La batalla de los Qubits limpios y sucios en la era de la corrección parcial de errores

Reeditado por Platón

seguidores: 0

daniel bultrini^1,2, Sansón Wang^1,3, Piotr Czarnik^1,4, Max Hunter Gordon^1,5, M. Cerezo^6,7, Patrick J. Coles^1,7y Lukasz Cincio^1,7

¹División Teórica, Laboratorio Nacional de Los Alamos, Los Alamos, NM 87545, EE. UU.
²Theoretische Chemie, Physikalisch-Chemisches Institut, Universität Heidelberg, INF 229, D-69120 Heidelberg, Alemania
³Colegio Imperial de Londres, Londres, Reino Unido
⁴Instituto de Física Teórica, Universidad Jagellónica, Cracovia, Polonia.
⁵Instituto de Física Teórica, UAM/CSIC, Universidad Autónoma de Madrid, Madrid 28049, España
⁶Ciencias de la Información, Laboratorio Nacional de Los Alamos, Los Alamos, NM 87545, EE. UU.
⁷Centro de Ciencias Cuánticas, Oak Ridge, TN 37931, EE. UU.

¿Encuentra este documento interesante o quiere discutirlo? Scite o deje un comentario en SciRate.

Resumen

Cuando la corrección de errores sea posible, será necesario dedicar una gran cantidad de qubits físicos a cada qubit lógico. La corrección de errores permite ejecutar circuitos más profundos, pero cada qubit físico adicional puede contribuir potencialmente a un aumento exponencial en el espacio computacional, por lo que existe una compensación entre usar qubits para la corrección de errores o usarlos como qubits ruidosos. En este trabajo, analizamos los efectos del uso de qubits ruidosos junto con qubits silenciosos (un modelo idealizado para qubits con corrección de errores), que llamamos la configuración "limpia y sucia". Empleamos modelos analíticos y simulaciones numéricas para caracterizar esta configuración. Numéricamente mostramos la aparición de mesetas estériles inducidas por ruido (NIBP), es decir, una concentración exponencial de observables causada por ruido, en un circuito ansatz variacional hamiltoniano modelo Ising. Observamos esto incluso si solo un único qubit es ruidoso y se le da un circuito lo suficientemente profundo, lo que sugiere que los NIBP no se pueden superar por completo simplemente corrigiendo errores en un subconjunto de los qubits. En el lado positivo, encontramos que por cada qubit sin ruido en el circuito, hay una supresión exponencial en la concentración de gradientes observables, lo que muestra el beneficio de la corrección de errores parciales. Finalmente, nuestros modelos analíticos corroboran estos hallazgos al mostrar que los observables se concentran con una escala en el exponente relacionado con la proporción de qubits sucios a totales.

The battle of clean and dirty qubits in the era of partial error correction PlatoBlockchain Data Intelligence. Vertical Search. Ai.

Imagen destacada: a la izquierda, hay un gráfico que muestra la magnitud promedio de los gradientes del circuito en el recuadro sobre la profundidad del circuito con diferentes líneas para los diferentes números de qubits sucios (ruidosos) y limpios (silenciosos) en el sistema simulado. Hay una clara caída exponencial de la magnitud promedio de los gradientes sobre la profundidad del circuito que es máxima cuando todos los qubits son ruidosos. A la derecha, hay un diagrama de circuito de cómo los canales de ruido $(mathcal N)$ se distribuyen alrededor de las puertas $(U)$ en la configuración limpia y sucia.

Resumen popular

En un futuro con computadoras cuánticas tolerantes a fallas, se abrirá un mundo completamente nuevo de algoritmos cuánticos que pueden ofrecer ventajas sobre muchos algoritmos clásicos. Esto no vendrá sin algunos sacrificios: la cantidad de qubits necesarios para codificar un qubit corregido por error (o lógico) será grande. Agregar un solo qubit a un sistema duplica el espacio computacional disponible de la máquina, por lo que en este documento hacemos la pregunta: ¿puede combinar qubits con corrección de errores con qubits físicos? Dado que el ruido impide en gran medida los algoritmos cuánticos, quizás combinar los beneficios de la corrección de errores con el espacio adicional de Hilbert que ofrecen los qubits físicos sin corrección de errores puede ser beneficioso para algunas clases de algoritmos. Abordamos esta pregunta utilizando una aproximación en la que los qubits silenciosos toman el lugar de los qubits con corrección de errores, a los que llamamos limpios; y se acoplan a qubits físicos ruidosos, a los que llamamos sucios. Mostramos analítica y numéricamente que los errores en la medición de los valores esperados se suprimen exponencialmente para cada qubit ruidoso que se reemplaza con un qubit limpio, y que este comportamiento sigue de cerca lo que haría la máquina si se redujera la tasa de error de una máquina uniformemente ruidosa. por la proporción de qubits sucios a qubits totales.

