1Center for Quantum Computation and Communication Technology, School of Physics, University of Melbourne, Parkville, 3010, VIC, Australien.
2School of Computing and Information Systems, Melbourne School of Engineering, University of Melbourne, Parkville, 3010, VIC, Australien
3Data61, CSIRO, Clayton, 3168, VIC, Australien
Finder du denne artikel interessant eller vil du diskutere? Scite eller efterlade en kommentar på SciRate.
Abstrakt
Overfladekodefejlkorrektion tilbyder en meget lovende vej til at opnå skalerbar fejltolerant kvanteberegning. Når de betjenes som stabilisatorkoder, består overfladekodeberegninger af et syndromafkodningstrin, hvor målte stabilisatoroperatorer bruges til at bestemme passende korrektioner for fejl i fysiske qubits. Afkodningsalgoritmer har gennemgået en betydelig udvikling, med nyere arbejde med inkorporering af maskinlæringsteknikker (ML). På trods af lovende indledende resultater er de ML-baserede syndromdekodere stadig begrænset til demonstrationer i lille skala med lav latens og er ude af stand til at håndtere overfladekoder med grænsebetingelser og forskellige former, der er nødvendige for gitterkirurgi og fletning. Her rapporterer vi udviklingen af en kunstig neuralt netværk (ANN) baseret skalerbar og hurtig syndrom-dekoder, der er i stand til at afkode overfladekoder af vilkårlig form og størrelse med data-qubits, der lider af den depolariserende fejlmodel. Baseret på streng træning over 50 millioner tilfældige kvantefejltilfælde, er vores ANN-dekoder vist at arbejde med kodeafstande, der overstiger 1000 (mere end 4 millioner fysiske qubits), hvilket er den største ML-baserede dekoderdemonstration til dato. Den etablerede ANN-dekoder demonstrerer en eksekveringstid i princippet uafhængig af kodeafstand, hvilket antyder, at dens implementering på dedikeret hardware potentielt kunne tilbyde overfladekodedekodningstider på O($mu$sec), svarende til de eksperimentelt realiserbare qubit-kohærenstider. Med den forventede opskalering af kvanteprocessorer inden for det næste årti forventes deres forstærkning med en hurtig og skalerbar syndromdekoder som udviklet i vores arbejde at spille en afgørende rolle i forhold til eksperimentel implementering af fejltolerant kvanteinformationsbehandling.
Udvalgt billede: Kunstig neural netværksdekoderramme til hurtig og skalerbar fejlkorrektion.
Populært resumé
Vores arbejde foreslog og implementerede en ny konvolutionel neural netværksramme for at løse de skaleringsproblemer, der opstår ved afkodning af overfladekoder på store afstande. Det foldede neurale netværk fik et input bestående af ændrede paritetsmålinger, såvel som grænsestrukturen for fejlkorrektionskoden. I betragtning af det begrænsede vindue for lokal observation, der forekommer i hele det foldede neurale netværk, blev en mop-up-dekoder brugt til at rette eventuelle sparsomme resterende fejl, der måtte være tilbage. Baseret på streng træning over 50 millioner tilfældige kvantefejltilfælde, viste det sig, at vores dekoder fungerede med kodeafstande på over 1000 (mere end 4 millioner fysiske qubits), hvilket var den største ML-baserede dekoderdemonstration til dato.
Brugen af foldede neurale netværk og grænsestruktur i inputtet gjorde det muligt for vores netværk at blive anvendt på en bred vifte af overfladekodeafstande og grænsekonfigurationer. Netværkets lokale tilslutningsmuligheder gør det muligt at bibeholde lav latenstid ved afkodning af større afstandskoder og letter parallelisering. Vores arbejde adresserer et nøgleproblem i brugen af neurale netværk til afkodning på skalaer af problemer af praktisk interesse og tillader yderligere forskning, der involverer brugen af netværk med lignende struktur.
