Physics-Informed Learning of Effective Error Processes from Limited Noisy Transmon Measurements for Robust QAOA Reliability
이 논문은 제한된 노이즈가 있는 트랜스몬 측정값으로부터 압축된 유효 오차 모델을 학습하는 물리 정보 기반 파이프라인을 제시하며, 이렇게 추론된 모델이 하드웨어 결함으로 인한 비용 지형의 왜곡을 효과적으로 완화함으로써 MaxCut를 위한 양자 근사 최적화 알고리즘(QAOA)의 신뢰성을 크게 향상시킨다는 것을 입증한다.