistici, è fondamentale correggere questi effetti dannosi. Per risolvere questo problema vengono utilizzati metodi di mitigazione degli errori. Tra questi metodi, la mitigazione degli errori basata sui dati si distingue come un approccio promettente, che prevede la classica post-elaborazione dei risultati delle misurazioni quantistiche per correggere gli effetti indotti dal rumore. In questo contesto sono stati utilizzati vari tipi di dati, tra cui il ridimensionamento dell'intensità del rumore tramite Zero Noise Extrapolation (ZNE), dati provenienti da circuiti vicino a Clifford utilizzati dalla regressione dei dati di Clifford (CDR) e dati ottenuti tramite Virtual Distillation (VD) preparando più copie di uno stato quantico. Per unificare questi approcci, proponiamo la tecnica unificata per la mitigazione degli errori con i dati (UNITED), che integra tutti questi tipi di dati. Inoltre, dimostriamo che il metodo unificato supera i singoli componenti quando sono disponibili risorse quantistiche sufficienti, impiegando un modello di rumore realistico di un computer quantistico a ioni intrappolati e due diversi tipi di circuiti quantistici con conteggi e profondità di qubit variabili. Infine, identifichiamo le condizioni più favorevoli per diversi metodi di mitigazione degli errori basati sui dati.

► dati BibTeX

@articolo{Bultrini2023unifying, doi = {10.22331/q-2023-06-06-1034}, url = {https://doi.org/10.22331/q-2023-06-06-1034}, titolo = {Unifying e benchmarking di tecniche all'avanguardia di mitigazione degli errori quantistici}, autore = {Bultrini, Daniel e Gordon, Max Hunter e Czarnik, Piotr e Arrasmith, Andrew e Cerezo, M. e Coles, Patrick J. e Cincio, Lukasz}, rivista = {{Quantum}}, issn = {2521-327X}, editore = {{Verein zur F{"{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, volume = {7}, pagine = {1034 }, mese = giugno, anno = {2023}
}

► Riferimenti

, Xavi Bonet-Monroig, Ramiro Sagastizabal, M Singh e TE O'Brien. Mitigazione degli errori a basso costo mediante verifica della simmetria. Physical Review A, 98 (6): 062339, 2018. https:///doi.org/10.1103/PhysRevA.98.062339.
https: / / doi.org/ 10.1103 / PhysRevA.98.062339

, Sergey Bravyi, Sarah Sheldon, Abhinav Kandala, David C Mckay e Jay M Gambetta. Mitigazione degli errori di misurazione negli esperimenti multiqubit. Physical Review A, 103 (4): 042605, 2021. https:///doi.org/10.1103/PhysRevA.103.042605.
https: / / doi.org/ 10.1103 / PhysRevA.103.042605

, Zhenyu Cai. Estrapolazione dell'errore multi-esponenziale e combinazione di tecniche di mitigazione dell'errore per applicazioni NISQ. 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

, Zhenyu Cai. Mitigazione dell'errore quantistico mediante l'espansione della simmetria. Quantum, 5: 548, 2021b. https:///doi.org/10.22331/q-2021-09-21-548.
https://doi.org/10.22331/q-2021-09-21-548

, Zhenyu Cai. Attenuazione dell'errore quantistico basata sulla purificazione efficiente in termini di risorse. arXiv preprint arXiv:2107.07279, 2021c. URL https:///arxiv.org/abs/2107.07279.
arXiv: 2107.07279

, M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio e Patrick J. Coles. Algoritmi quantistici variazionali. 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

, Lukasz Cincio, Yiğit Subaşı, Andrew T Sornborger e Patrick J Coles. Apprendimento dell'algoritmo quantistico per la sovrapposizione di stati. New Journal of Physics, 20 (11): 113022, nov 2018. https://doi.org/10.1088/1367-2630/aae94a.
https: / / doi.org/ 10.1088 / 1367-2630 / aae94a