► BibTeX-data
► Referencer
[1] S. Pirandola, UL Andersen, L. Banchi, M. Berta, D. Bunandar, R. Colbeck, D. Englund, T. Gehring, C. Lupo, C. Ottaviani, JL Pereira, M. Razavi, J. Shamsul Shaari , M. Tomamichel, VC Usenko, G. Vallone, P. Villoresi og P. Wallden. "Fremskridt inden for kvantekryptografi". Adv. Opt. Foton. 12, 1012-1236 (2020).
https:///doi.org/10.1364/AOP.361502
[2] Yudong Cao, Jonathan Romero, Jonathan P. Olson, Matthias Degroote, Peter D. Johnson, Mária Kieferová, Ian D. Kivlichan, Tim Menke, Borja Peropadre, Nicolas PD Sawaya, Sukin Sim, Libor Veis og Alán Aspuru-Guzik. "Kvantekemi i kvantecomputerens tidsalder". Chemical Reviews 119, 10856-10915 (2019).
https:///doi.org/10.1021/acs.chemrev.8b00803
[3] Román Orús, Samuel Mugel og Enrique Lizaso. "Quantum computing til finansiering: Overblik og udsigter". Anmeldelser i Fysik 4, 100028 (2019).
https:///doi.org/10.1016/j.revip.2019.100028
[4] Craig Gidney og Martin Ekerå. "Sådan faktoriseres 2048 bit RSA-heltal på 8 timer ved hjælp af 20 millioner støjende qubits". Quantum 5, 433 (2021).
https://doi.org/10.22331/q-2021-04-15-433
[5] Joonho Lee, Dominic W. Berry, Craig Gidney, William J. Huggins, Jarrod R. McClean, Nathan Wiebe og Ryan Babbush. "Endnu mere effektive kvanteberegninger af kemi gennem tensorhyperkontraktion". PRX Quantum 2, 030305 (2021).
https:///doi.org/10.1103/PRXQuantum.2.030305
[6] Yuval R. Sanders, Dominic W. Berry, Pedro CS Costa, Louis W. Tessler, Nathan Wiebe, Craig Gidney, Hartmut Neven og Ryan Babbush. "Kompilering af fejltolerante kvanteheuristik til kombinatorisk optimering". PRX Quantum 1, 020312 (2020).
https:///doi.org/10.1103/PRXQuantum.1.020312
[7] Eric Dennis, Alexei Kitaev, Andrew Landahl og John Preskill. "Topologisk kvantehukommelse". Journal of Mathematical Physics 43, 4452–4505 (2002).
https:///doi.org/10.1063/1.1499754
[8] Christian Kraglund Andersen, Ants Remm, Stefania Lazar, Sebastian Krinner, Nathan Lacroix, Graham J. Norris, Mihai Gabureac, Christopher Eichler og Andreas Wallraff. "Gentagen kvantefejldetektering i en overfladekode". Nature Physics 16, 875-880 (2020).
https:///doi.org/10.1038/s41567-020-0920-y
[9] Zijun Chen, Kevin J Satzinger, Juan Atalaya, Alexander N Korotkov, Andrew Dunsworth, Daniel Sank, Chris Quintana, Matt McEwen, Rami Barends, Paul V Klimov, et al. "Eksponentiel undertrykkelse af bit- eller fasefejl med cyklisk fejlkorrektion". Nature 595, 383-387 (2021).
https:///doi.org/10.1038/s41586-021-03588-y
[10] Austin G. Fowler, David S. Wang og Lloyd CL Hollenberg. "Overfladekode kvantefejlkorrektion inkorporerer nøjagtig fejludbredelse" (2010). arXiv:1004.0255.
https:///doi.org/10.48550/arXiv.1004.0255
arXiv: 1004.0255
[11] Austin G. Fowler, Adam C. Whiteside og Lloyd CL Hollenberg. "Mod praktisk klassisk bearbejdning af overfladekoden". Physical Review Letters 108 (2012).
https:///doi.org/10.1103/physrevlett.108.180501
[12] Austin G. Fowler. "Optimal kompleksitetskorrektion af korrelerede fejl i overfladekoden" (2013). arXiv:1310.0863.
https:///doi.org/10.48550/arXiv.1310.0863
arXiv: 1310.0863
[13] Fern HE Watson, Hussain Anwar og Dan E. Browne. "Hurtig fejltolerant dekoder til qubit- og qudit-overfladekoder". Phys. Rev. A 92, 032309 (2015).