► datos BibTeX

@article{Bultrini2023battleofcleandirty, doi = {10.22331/q-2023-07-13-1060}, url = {https://doi.org/10.22331/q-2023-07-13-1060}, title = {La batalla de qubits limpios y sucios en la era de la corrección parcial de errores}, autor = {Bultrini, Daniel y Wang, Samson y Czarnik, Piotr y Gordon, Max Hunter y Cerezo, M. y Coles, Patrick J. y Cincio, Lukasz}, revista = {{Quantum}}, issn = {2521-327X}, editorial = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, volumen = {7}, páginas = {1060 }, mes = julio, año = {2023} }

► referencias

[ 1 ] Richard P. Feynman. “Simulación de la física con computadoras”. Revista Internacional de Física Teórica 21, 467–488 (1982).
https: / / doi.org/ 10.1007 / BF02650179

[ 2 ] Laird Egan, Dripto M Debroy, Crystal Noel, Andrew Risinger, Daiwei Zhu, Debopriyo Biswas, Michael Newman, Muyuan Li, Kenneth R Brown, Marko Cetina, et al. “Control tolerante a fallas de un qubit con corrección de errores”. Naturaleza 598, 281–286 (2021).
https: / / doi.org/ 10.1038 / s41586-021-03928-y

[ 3 ] Peter W Shor. “Algoritmos para computación cuántica: logaritmos discretos y factorización”. En Actas del simposio anual número 35 sobre fundamentos de la informática. Páginas 124–134. Ieee (1994).
https: / / doi.org/ 10.1109 / SFCS.1994.365700

[ 4 ] Aram W Harrow, Avinatan Hassidim y Seth Lloyd. “Algoritmo cuántico para sistemas lineales de ecuaciones”. Cartas de revisión física 103, 150502 (2009).
https: / / doi.org/ 10.1103 / PhysRevLett.103.150502

[ 5 ] Juan Preskill. “Computación cuántica en la era NISQ y más allá”. Cuántica 2, 79 (2018).
https://doi.org/10.22331/q-2018-08-06-79

[ 6 ] M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio y Patrick J. Coles. “Algoritmos cuánticos variacionales”. Nature Reviews Physics 3, 625–644 (2021).
https://doi.org/10.1038/s42254-021-00348-9

[ 7 ] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S Kottmann, Tim Menke, et al. “Algoritmos cuánticos ruidosos de escala intermedia”. Reseñas de Modern Physics 94, 015004 (2022).
https: / / doi.org/ 10.1103 / RevModPhys.94.015004

[ 8 ] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe y Seth Lloyd. “Aprendizaje automático cuántico”. Naturaleza 549, 195–202 (2017).
https: / / doi.org/ 10.1038 / nature23474

[ 9 ] Michael A. Nielsen e Isaac L. Chuang. “Computación cuántica e información cuántica”. Prensa de la Universidad de Cambridge. Cambridge (2000).
https: / / doi.org/ 10.1017 / CBO9780511976667

[ 10 ] Dorit Aharonov, Michael Ben-Or, Russell Impagliazzo y Noam Nisan. “Limitaciones de la computación reversible con ruido” (1996). URL: https://doi.org/10.48550/arXiv.1106.6189.
https:///doi.org/10.48550/arXiv.1106.6189

[ 11 ] Michael Ben-Or, Daniel Gottesman y Avinatan Hassidim. “Refrigerador cuántico” (2013). URL: https://doi.org/10.48550/arXiv.1301.1995.
https:///doi.org/10.48550/arXiv.1301.1995

[ 12 ] Daniel Stilck França y Raul Garcia-Patron. “Limitaciones de los algoritmos de optimización en dispositivos cuánticos ruidosos”. Física de la naturaleza 17, 1221–1227 (2021).
https://doi.org/10.1038/s41567-021-01356-3

[ 13 ] Samson Wang, Enrico Fontana, M. Cerezo, Kunal Sharma, Akira Sone, Lukasz Cincio y Patrick J Coles. "Mesetas estériles inducidas por ruido en algoritmos cuánticos variacionales". Comunicaciones de la naturaleza 12, 1–11 (2021).
https://doi.org/10.1038/s41467-021-27045-6