, Lukasz Cincio, Kenneth Rudinger, Mohan Sarovar e Patrick J. Coles. Machine learning di circuiti quantistici resistenti al rumore. PRX Quantum, 2: 010324, febbraio 2021. https://doi.org/10.1103/PRXQuantum.2.010324.
https: / / doi.org/ 10.1103 / PRXQuantum.2.010324

, Piotr Czarnik, Andrew Arrasmith, Lukasz Cincio e Patrick J Coles. Soppressione esponenziale degli errori efficiente in termini di qubit. arXiv preprint arXiv:2102.06056, 2021a. URL https:///arxiv.org/abs/2102.06056.
arXiv: 2102.06056

, Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles e Lukasz Cincio. Mitigazione degli errori con i dati del circuito quantistico di Clifford. Quantum, 5: 592, novembre 2021b. ISSN 2521-327X. https:///doi.org/10.22331/q-2021-11-26-592.
https://doi.org/10.22331/q-2021-11-26-592

, Piotr Czarnik, Michael McKerns, Andrew T. Sornborger e Lukasz Cincio. Migliorare l'efficienza della mitigazione degli errori basata sull'apprendimento. arXiv preprint arXiv:2204.07109, 2022. URL https://arxiv.org/abs/2204.07109.
arXiv: 2204.07109

, Eugene F Dumitrescu, Alex J McCaskey, Gaute Hagen, Gustav R Jansen, Titus D Morris, T Papenbrock, Raphael C Pooser, David Jarvis Dean e Pavel Lougovski. Cloud quantum computing di un nucleo atomico. Fis. Rev. Lett., 120 (21): 210501, 2018. https:///doi.org/10.1103/PhysRevLett.120.210501.
https: / / doi.org/ 10.1103 / PhysRevLett.120.210501

, Suguru Endo, Simon C Benjamin e Ying Li. Mitigazione pratica degli errori quantistici per applicazioni del prossimo futuro. Physical Review X, 8 (3): 031027, 2018. https://doi.org/10.1103/PhysRevX.8.031027.
https: / / doi.org/ 10.1103 / PhysRevX.8.031027

, Suguru Endo, Zhenyu Cai, Simon C Benjamin e Xiao Yuan. Algoritmi ibridi quanto-classici e mitigazione degli errori quantistici. 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

, P Erdös e A Rényi. Su grafi casuali i. Publ. matematica. 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

, Edward Farhi, Jeffrey Goldstone e Sam Gutmann. Un algoritmo di ottimizzazione approssimata quantistica. arXiv prestampa arXiv:1411.4028, 2014. URL https://arxiv.org/abs/1411.4028.
arXiv: 1411.4028

, Tudor Giurgica-Tiron, Yousef Hindy, Ryan LaRose, Andrea Mari e William J Zeng. Estrapolazione digitale zero noise per la mitigazione degli errori quantistici. 2020 IEEE International Conference on Quantum Computing and Engineering (QCE), pagine 306–316, 2020. https://doi.org/10.1109/QCE49297.2020.00045.
https: / / doi.org/ 10.1109 / QCE49297.2020.00045

, Daniele Gottesmann. La rappresentazione di Heisenberg dei computer quantistici, parla a. Nella conferenza internazionale sui metodi teorici di gruppo in fisica. 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

, Stuart Hadfield, Zhihui Wang, Bryan O'Gorman, Eleanor G Rieffel, Davide Venturelli e Rupak Biswas. Dall'algoritmo di ottimizzazione quantistica approssimata all'operatore quantistico alternato ansatz. Algoritmi, 12 (2): 34, 2019. https:///doi.org/10.3390/a12020034.
https: / / doi.org/ 10.3390 / a12020034