https:///doi.org/10.1103/PhysRevA.92.032309
[14] Guillaume Duclos-Cianci og David Poulin. "Hurtige dekodere til topologiske kvantekoder". Phys. Rev. Lett. 104, 050504 (2010).
https:///doi.org/10.1103/PhysRevLett.104.050504
[15] Robert Raussendorf og Jim Harrington. "Fejltolerant kvanteberegning med høj tærskelværdi i to dimensioner". Phys. Rev. Lett. 98, 190504 (2007).
https:///doi.org/10.1103/PhysRevLett.98.190504
[16] Daniel Litinski. "Et spil med overfladekoder: Storskala kvantedatabehandling med gitterkirurgi". Quantum 3, 128 (2019).
https://doi.org/10.22331/q-2019-03-05-128
[17] Savvas Varsamopoulos, Ben Criger og Koen Bertels. "Afkodning af små overfladekoder med feedforward neurale netværk". Quantum Science and Technology 3, 015004 (2017).
https:///doi.org/10.1088/2058-9565/aa955a
[18] Amarsanaa Davaasuren, Yasunari Suzuki, Keisuke Fujii og Masato Koashi. "Generel ramme for konstruktion af hurtig og næsten optimal maskinlæringsbaseret dekoder af de topologiske stabilisatorkoder". Phys. Rev. Res. 2, 033399 (2020).
https:///doi.org/10.1103/PhysRevResearch.2.033399
[19] Giacomo Torlai og Roger G. Melko. "Neural dekoder til topologiske koder". Phys. Rev. Lett. 119, 030501 (2017).
https:///doi.org/10.1103/PhysRevLett.119.030501
[20] Stefan Krastanov og Liang Jiang. "Deep neural network probabilistic decoder for stabilisator codes". Scientific Reports 7 (2017).
https://doi.org/10.1038/s41598-017-11266-1
[21] Paul Baireuther, Thomas E. O'Brien, Brian Tarasinski og Carlo WJ Beenakker. "Maskin-læringsassisteret korrektion af korrelerede qubit-fejl i en topologisk kode". Quantum 2, 48 (2018).
https://doi.org/10.22331/q-2018-01-29-48
[22] Debasmita Bhoumik, Pinaki Sen, Ritajit Majumdar, Susmita Sur-Kolay, Latesh Kumar KJ og Sundaraja Sitharama Iyengar. "Effektiv afkodning af overfladekodesyndromer til fejlkorrektion i kvanteberegning" (2021). arXiv:2110.10896.
https:///doi.org/10.48550/arXiv.2110.10896
arXiv: 2110.10896
[23] Ryan Sweke, Markus S Kesselring, Evert PL van Nieuwenburg og Jens Eisert. "Forstærkningsindlæringsdekodere til fejltolerant kvanteberegning". Machine Learning: Science and Technology 2, 025005 (2020).
https://doi.org/10.1088/2632-2153/abc609
[24] Elisha Siddiqui Matekole, Esther Ye, Ramya Iyer og Samuel Yen-Chi Chen. "Afkodning af overfladekoder med dyb forstærkende læring og sandsynlighedspolitik genbrug" (2022). arXiv:2212.11890.
https:///doi.org/10.48550/arXiv.2212.11890
arXiv: 2212.11890
[25] Ramon WJ Overwater, Masoud Babaie og Fabio Sebastiano. "Neural-netværksdekodere til kvantefejlkorrektion ved brug af overfladekoder: En rumudforskning af hardwareomkostninger og ydeevne-afvejninger". IEEE Transactions on Quantum Engineering 3, 1-19 (2022).
https:///doi.org/10.1109/TQE.2022.3174017
[26] Kai Meinerz, Chae-Yeun Park og Simon Trebst. "Skalerbar neural dekoder til topologiske overfladekoder". Phys. Rev. Lett. 128, 080505 (2022).
https:///doi.org/10.1103/PhysRevLett.128.080505
[27] S. Varsamopoulos, K. Bertels og C. Almudever. "Sammenligning af neurale netværksbaserede dekodere for overfladekoden". IEEE-transaktioner på computere 69, 300–311 (2020).