[ 14 ] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush y Hartmut Neven. “Mesetas estériles en paisajes de entrenamiento de redes neuronales cuánticas”. Comunicaciones de la naturaleza 9, 1–6 (2018).
https://doi.org/10.1038/s41467-018-07090-4

[ 15 ] M. Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio y Patrick J Coles. "Mesas estériles dependientes de la función de costo en circuitos cuánticos parametrizados poco profundos". Comunicaciones de la naturaleza 12, 1–12 (2021).
https: / / doi.org/ 10.1038 / s41467-021-21728-w

[ 16 ] Andrew Arrasmith, Zoë Holmes, Marco Cerezo y Patrick J. Coles. “Equivalencia de mesetas estériles cuánticas a concentración de costos y desfiladeros estrechos”. Ciencia y tecnología cuántica 7, 045015 (2022).
https://doi.org/10.1088/2058-9565/ac7d06

[ 17 ] Andrew Arrasmith, M. Cerezo, Piotr Czarnik, Lukasz Cincio y Patrick J Coles. “Efecto de mesetas estériles en la optimización sin gradiente”. Cuántica 5, 558 (2021).
https://doi.org/10.22331/q-2021-10-05-558

[ 18 ] M. Cerezo y Patrick J. Coles. “Derivados de orden superior de redes neuronales cuánticas con mesetas estériles”. Ciencia y tecnología cuántica 6, 035006 (2021).
https: / / doi.org/ 10.1088 / 2058-9565 / abf51a

[ 19 ] Carlos Ortiz Marrero, Mária Kieferová y Nathan Wiebe. “Mesetas estériles inducidas por enredos”. PRX Quantum 2, 040316 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.040316

[ 20 ] Martin Larocca, Piotr Czarnik, Kunal Sharma, Gopikrishnan Muraleedharan, Patrick J. Coles y M. Cerezo. “Diagnóstico de mesetas estériles con herramientas de Quantum Optimal Control”. Cuántica 6, 824 (2022).
https://doi.org/10.22331/q-2022-09-29-824

[ 21 ] Zoë Holmes, Kunal Sharma, M. Cerezo y Patrick J Coles. “Conectando la expresibilidad de ansatz con magnitudes de gradiente y mesetas estériles”. PRX Quantum 3, 010313 (2022).
https: / / doi.org/ 10.1103 / PRXQuantum.3.010313

[ 22 ] Supanut Thanasilp, Samson Wang, Nhat A Nghiem, Patrick J. Coles y M. Cerezo. “Sutilezas en la entrenabilidad de los modelos de aprendizaje automático cuántico” (2021). URL: https://arxiv.org/abs/2110.14753.
https://doi.org/10.1007/s42484-023-00103-6
arXiv: 2110.14753

[ 23 ] Samson Wang, Piotr Czarnik, Andrew Arrasmith, M. Cerezo, Lukasz Cincio y Patrick J Coles. "¿Puede la mitigación de errores mejorar la capacidad de entrenamiento de los algoritmos cuánticos variacionales ruidosos?" (2021). URL: https://doi.org/10.48550/arXiv.2109.01051.
https:///doi.org/10.48550/arXiv.2109.01051

[ 24 ] Ningping Cao, Junan Lin, David Kribs, Yiu-Tung Poon, Bei Zeng y Raymond Laflamme. “NISQ: Corrección de errores, mitigación y simulación de ruido” (2021). URL: https://doi.org/10.48550/arXiv.2111.02345.
https:///doi.org/10.48550/arXiv.2111.02345

[ 25 ] Adam Holmes, Mohammad Reza Jokar, Ghasem Pasandi, Yongshan Ding, Massoud Pedram y Frederic T Chong. “NISQ+: Impulsando el poder de la computación cuántica al aproximar la corrección de errores cuánticos”. En 2020 ACM/IEEE 47th Annual International Symposium on Computer Architecture (ISCA). Páginas 556–569. IEEE (2020). URL: https://doi.org/10.1109/ISCA45697.2020.00053.
https:///doi.org/10.1109/ISCA45697.2020.00053

[ 26 ] Yasunari Suzuki, Suguru Endo, Keisuke Fujii y Yuuki Tokunaga. “Mitigación de errores cuánticos como técnica universal de reducción de errores: aplicaciones del NISQ a las eras de la computación cuántica tolerante a fallas”. PRX Quantum 3, 010345 (2022).
https: / / doi.org/ 10.1103 / PRXQuantum.3.010345

