MétaCan
Menu
Retour à la cohorte
Enregistrement W3211962989 · doi:10.22323/1.396.0243

Investigating the variance increase of readout error mitigation through classical bit-flip correction on IBM and Rigetti quantum computers

2022· article· en· W3211962989 sur OpenAlex
Georgios Polykratis, Constantia Alexandrou, Lena Funcke, Tobias Hartung, Karl Jansen, Stefan Kühn, Paolo Stornati, Xiaoyang Wang, Tom Weber

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueProceedings of The 38th International Symposium on Lattice Field Theory — PoS(LATTICE2021) · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Computing Algorithms and Architecture
Établissements canadiensPerimeter Institute
Organismes subventionnairesNuclear PhysicsEuropean Regional Development FundOffice of ScienceMinistry of Colleges and UniversitiesInstitut Périmètre de physique théoriqueResearch and Innovation FoundationIndustry CanadaNational Science FoundationGovernment of CanadaU.S. Department of Energy
Mots-clésVariance (accounting)Pauli exclusion principleIBMObservableComputer scienceQuantumAlgorithmQuantum computerElectronic engineeringScale (ratio)Encoding (memory)Computer engineeringPhysicsArtificial intelligenceQuantum mechanicsEngineering

Résumé

récupéré en direct d'OpenAlex

Readout errors are among the most dominant errors on current noisy intermediate-scale quantum devices. Recently, an efficient and scaleable method for mitigating such errors has been developed, based on classical bit-flip correction. In this talk, we compare the performance of this method for IBM's and Rigetti's quantum devices, demonstrating how the method improves the noisy measurements of observables obtained on the quantum hardware. Moreover, we examine the variance amplification to the data after applying of our mitigation procedure, which is common to all mitigation strategies. We derive a new expression for the variance of the mitigated Pauli operators in terms of the corrected expectation values and the noisy variances. Our hardware results show good agreement with the theoretical prediction, and we demonstrate that the increase of the variance due to the mitigation procedure is only moderate.

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.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,853
Score d'incertitude au seuil0,791

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,001
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 Opus0,011
Tête enseignante GPT0,244
Écart entre enseignants0,233 · 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