https:///doi.org/10.1109/TC.2019.2948612
[28] Oscar Higgott. "Pymatching: En python-pakke til afkodning af kvantekoder med perfekt matchning af minimumsvægt" (2021). arXiv:2105.13082.
https:///doi.org/10.48550/arXiv.2105.13082
arXiv: 2105.13082
[29] Christopher Chamberland og Pooya Ronagh. "Dybe neurale dekodere til kortsigtede fejltolerante eksperimenter". Quantum Science and Technology 3, 044002 (2018).
https://doi.org/10.1088/2058-9565/aad1f7
[30] Daniel Gottesman. "Stabilisatorkoder og kvantefejlkorrektion" (1997). arXiv:quant-ph/9705052.
https:///doi.org/10.48550/arXiv.quant-ph/9705052
arXiv:quant-ph/9705052
[31] Charles D. Hill, Eldad Peretz, Samuel J. Hile, Matthew G. House, Martin Fuechsle, Sven Rogge, Michelle Y. Simmons og Lloyd CL Hollenberg. "En overfladekodekvantecomputer i silicium". Science Advances 1, e1500707 (2015).
https:///doi.org/10.1126/sciadv.1500707
[32] G. Pica, BW Lovett, RN Bhatt, T. Schenkel og SA Lyon. "Overfladekodearkitektur for donorer og prikker i silicium med upræcise og uensartede qubit-koblinger". Phys. Rev. B 93, 035306 (2016).
https:///doi.org/10.1103/PhysRevB.93.035306
[33] Charles D. Hill, Muhammad Usman og Lloyd CL Hollenberg. "En udvekslingsbaseret overfladekode-kvantecomputerarkitektur i silicium" (2021). arXiv:2107.11981.
https:///doi.org/10.48550/arXiv.2107.11981
arXiv: 2107.11981
[34] Christopher Chamberland, Guanyu Zhu, Theodore J. Yoder, Jared B. Hertzberg og Andrew W. Cross. "Topologiske og subsystemkoder på lavgradsgrafer med flag-qubits". Phys. Rev. X 10, 011022 (2020).
https:///doi.org/10.1103/PhysRevX.10.011022
[35] H. Bombin, Ruben S. Andrist, Masayuki Ohzeki, Helmut G. Katzgraber og MA Martin-Delgado. "Stærk modstandsdygtighed af topologiske koder til depolarisering". Phys. Rev. X 2, 021004 (2012).
https:///doi.org/10.1103/PhysRevX.2.021004
[36] Ashley M. Stephens. "Fejltolerante tærskler for kvantefejlkorrektion med overfladekoden". Phys. Rev. A 89, 022321 (2014).
https:///doi.org/10.1103/PhysRevA.89.022321
[37] David S. Wang, Austin G. Fowler og Lloyd CL Hollenberg. "Overfladekode kvanteberegning med fejlrater over 1%". Phys. Rev. A 83, 020302 (2011).
https:///doi.org/10.1103/PhysRevA.83.020302
[38] Austin G. Fowler og Craig Gidney. "Lav overhead kvanteberegning ved hjælp af gitterkirurgi" (2019). arXiv:1808.06709.
https:///doi.org/10.48550/arXiv.1808.06709
arXiv: 1808.06709
[39] Austin G. Fowler, Matteo Mariantoni, John M. Martinis og Andrew N. Cleland. "Overfladekoder: Mod praktisk storskala kvanteberegning". Fysisk gennemgang A 86 (2012).
https:///doi.org/10.1103/physreva.86.032324
[40] Xiaotong Ni. "Neurale netværksdekodere til stordistance 2d toriske koder". Quantum 4, 310 (2020).
https://doi.org/10.22331/q-2020-08-24-310
[41] A. Holmes, M. Jokar, G. Pasandi, Y. Ding, M. Pedram og FT Chong. "Nisq+: Forøgelse af kvantecomputerkraft ved at tilnærme kvantefejlkorrektion". I 2020 ACM/IEEE 47th Annual International Symposium on Computer Architecture (ISCA). Side 556–569. Los Alamitos, Californien, USA (2020). IEEE Computer Society.