, Kathleen E Hamilton, Tyler Kharazi, Titus Morris, Alexander J McCaskey, Ryan S Bennink e Raphael C Pooser. Caratterizzazione scalabile del rumore del processore quantistico. Nel 2020 IEEE International Conference on Quantum Computing and Engineering (QCE), pagine 430–440. IEEE, 2020. https:///doi.org/10.1109/QCE49297.2020.00060.
https: / / doi.org/ 10.1109 / QCE49297.2020.00060

, Andre He, Benjamin Nachman, Wibe A. de Jong e Christian W. Bauer. Estrapolazione a rumore zero per la mitigazione degli errori di gate quantistico con inserimenti di identità. Physical Review A, 102: 012426, luglio 2020. https://doi.org/10.1103/PhysRevA.102.012426.
https: / / doi.org/ 10.1103 / PhysRevA.102.012426

, William J Huggins, Sam McArdle, Thomas E O'Brien, Joonho Lee, Nicholas C Rubin, Sergio Boixo, K Birgitta Whaley, Ryan Babbush e Jarrod R McClean. Distillazione virtuale per la mitigazione degli errori quantistici. Physical Review X, 11 (4): 041036, 2021. https:///doi.org/10.1103/PhysRevX.11.041036.
https: / / doi.org/ 10.1103 / PhysRevX.11.041036

, Mingxia Huo e Ying Li. Purificazione a doppio stato per la mitigazione pratica degli errori quantistici. Physical Review A, 105 (2): 022427, 2022. https:///doi.org/10.1103/PhysRevA.105.022427.
https: / / doi.org/ 10.1103 / PhysRevA.105.022427

, Abhinav Kandala, Kristan Temme, Antonio D. Corcoles, Antonio Mezzacapo, Jerry M. Chow e Jay M. Gambetta. La mitigazione degli errori estende la portata computazionale di un processore quantistico rumoroso. Nature, 567 (7749): 491–495, marzo 2019. ISSN 1476-4687. https:///doi.org/10.1038/s41586-019-1040-7.
https://doi.org/10.1038/s41586-019-1040-7

, Sumeet Khatri, Ryan LaRose, Alexander Poremba, Lukasz Cincio, Andrew T Sornborger e Patrick J Coles. Compilazione quantistica assistita da quantistica. Quantum, 3: 140, 2019. https:///doi.org/10.22331/q-2019-05-13-140.
https://doi.org/10.22331/q-2019-05-13-140

, Balint Koczor. Soppressione dell'errore esponenziale per dispositivi quantistici a breve termine. Revisione fisica X, 11 (3): 031057, 2021a. https:///doi.org/10.1103/PhysRevX.11.031057.
https: / / doi.org/ 10.1103 / PhysRevX.11.031057

, Balint Koczor. L'autovettore dominante di uno stato quantico rumoroso. Nuovo giornale di fisica, 23 (12): 123047, 2021b. https:///doi.org/10.1088/1367-2630/ac37ae.
https:///doi.org/10.1088/1367-2630/ac37ae

, Angus Lowe, Max Hunter Gordon, Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles e Lukasz Cincio. Approccio unificato alla mitigazione degli errori quantistici basata sui dati. Fis. Rev. Research, 3: 033098, luglio 2021. https:///doi.org/10.1103/PhysRevResearch.3.033098.
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033098

, Andrea Mari, Nathan Shammah e William J Zeng. Estensione della cancellazione dell'errore probabilistico quantistico mediante il ridimensionamento del rumore. Physical Review A, 104 (5): 052607, 2021. https:///doi.org/10.1103/PhysRevA.104.052607.
https: / / doi.org/ 10.1103 / PhysRevA.104.052607

, Dimitri Maslov. Tecniche di base di compilazione di circuiti per una macchina quantistica a trappola ionica. New Journal of Physics, 19 (2): 023035, 2017. https://doi.org/10.1088/1367-2630/aa5e47.
https://doi.org/10.1088/1367-2630/aa5e47