[ 27 ] Emanuel Knill y Raymond Laflamme. “Poder de un bit de información cuántica”. Physical Review Letters 81, 5672 (1998).
https: / / doi.org/ 10.1103 / PhysRevLett.81.5672

[ 28 ] Keisuke Fujii, Hirotada Kobayashi, Tomoyuki Morimae, Harumichi Nishimura, Shuhei Tamate y Seiichiro Tani. “Poder de la Computación Cuántica con Pocos Qubits Limpios”. 43° Coloquio Internacional sobre Autómatas, Lenguajes y Programación (ICALP 2016) 55, 13:1–13:14 (2016).
https: / / doi.org/ 10.4230 / LIPIcs.ICALP.2016.13

[ 29 ] Tomoyuki Morimae, Keisuke Fujii y Harumichi Nishimura. “Poder de un qubit no limpio”. Revisión física A 95, 042336 (2017).
https: / / doi.org/ 10.1103 / PhysRevA.95.042336

[ 30 ] Craig Gidney. “Factorización con n+2 qubits limpios y n-1 qubits sucios” (2017). URL: https://doi.org/10.48550/arXiv.1706.07884.
https:///doi.org/10.48550/arXiv.1706.07884

[ 31 ] Anirban N. Chowdhury, Rolando D. Somma y Yiğit Subaşı. "Computación de funciones de partición en el modelo de un qubit limpio". Revisión física A 103, 032422 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.103.032422

[ 32 ] Keisuke Fujii, Hirotada Kobayashi, Tomoyuki Morimae, Harumichi Nishimura, Shuhei Tamate y Seiichiro Tani. “Imposibilidad de simular clásicamente el modelo de un qubit limpio con error multiplicativo”. Cartas de revisión física 120, 200502 (2018).
https: / / doi.org/ 10.1103 / PhysRevLett.120.200502

[ 33 ] Raymond Laflamme, César Miquel, Juan Pablo Paz y Wojciech Hubert Zurek. “Código corrector de errores cuántico perfecto”. física Rev. Lett. 77, 198–201 (1996).
https: / / doi.org/ 10.1103 / PhysRevLett.77.198

[ 34 ] Daniel Gottesmann. “Una introducción a la corrección de errores cuánticos y la computación cuántica tolerante a fallas”. La ciencia de la información cuántica y sus contribuciones a las matemáticas, Actas de simposios en matemáticas aplicadas 63, 13–58 (2010).
https: / / doi.org/ 10.1090 / psapm / 068/2762145

[ 35 ] Austin G. Fowler, Matteo Mariantoni, John M. Martinis y Andrew N. Cleland. “Códigos de superficie: hacia la computación cuántica práctica a gran escala”. Revisión Física A 86, 032324 (2012).
https: / / doi.org/ 10.1103 / PhysRevA.86.032324

[ 36 ] Yu Kitaev. “Cálculos cuánticos: algoritmos y corrección de errores”. Estudios matemáticos rusos 52, 1191 (1997).
https://doi.org/10.1070/RM1997v052n06ABEH002155

[ 37 ] Chris N. Self, Marcello Benedetti y David Amaro. “Protección de circuitos expresivos con un código de detección de errores cuánticos” (2022). URL: https://doi.org/10.48550/arXiv.2211.06703.
https:///doi.org/10.48550/arXiv.2211.06703

[ 38 ] Rolando D Somma. “Estimación de valores propios cuánticos mediante análisis de series temporales”. Nueva revista de física 21, 123025 (2019).
https://doi.org/10.1088/1367-2630/ab5c60

[ 39 ] Vojtěch Havlíček, Antonio D Córcoles, Kristan Temme, Aram W Harrow, Abhinav Kandala, Jerry M Chow y Jay M Gambetta. “Aprendizaje supervisado con espacios de funciones mejorados cuánticamente”. Naturaleza 567, 209–212 (2019).
https://doi.org/10.1038/s41586-019-0980-2

[ 40 ] Andrew G Taube y Rodney J Bartlett. “Nuevas perspectivas sobre la teoría unitaria de cúmulos acoplados”. Revista internacional de química cuántica 106, 3393–3401 (2006).
https: / / doi.org/ 10.1002 / qua.21198

[ 41 ] Sumeet Khatri, Ryan LaRose, Alexander Poremba, Lukasz Cincio, Andrew T Sornborger y Patrick J Coles. “Compilación cuántica asistida cuánticamente”. Cuántica 3, 140 (2019).
https://doi.org/10.22331/q-2019-05-13-140

