Machine-learning based noise characterization and correction on neutral atoms NISQ devices

[arxiv-quration-bot[bot]]

Summary (DeepL訳)

中性原子デバイスは、光ピンセットを使って原子を幾何学的に配置し、変調レーザーパルスで量子状態を制御する有望な技術である。ルビジウム原子を用いた中性原子ノイズ中間量子（NISQ）デバイスがPasqal社によって開発されており、最大100量子ビットの動作が可能である。すべてのNISQデバイスはノイズの影響を受け、計算結果に影響を与える。従って、ノイズ源をより良く理解し、特徴づけ、場合によっては修正することが重要である。ここでは、中性原子NISQデバイスのノイズパラメータを評価し、補正するための2つのアプローチを提案する。特にPasqalデバイスに焦点を当て、その目的を追求するために機械学習（ML）技術を採用している。ノイズパラメータを評価するために、原子の最終的な量子状態の測定値のみを入力として、レーザー強度の揺らぎとウエスト、温度、偽陽性・偽陰性測定率を予測するMLモデルをいくつか学習した。さらに、システム内の原子数と、入力として用いた測定値の数に対するスケーリングの解析を行った。また、MLで予測した値と事前に推定したパラメータを実データで比較する。最後に、強化学習(RL)のフレームワークを用いて、測定値のノイズの影響を補正するためのパルスを設計する。本研究で行った解析は、中性原子デバイスにおける量子ダイナミクスの理解を深め、このクラスのNISQデバイスの普及に役立つことが期待される。

Links

http://arxiv.org/abs/2306.15628v1 (pdf)

Authors

Ettore Canonici, Stefano Martina, Riccardo Mengoni, Daniele Ottaviani, Filippo Caruso

Published

2023/06/27

[gyu-don]

duplicated.