, Sam McArdle, Xiao Yuan e Simon Benjamin. Simulazione quantistica digitale con mitigazione degli errori. Fis. Rev. Lett., 122: 180501, maggio 2019. https:///doi.org/10.1103/PhysRevLett.122.180501.
https: / / doi.org/ 10.1103 / PhysRevLett.122.180501

, Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush e Hartmut Neven. Altopiani aridi nei paesaggi di addestramento della rete neurale quantistica. 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

, Ashley Montanaro e Stasja Stanisic. Mitigazione degli errori mediante addestramento con ottica lineare fermionica. arXiv preprint arXiv:2102.02120, 2021. URL https://arxiv.org/abs/2102.02120.
arXiv: 2102.02120

, Prakash Murali, Jonathan M. Baker, Ali Javadi-Abhari, Frederic T. Chong e Margaret Martonosi. Mappature del compilatore adattative al rumore per computer quantistici rumorosi su scala intermedia. ASPLOS '19, pagina 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 mila

, Thomas E. O'Brien, Stefano Polla, Nicholas C. Rubin, William J. Huggins, Sam McArdle, Sergio Boixo, Jarrod R. McClean e Ryan Babbush. Mitigazione degli errori tramite stima della fase verificata. PRX Quantum, 2: 020317, maggio 2021. https:///doi.org/10.1103/PRXQuantum.2.020317.
https: / / doi.org/ 10.1103 / PRXQuantum.2.020317

, Matthew Otten e Stephen K Gray. Recupero di osservabili quantistici privi di rumore. Physical Review A, 99 (1): 012338, 2019. https:///doi.org/10.1103/PhysRevA.99.012338.
https: / / doi.org/ 10.1103 / PhysRevA.99.012338

, Matthew Otten, Cristian L Cortes e Stephen K Gray. Dinamica quantistica resistente al rumore che utilizza ansatz che preservano la simmetria. arXiv prestampa arXiv:1910.06284, 2019. URL https://arxiv.org/abs/1910.06284.
arXiv: 1910.06284

, Lewis Fry Richardson e J.Arthur Gaunt. VIII. l'avvicinamento differito al limite. Operazioni filosofiche della Royal Society di Londra. Serie A, contenente documenti di carattere matematico o fisico, 226 (636-646): 299–361, gennaio 1927. https://doi.org/10.1098/rsta.1927.0008.
https: / / doi.org/ 10.1098 / rsta.1927.0008

, Kunal Sharma, Sumeet Khatri, M. Cerezo e Patrick J Coles. Resilienza al rumore della compilazione quantistica variazionale. New Journal of Physics, 22 (4): 043006, 2020. https://doi.org/10.1088/1367-2630/ab784c.
https: / / doi.org/ 10.1088 / 1367-2630 / ab784c

, John A. Smolin e David P. DiVincenzo. Cinque porte quantistiche a due bit sono sufficienti per implementare la porta quantistica di Fredkin. Physical Review A, 53: 2855–2856, 1996. https:///doi.org/10.1103/PhysRevA.53.2855.
https: / / doi.org/ 10.1103 / PhysRevA.53.2855

, Alejandro Sopena, Max Hunter Gordon, German Sierra e Esperanza López. Simulazione delle dinamiche di quench su un computer quantistico digitale con mitigazione degli errori basata sui dati. Scienza e tecnologia quantistica, 2021. https:///doi.org/10.1088/2058-9565/ac0e7a.
https://doi.org/10.1088/2058-9565/ac0e7a

, Daniel Stilck França e Raul Garcia-Patron. Limitazioni degli algoritmi di ottimizzazione su dispositivi quantistici rumorosi. 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

, Armands Strikis, Dayue Qin, Yanzhu Chen, Simon C Benjamin e Ying Li. Mitigazione degli errori quantistici basata sull'apprendimento. PRX Quantum, 2 (4): 040330, 2021. https:///doi.org/10.1103/PRXQuantum.2.040330.
https: / / doi.org/ 10.1103 / PRXQuantum.2.040330