https://doi.org/10.1109/ISCA45697.2020.00053
[42] Christian Kraglund Andersen, Ants Remm, Stefania Lazar, Sebastian Krinner, Johannes Heinsoo, Jean-Claude Besse, Mihai Gabureac, Andreas Wallraff og Christopher Eichler. "Entanglement stabilisering ved hjælp af ancilla-baseret paritetsdetektion og realtidsfeedback i superledende kredsløb". npj Quantum Information 5 (2019).
https://doi.org/10.1038/s41534-019-0185-4
[43] Martín Abadi, Ashish Agarwal, Paul Barham, Eugene Brevdo, Zhifeng Chen, Craig Citro, Greg S. Corrado, Andy Davis, Jeffrey Dean, Matthieu Devin, Sanjay Ghemawat, Ian Goodfellow, Andrew Harp, Geoffrey Irving, Michael Isard, Yangqing Jia, Rafal Jozefowicz, Lukasz Kaiser, Manjunath Kudlur, Josh Levenberg, Dan Mane, Rajat Monga, Sherry Moore, Derek Murray, Chris Olah, Mike Schuster, Jonathon Shlens, Benoit Steiner, Ilya Sutskever, Kunal Talwar, Paul Tucker, Vincent Vanhoucke, Vijay Vasudevan , Fernanda Viegas, Oriol Vinyals, Pete Warden, Martin Wattenberg, Martin Wicke, Yuan Yu og Xiaoqiang Zheng. "Tensorflow: Maskinlæring i stor skala på heterogene distribuerede systemer" (2016). arXiv:1603.04467.
https:///doi.org/10.48550/arXiv.1603.04467
arXiv: 1603.04467
[44] Nicolas Delfosse og Naomi H. Nickerson. "Næsten lineær tidsafkodningsalgoritme for topologiske koder". Quantum 5, 595 (2021).
https://doi.org/10.22331/q-2021-12-02-595
[45] Takashi Kobayashi, Joseph Salfi, Cassandra Chua, Joost van der Heijden, Matthew G. House, Dimitrie Culcer, Wayne D. Hutchison, Brett C. Johnson, Jeff C. McCallum, Helge Riemann, Nikolay V. Abrosimov, Peter Becker, Hans- Joachim Pohl, Michelle Y. Simmons og Sven Rogge. "Udvikling af lange spinkohærenstider for spin-orbit-qubits i silicium". Nature Materials 20, 38–42 (2020).
https://doi.org/10.1038/s41563-020-0743-3
[46] J. Pablo Bonilla Ataides, David K. Tuckett, Stephen D. Bartlett, Steven T. Flammia og Benjamin J. Brown. "XZZX overfladekoden". Nature Communications 12 (2021).
https://doi.org/10.1038/s41467-021-22274-1
[47] Dmitri E. Nikonov og Ian A. Young. "Benchmarking forsinkelse og energi af neurale inferenskredsløb". IEEE Journal on Exploratory Solid-State Computational Devices and Circuits 5, 75–84 (2019).
https://doi.org/10.1109/JXCDC.2019.2956112
[48] Austin G. Fowler. "Minimumvægt perfekt matchning af fejltolerant topologisk kvantefejlkorrektion i gennemsnitlig $o(1)$ paralleltid" (2014). arXiv:1307.1740.
https:///doi.org/10.48550/arXiv.1307.1740
arXiv: 1307.1740
[49] Vedran Dunjko og Hans J Briegel. "Maskinlæring og kunstig intelligens i kvantedomænet: en gennemgang af de seneste fremskridt". Rapporter om fremskridt i fysik 81, 074001 (2018).
https://doi.org/10.1088/1361-6633/aab406
[50] Laia Domingo Colomer, Michalis Skotiniotis og Ramon Muñoz-Tapia. "Forstærkningslæring for optimal fejlkorrektion af toriske koder". Physics Letters A 384, 126353 (2020).
https:///doi.org/10.1016/j.physleta.2020.126353
[51] Milap Sheth, Sara Zafar Jafarzadeh og Vlad Gheorghiu. "Neural ensemble-afkodning til topologiske kvantefejlkorrigerende koder". Phys. Rev. A 101, 032338 (2020).
