MétaCan
Menu
Retour à la cohorte
Enregistrement W3174045614 · doi:10.1139/cjp-2020-0592

A method to improve quantum state fidelity in circuits executed on IBM’s quantum computers

2021· article· en· W3174045614 sur OpenAlexafffundvenue
Mitali Sisodia, Abhishek Shukla, Alexandre A. A. de Almeida, Gerhard W. Dueck, Anirban Pathak

Notice bibliographique

RevueCanadian Journal of Physics · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Computing Algorithms and Architecture
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesUniversidade Estadual PaulistaHebrew University of JerusalemNatural Sciences and Engineering Research Council of CanadaCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorDepartment of Science and Technology, Ministry of Science and Technology, India
Mots-clésElectronic circuitQuantum computerPhysicsBenchmark (surveying)FidelityIBMQuantumQuantum circuitState (computer science)Limit (mathematics)Reduction (mathematics)Computer engineeringComputer scienceAlgorithmQuantum error correctionQuantum mechanicsMathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Recently, various quantum computing and communication tasks have been implemented using IBM’s superconductivity-based quantum computers. Here, we show that the circuits used in most of those works were not optimized and obtain the corresponding optimized circuits. Optimized circuits implementable in IBM quantum computers are also obtained for a set of reversible benchmark circuits. With a clear example, it is shown that the reduction in circuit cost enhances the fidelity of the output state (with respect to the theoretically expected state in the absence of noise) as fewer gates and less circuit depth introduce fewer errors during evolution of the state. Further, considering Mermin inequality as an example, it is shown that the violation of the classical limit is enhanced when we use optimized circuits. Thus, the present approach can be used to identify a relatively weaker signature of quantumness and to establish quantum supremacy in a stronger manner.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,815
Score d'incertitude au seuil0,922

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,257
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of PhysicsMême sujetQuantum Computing Algorithms and ArchitectureTravaux en français237 207