, Ryuji Takagi. Costo ottimale delle risorse per la mitigazione degli errori. Fis. Rev. Res., 3: 033178, ago 2021. https:///doi.org/10.1103/PhysRevResearch.3.033178.
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033178

, Kristan Temme, Sergey Bravyi e Jay M. Gambetta. Mitigazione degli errori per circuiti quantistici a profondità ridotta. Fis. Rev. Lett., 119: 180509, Nov 2017. https:///doi.org/10.1103/PhysRevLett.119.180509.
https: / / doi.org/ 10.1103 / PhysRevLett.119.180509

, Colin J Trout, Muyuan Li, Mauricio Gutiérrez, Yukai Wu, Sheng-Tao Wang, Luming Duan e Kenneth R Brown. Simulazione delle prestazioni di un codice di superficie distance-3 in una trappola ionica lineare. New Journal of Physics, 20 (4): 043038, 2018. https: / / doi.org/ 10.1088 / 1367-2630 / aab341.
https: / / doi.org/ 10.1088 / 1367-2630 / aab341

, Miroslav Urbanek, Benjamin Nachman, Vincent R Pascuzzi, Andre He, Christian W Bauer e Wibe A de Jong. Mitigazione del rumore depolarizzante su computer quantistici con circuiti di stima del rumore. Fis. Rev. Lett., 127 (27): 270502, 2021. https:///doi.org/10.1103/PhysRevLett.127.270502.
https: / / doi.org/ 10.1103 / PhysRevLett.127.270502

, Joseph Vovrosh, Kiran E Khosla, Sean Greenaway, Christopher Self, Myungshik S Kim e Johannes Knolle. Semplice mitigazione degli errori di depolarizzazione globale nelle simulazioni quantistiche. Physical Review E, 104 (3): 035309, 2021. 10.1103/PhysRevE.104.035309.
https: / / doi.org/ 10.1103 / PhysRevE.104.035309

, Kun Wang, Yu-Ao Chen e Xin Wang. Mitigazione degli errori quantistici tramite serie di Neumann troncate. arXiv preprint arXiv:2111.00691, 2021a. URL https:///arxiv.org/abs/2111.00691.
arXiv: 2111.00691

, Samson Wang, Enrico Fontana, M. Cerezo, Kunal Sharma, Akira Sone, Lukasz Cincio, and Patrick J Coles. Plateau sterili indotti dal rumore negli algoritmi quantistici variazionali. 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

, Yifeng Xiong, Soon Xin Ng e Lajos Hanzo. Mitigazione degli errori quantistici basata sul filtraggio delle permutazioni. 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

, Nobuyuki Yoshioka, Hideaki Hakoshima, Yuichiro Matsuzaki, Yuuki Tokunaga, Yasunari Suzuki e Suguru Endo. Espansione subspaziale quantistica generalizzata. Fis. Rev. Lett., 129: 020502, lug 2022. https:///doi.org/10.1103/PhysRevLett.129.020502.
https: / / doi.org/ 10.1103 / PhysRevLett.129.020502

Citato da

[1] Ryuji Takagi, Hiroyasu Tajima e Mile Gu, "Limiti inferiori del campionamento universale per la mitigazione dell'errore quantistico", arXiv: 2208.09178, (2022).

[2] C. Huerta Alderete, Alaina M. Green, Nhung H. Nguyen, Yingyue Zhu, Norbert M. Linke e BM Rodríguez-Lara, "Simulazioni di oscillatori paraparticellari su un computer quantistico a ioni intrappolati", arXiv: 2207.02430, (2022).

[3] Samson Wang, Piotr Czarnik, Andrew Arrasmith, M. Cerezo, Lukasz Cincio e Patrick J. Coles, "La mitigazione degli errori può migliorare l'addestrabilità degli algoritmi quantistici variazionali rumorosi?", arXiv: 2109.01051, (2021).