https:///doi.org/10.1103/PhysRevA.101.032338
[52] David Fitzek, Mattias Eliasson, Anton Frisk Kockum og Mats Granath. "Dyb q-læringsdekoder til depolarisering af støj på den toriske kode". Phys. Rev. Res. 2, 023230 (2020).
https:///doi.org/10.1103/PhysRevResearch.2.023230
[53] Savvas Varsamopoulos, Koen Bertels og Carmen G Almudever. "Afkodning af overfladekode med en distribueret neural netværksbaseret dekoder". Quantum Machine Intelligence 2, 1-12 (2020).
https://doi.org/10.1007/s42484-020-00015-9
[54] Thomas Wagner, Hermann Kampermann og Dagmar Bruß. "Symmetrier for en neural dekoder på højt niveau på den toriske kode". Phys. Rev. A 102, 042411 (2020).
https:///doi.org/10.1103/PhysRevA.102.042411
[55] Philip Andreasson, Joel Johansson, Simon Liljestrand og Mats Granath. "Kvantefejlkorrektion for den toriske kode ved hjælp af dyb forstærkningslæring". Quantum 3, 183 (2019).
https://doi.org/10.22331/q-2019-09-02-183
[56] Nikolas P. Breuckmann og Xiaotong Ni. "Skalerbare neurale netværksdekodere til højere dimensionelle kvantekoder". Quantum 2, 68 (2018).
https://doi.org/10.22331/q-2018-05-24-68
Citeret af
[1] Christopher Chamberland, Luis Goncalves, Prasahnt Sivarajah, Eric Peterson og Sebastian Grimberg, "Teknikker til at kombinere hurtige lokale dekodere med globale dekodere under støj på kredsløbsniveau", arXiv: 2208.01178, (2022).
[2] Samuel C. Smith, Benjamin J. Brown og Stephen D. Bartlett, "Local Predecoder to Reduce the Bandwidth and Latency of Quantum Error Correction", Fysisk gennemgang anvendt 19 3, 034050 (2023).
[3] Xinyu Tan, Fang Zhang, Rui Chao, Yaoyun Shi og Jianxin Chen, "Skalerbare overfladekodedekodere med parallelisering i tid", arXiv: 2209.09219, (2022).
[4] Maxwell T. West, Sarah M. Erfani, Christopher Leckie, Martin Sevior, Lloyd CL Hollenberg og Muhammad Usman, "Benchmarking adversarially robust quantum machine learning at scale", Physical Review Research 5 2, 023186 (2023).
[5] Yosuke Ueno, Masaaki Kondo, Masamitsu Tanaka, Yasunari Suzuki og Yutaka Tabuchi, "NEO-QEC: Neural Network Enhanced Online Superconducting Decoder for Surface Codes", arXiv: 2208.05758, (2022).
[6] Mengyu Zhang, Xiangyu Ren, Guanglei Xi, Zhenxing Zhang, Qiaonian Yu, Fuming Liu, Hualiang Zhang, Shengyu Zhang og Yi-Cong Zheng, "En skalerbar, hurtig og programmerbar neural dekoder til fejltolerant kvanteberegning ved brug af overflade Koder", arXiv: 2305.15767, (2023).
[7] Karl Hammar, Alexei Orekhov, Patrik Wallin Hybelius, Anna Katariina Wisakanto, Basudha Srivastava, Anton Frisk Kockum og Mats Granath, "Error-rate-agnostic decoding of topological stabilizer codes", Fysisk anmeldelse A 105 4, 042616 (2022).
[8] Maxwell T. West og Muhammad Usman, "Framework for Donor-Qubit Spatial Metrology in Silicon with Depths Approaching the Bulk Limit", Fysisk gennemgang anvendt 17 2, 024070 (2022).
[9] Maxwell T. West, Shu-Lok Tsang, Jia S. Low, Charles D. Hill, Christopher Leckie, Lloyd CL Hollenberg, Sarah M. Erfani og Muhammad Usman, "Towards quantum enhanced adversarial robustness in machine learning", arXiv: 2306.12688, (2023).
[10] Moritz Lange, Pontus Havström, Basudha Srivastava, Valdemar Bergentall, Karl Hammar, Olivia Heuts, Evert van Nieuwenburg og Mats Granath, "Datadrevet afkodning af kvantefejlskorrigerende koder ved hjælp af grafneurale netværk", arXiv: 2307.01241, (2023).
