バーガース方程式ソルバーのための量子エラー緩和

本論文は、NISQハードウェア上でバーガース方程式を解くためのハイブリッド量子古典フレームワークを提示しています。重要な革新は、量子シミュレーションのエラーを学習し軽減するために、アテンションベースのグラフニューラルネットワークを使用することです。このアプローチは、ノイズの多い量子出力と回路メタデータの大きなデータセットを活用して、エラーが軽減されたソリューションを予測し、ゼロノイズ外挿よりも一貫して優れた結果を示します。これは、ノイズの多いハードウェア上での量子計算の精度を向上させるためのデータ駆動型アプローチを実証しているため重要であり、実用的な量子コンピューティングアプリケーションへの重要な一歩となります。