[4] He-Liang Huang, Xiao-Yue Xu, Chu Guo, Guojing Tian, Shi-Jie Wei, Xiaoming Sun, Wan-Su Bao e Gui-Lu Long, "Tecniche di calcolo quantistico a breve termine: algoritmi quantistici variazionali, mitigazione degli errori, compilazione di circuiti, benchmarking e simulazione classica", Science China Fisica, meccanica e astronomia 66 5, 250302 (2023).

[5] Alessio Calzona e Matteo Carrega, "Architetture multimodali per qubit superconduttori resilienti al rumore", Tecnologia della scienza dei superconduttori 36 2, 023001 (2023).

[6] Abdullah Ash Saki, Amara Katabarwa, Salonik Resch e George Umbrarescu, "Verifica delle ipotesi per la mitigazione degli errori: come valutare la mitigazione degli errori", arXiv: 2301.02690, (2023).

[7] Andrea Mari, Nathan Shammah e William J. Zeng, "Estensione della cancellazione probabilistica quantistica degli errori mediante ridimensionamento del rumore", Revisione fisica A 104 5, 052607 (2021).

[8] Michael Krebsbach, Björn Trauzettel e Alessio Calzona, "Ottimizzazione dell'estrapolazione di Richardson per la mitigazione dell'errore quantistico", Revisione fisica A 106 6, 062436 (2022).

[9] Benjamin A. Cordier, Nicolas PD Sawaya, Gian G. Guerreschi e Shannon K. McWeeney, "Biologia e medicina nel panorama dei vantaggi quantistici", arXiv: 2112.00760, (2021).

[10] Thomas Ayral, Pauline Besserve, Denis Lacroix e Edgar Andres Ruiz Guzman, "Calcolo quantistico con e per la fisica a molti corpi", arXiv: 2303.04850, (2023).

[11] Joris Kattemölle e Jasper van Wezel, "Eigensolver quantistico variazionale per l'antiferromagnete di Heisenberg sul reticolo di Kagome", Revisione fisica B 106 21, 214429 (2022).

[12] Ryan LaRose, Andrea Mari, Vincent Russo, Dan Strano e William J. Zeng, "La mitigazione degli errori aumenta il volume quantico effettivo dei computer quantistici", arXiv: 2203.05489, (2022).

[13] Dayue Qin, Xiaosi Xu e Ying Li, "Una panoramica delle formule di mitigazione degli errori quantistici", Fisica cinese B 31 9, 090306 (2022).

[14] Zhenyu Cai, "Un quadro pratico per la mitigazione degli errori quantistici", arXiv: 2110.05389, (2021).

[15] Alejandro Sopena, Max Hunter Gordon, Diego García-Martín, Germán Sierra e Esperanza López, "Algebraic Bethe Circuits", Quantico 6, 796 (2022).

[16] Noah F. Berthusen, Thaís V. Trevisan, Thomas Iadecola e Peter P. Orth, "Simulazioni di dinamica quantistica oltre il tempo di coerenza su hardware quantistico rumoroso su scala intermedia mediante compressione variazionale Trotter", Ricerca sulla revisione fisica 4 2, 023097 (2022).

[17] Yifeng Xiong, Soon Xin Ng e Lajos Hanzo, "Mitigazione degli errori quantistici basandosi sul filtro di permutazione", arXiv: 2107.01458, (2021).

[18] Xuanqiang Zhao, Benchi Zhao, Zihan Xia e Xin Wang, "Recuperabilità delle informazioni di stati quantistici rumorosi", Quantico 7, 978 (2023).

[19] Piotr Czarnik, Michael McKerns, Andrew T. Sornborger e Lukasz Cincio, "Migliorare l'efficienza della mitigazione degli errori basata sull'apprendimento", arXiv: 2204.07109, (2022).