Ovenstående citater er fra SAO/NASA ADS (sidst opdateret 2023-07-12 14:31:13). Listen kan være ufuldstændig, da ikke alle udgivere leverer passende og fuldstændige citatdata.
Kunne ikke hente Crossref citeret af data under sidste forsøg 2023-07-12 14:31:11: Kunne ikke hente citerede data for 10.22331/q-2023-07-12-1058 fra Crossref. Dette er normalt, hvis DOI blev registreret for nylig.
Dette papir er udgivet i Quantum under Creative Commons Attribution 4.0 International (CC BY 4.0) licens. Ophavsretten forbliver hos de originale copyright-indehavere, såsom forfatterne eller deres institutioner.
- SEO Powered Content & PR Distribution. Bliv forstærket i dag.
- PlatoData.Network Vertical Generative Ai. Styrk dig selv. Adgang her.
- PlatoAiStream. Web3 intelligens. Viden forstærket. Adgang her.
- PlatoESG. Automotive/elbiler, Kulstof, CleanTech, Energi, Miljø, Solenergi, Affaldshåndtering. Adgang her.
- BlockOffsets. Modernisering af miljømæssig offset-ejerskab. Adgang her.
- Kilde: https://quantum-journal.org/papers/q-2023-07-12-1058/
- :har
- :er
- :ikke
- :hvor
- ][s
- 1
- 10
- 11
- 12
- 13
- 14
- 15 %
- 16
- 17
- 19
- 20
- 2011
- 2012
- 2013
- 2014
- 2015
- 2016
- 2017
- 2018
- 2019
- 2020
- 2021
- 2022
- 2023
- 22
- 23
- 24
- 25
- 26 %
- 27
- 28
- 2D
- 30
- 31
- 32
- 33
- 36
- 39
- 40
- 49
- 50
- 51
- 7
- 8
- 9
- 98
- a
- over
- ABSTRACT
- adgang
- nøjagtighed
- præcis
- opnå
- opnået
- tværs
- aktiv
- Adam
- adresse
- adresser
- fremskridt
- kontradiktorisk
- tilknytninger
- alder
- AL
- Alexander
- algoritme
- algoritmer
- Alle
- tilladt
- tillader
- også
- an
- ,
- Andrew
- årligt
- Forventet
- enhver
- anvendt
- nærmer sig
- passende
- arkitektur
- ER
- kunstig
- kunstig intelligens
- AS
- At
- austin
- Australien
- forfatter
- forfattere
- gennemsnit
- båndbredde
- baseret
- BE
- være
- ben
- benchmarking
- Benjamin
- Bit
- fremme
- grænse
- Pause
- Brian
- by
- CA
- beregne
- CAN
- stand
- forårsagede
- ændret
- Charles
- kemikalie
- kemi
- chen
- chong
- Chris
- Christopher
- kode
- koder
- kombinerer
- KOMMENTAR
- Commons
- Kommunikation
- Kommunikation
- fuldføre
- kompleksitet
- Indeholder
- beregning
- beregninger
- computer
- computere
- computing
- computerkraft
- betingelser
- Connectivity
- konstruere
- ophavsret
- korrigere
- Rettelser
- kunne
- Craig
- Cross
- afgørende
- kryptografi
- Nuværende
- Daniel
- data
- datastyret
- David
- Davis
- årti
- afgørende
- Dekodning
- dedikeret
- dyb
- forsinkelse
- demonstrerer
- indsat
- Dybder
- Derek
- Trods
- opdage
- Detektion
- Bestem
- udviklet
- Udvikling
- Enheder
- størrelse
- direkte
- diskutere
- afstand
- distribueret
- distribuerede systemer
- domæne
- færdig
- i løbet af
- e
- E&T
- effektivt
- effektiv
- energi
- Engineering
- forbedret
- nok
- fejl
- fejl
- etableret
- eugene
- overstiger
- udførelse
- forventet
- eksperimenter
- udforskning
- letter
- faktor
- FAST
- tilbagemeldinger
- finansiere
- Til
- Framework
- fra
- yderligere
- spil
- generation
- given
- Global
- graf
- grafer
- Håndtering
- Hardware
- Harvard
- Have
- link.
