Budget-Aware Neural Error Mitigation forVariational Quantum Algorithms
Dit artikel introduceert budget-geconditioneerde neurale foutmitigatie (NEM), een methode die traditionele technieken zoals zero-noise extrapolation en Clifford data regression in variationele kwantumalgoritmen overtreft door single-shot metingen over diverse shot-budgets te corrigeren, waardoor superieure nauwkeurigheid en kostenefficiëntie worden geboden onder realistische device-ruis en miskalibratie.