[20] Shi-Xin Zhang, Zhou-Quan Wan, Chang-Yu Hsieh, Hong Yao e Shengyu Zhang, "Mitigazione degli errori ibridi quantistici-neurali variazionali", arXiv: 2112.10380, (2021).

[21] Max Gordon, "Unificazione e analisi comparativa delle tecniche all'avanguardia di mitigazione degli errori quantistici", APS March Meeting Abstracts 2022, S40.012 (2022).

[22] Vasily Sazonov e Mohamed Tamaazousti, "Mitigazione dell'errore quantistico per circuiti parametrici", Revisione fisica A 105 4, 042408 (2022).

[23] Andrew Arrasmith, Andrew Patterson, Alice Boughton e Marco Paini, "Sviluppo e dimostrazione di un'efficiente tecnica di mitigazione degli errori di lettura da utilizzare negli algoritmi NISQ", arXiv: 2303.17741, (2023).

[24] Jin-Min Liang, Qiao-Qiao Lv, Zhi-Xi Wang e Shao-Ming Fei, "Stima della traccia multivariata unificata e mitigazione dell'errore quantistico", Revisione fisica A 107 1, 012606 (2023).

Le citazioni sopra sono di ANNUNCI SAO / NASA (ultimo aggiornamento riuscito 2023-06-06 22:08:53). L'elenco potrebbe essere incompleto poiché non tutti gli editori forniscono dati di citazione adeguati e completi.

On Il servizio citato da Crossref non sono stati trovati dati su citazioni (ultimo tentativo 2023-06-06 22:08:51).

Questo documento è pubblicato in Quantum sotto il Creative Commons Attribuzione 4.0 Internazionale (CC BY 4.0) licenza. Il copyright rimane dei detentori del copyright originali come gli autori o le loro istituzioni.

Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
PlatoAiStream. Intelligenza dei dati Web3. Conoscenza amplificata. Accedi qui.
Coniare il futuro con Adryenn Ashley. Accedi qui.
Acquista e vendi azioni in società PRE-IPO con PREIPO®. Accedi qui.
Fonte: https://quantum-journal.org/papers/q-2023-06-06-1034/

Timestamp: 6 Giugno 2023

Timestamp: Ottobre 13, 2022

Certificazione dell'informazione quantistica di Fisher da un dato insieme di valori medi: un approccio di programmazione semidefinito

Cluster di origine:

Diario quantistico

Nodo di origine: 2957738

Timestamp: Ottobre 24, 2023

Su algoritmi a bassa profondità per la stima della fase quantistica

Cluster di origine:

Diario quantistico

Nodo di origine: 2985995

Timestamp: Novembre 6, 2023

Ripubblicato da Platone

Preparazione ottimale (controllata) dello stato quantico e sintesi unitaria migliorata mediante circuiti quantistici con qualsiasi numero di qubit ausiliari

Semplici equazioni principali per la descrizione di sistemi guidati soggetti a rumore classico non markoviano

Un framework matematico per la messa a punto operativa

Scoperta digitale di 100 diversi esperimenti quantistici con PyTheus

Termometria di sistemi quantistici gaussiani mediante misure gaussiane

Evoluzioni pure non markoviane

Abstraqt: analisi dei circuiti quantistici tramite la simulazione dello stabilizzatore astratto

Sintesi variazionale efficiente di circuiti quantistici con ottimizzazione multi-start coerente

Limitazioni dell'approccio matriciale di Macaulay per l'utilizzo dell'algoritmo HHL per risolvere sistemi polinomiali multivariati

Soluzioni variazionali per mappature da fermione a qubit in due dimensioni spaziali

Certificazione dell'informazione quantistica di Fisher da un dato insieme di valori medi: un approccio di programmazione semidefinito

Su algoritmi a bassa profondità per la stima della fase quantistica

Chi siamo

Ricerca verticale e Ai

Piattaforma

Rimani in contatto

Il mio account