- Høj
- højt niveau
- højere
- stærkt
- holdere
- HOURS
- hus
- HTTPS
- IEEE
- if
- billede
- implementering
- implementeret
- in
- ude
- inkorporering
- uafhængig
- oplysninger
- Informationssystemer
- initial
- indgang
- institutioner
- Intelligens
- interesse
- interessant
- internationalt
- undersøge
- involverer
- ITS
- JavaScript
- jeffrey
- Jim
- John
- Johnson
- tidsskrift
- jpg
- karl
- Nøgle
- stor
- storstilet
- større
- største
- Efternavn
- Latency
- læring
- Forlade
- Lee
- Licens
- GRÆNSE
- Limited
- Liste
- lokale
- logisk
- Lang
- kiggede
- den
- Louis
- Lav
- maskine
- machine learning
- Martin
- matchende
- materialer
- matematiske
- matthew
- max-bredde
- Maxwell
- Kan..
- mcclean
- målinger
- Melbourne
- Hukommelse
- Metrologi
- Michael
- mike
- million
- minimum
- ML
- model
- Måned
- mere
- mere effektiv
- Murray
- Natur
- I nærheden af
- Behov
- behov
- behov
- netværk
- net
- neurale netværk
- neurale netværk
- næste
- Nicolas
- Støj
- normal
- roman
- forekommende
- of
- tilbyde
- Tilbud
- on
- online
- åbent
- betjenes
- Operatører
- optimal
- optimering
- or
- ordrer
- original
- vores
- i løbet af
- oversigt
- Tempo
- pakke
- sider
- Papir
- Parallel
- paritet
- Park
- pathway
- paul
- perfekt
- Peter
- Peterson
- fase
- fysisk
- Fysik
- plato
- Platon Data Intelligence
- PlatoData
- Leg
- politik
- potentielt
- magt
- Praktisk
- tidligere
- primært
- princippet
- Problem
- problemer
- forarbejdning
- processorer
- Progress
- lovende
- foreslog
- udsigter
- give
- offentliggjort
- forlægger
- udgivere
- Python
- Quantum
- Kvantecomputer
- quantum computing
- kvantekryptografi
- kvantefejlkorrektion
- kvanteinformation
- kvantemaskineindlæring
- qubit
- qubits
- ramie
- tilfældig
- rækkevidde
- hurtige
- priser
- realtid
- nylige
- for nylig
- reducere
- referencer
- registreret
- forblive
- resterne
- Ren
- indberette
- Rapporter
- forskning
- modstandskraft
- Resultater
- genbruge
- gennemgå
- Anmeldelser
- stringent
- ROBERT
- robust
- robusthed
- roller
- rsa
- Ryan
- s
- sanders
- skalerbar
- Scale
- opskalere
- skalaer
- skalering
- ordninger
- Skole
- School of Engineering
- Videnskab
- Videnskab og Teknologi
- videnskabelig
- Shape
- former
- vist
- Silicon
- JA
- lignende
- Simon
- samtidigt
- Størrelse
- lille
- Samfund
- SOLVE
- nogle
- Space
- rumlige
- Spin
- Trin
- Stephen
- steven
- Stadig
- struktur
- væsentlig
- Succesfuld
- sådan
- lidelse
- lider
- egnede
- superledende
- undertrykkelse
- overflade
- Kirurgi
- Symposium
- Systemer
- Opgaver
- teknikker
- Teknologier
- semester
- end
- at
- deres
- denne
- tærskel
- Gennem
- hele
- Tim
- tid
- gange
- Titel
- til
- topologisk kvante
- mod
- Kurser
- Transaktioner
- to
- under
- gennemgået
- underliggende
- universitet
- opdateret
- URL
- USA
- brug
- anvendte
- bruger
- ved brug af
- forskellige
- vincent
- Vlad
- bind
- W
- ønsker
- var
- Watson
- we
- vægt
- GODT
- Vest
- hvornår
- som
- bred
- Bred rækkevidde
- vindue
- med
- inden for
- Arbejde
- X
- xi
- Ye
- år
- unge
- Yuan
- zephyrnet
