English(EN) Few-Shot Cross-Device Transfer for Quantum Noise Modeling on Real Hardware

研究人员利用迁移学习对量子设备噪声进行少样本建模

作者 PulseAugur 编辑部 · [1 个来源] · 2026-04-27 12:23

研究人员开发了一种迁移学习方法，以改进跨不同量子设备的量子噪声建模。通过在一台IBM量子设备的数据上训练神经网络，他们证明了噪声模型可以通过少量微调数据适应新设备。与零样本迁移相比，该方法在准确性方面显示出显著提高，恢复了相当一部分性能差距，并确定CX门错误是设备特定噪声的主要原因。 AI

影响通过实现跨不同量子硬件的更有效的错误缓解，有潜力提高量子计算的可靠性和准确性。

排序理由学术论文，详细介绍了使用迁移学习进行量子噪声建模的新方法。

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

Hugging Face Daily Papers TIER_1 English(EN) · 2026-04-27 12:23

Few-Shot Cross-Device Transfer for Quantum Noise Modeling on Real Hardware

In the noisy intermediate-scale quantum (NISQ) regime, quantum devices contain hardware-specific noise sources which restrict device-invariant error mitigation strategies. We explore transfer learning approaches to apply noise models learned on one quantum device to a different d…