[ 42 ] Colin J Trout, Muyuan Li, Mauricio Gutiérrez, Yukai Wu, Sheng-Tao Wang, Luming Duan y Kenneth R Brown. “Simulación del rendimiento de un código de superficie de distancia 3 en una trampa de iones lineal”. Nueva revista de física 20, 043038 (2018).
https: / / doi.org/ 10.1088 / 1367-2630 / aab341

[ 43 ] Lukasz Cincio, Yiğit Subaşı, Andrew T Sornborger y Patrick J Coles. “Aprendizaje del algoritmo cuántico para la superposición de estados”. Nueva revista de física 20, 113022 (2018).
https: / / doi.org/ 10.1088 / 1367-2630 / aae94a

[ 44 ] Edward Farhi, Jeffrey Goldstone y Sam Gutmann. “Un algoritmo de optimización cuántica aproximada” (2014). URL: https://doi.org/10.48550/arXiv.1411.4028.
https:///doi.org/10.48550/arXiv.1411.4028

[ 45 ] Stuart Hadfield, Zhihui Wang, Bryan O'Gorman, Eleanor G Rieffel, Davide Venturelli y Rupak Biswas. “Del algoritmo de optimización cuántica aproximada a un operador cuántico alterno ansatz”. Algoritmos 12, 34 (2019).
https: / / doi.org/ 10.3390 / a12020034

[ 46 ] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac y Nathan Killoran. “Evaluación de gradientes analíticos en hardware cuántico”. Revisión Física A 99, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331

[ 47 ] Lukasz Cincio, Kenneth Rudinger, Mohan Sarovar y Patrick J. Coles. “Aprendizaje automático de circuitos cuánticos resistentes al ruido”. PRX Quantum 2, 010324 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.010324

[ 48 ] Ryuji Takagi, Suguru Endo, Shintaro Minagawa y Mile Gu. “Límites fundamentales de la mitigación del error cuántico”. npj Información cuántica 8, 114 (2022).
https: / / doi.org/ 10.1038 / s41534-022-00618-z

[ 49 ] Sergey Danilin, Nicholas Nugent y Martin Weides. “Detección cuántica con qubits superconductores sintonizables: optimización y aceleración” (2022). URL: https://arxiv.org/abs/2211.08344.
arXiv: 2211.08344

[ 50 ] Nikolai Lauk, Neil Sinclair, Shabir Barzanjeh, Jacob P Covey, Mark Saffman, Maria Spiropulu y Christoph Simon. “Perspectivas sobre la transducción cuántica”. Ciencia y tecnología cuántica 5, 020501 (2020).
https: / / doi.org/ 10.1088 / 2058-9565 / ab788a

[ 51 ] Bernhard Baumgartner. “Una desigualdad para la traza de productos de matrices, utilizando valores absolutos” (2011). URL: https://doi.org/10.48550/arXiv.1106.6189.
https:///doi.org/10.48550/arXiv.1106.6189

Citado por

[1] Mikel García-de-Andoin, Álvaro Saiz, Pedro Pérez-Fernández, Lucas Lamata, Izaskun Oregi y Mikel Sanz, “Computación cuántica digital-analógica con hamiltonianos arbitrarios de dos cuerpos”, arXiv: 2307.00966, (2023).

[2] Abdullah Ash Saki, Amara Katabarwa, Salonik Resch y George Umbrarescu, “Prueba de hipótesis para la mitigación de errores: cómo evaluar la mitigación de errores”, arXiv: 2301.02690, (2023).

[3] Patrick J. Coles, Collin Szczepanski, Denis Melanson, Kaelan Donatella, Antonio J. Martinez y Faris Sbahi, “Thermodynamic AI and the fluctuation frontier”, arXiv: 2302.06584, (2023).

[4] M. Cerezo, Guillaume Verdon, Hsin-Yuan Huang, Lukasz Cincio y Patrick J. Coles, "Desafíos y oportunidades en el aprendizaje automático cuántico", arXiv: 2303.09491, (2023).

[5] Nikolaos Koukoulekidis, Samson Wang, Tom O'Leary, Daniel Bultrini, Lukasz Cincio y Piotr Czarnik, "Un marco de corrección de errores parciales para computadoras cuánticas de escala intermedia", arXiv: 2306.15531, (2023).

Las citas anteriores son de ANUNCIOS SAO / NASA (última actualización exitosa 2023-07-13 15:21:51). La lista puede estar incompleta ya que no todos los editores proporcionan datos de citas adecuados y completos.

No se pudo recuperar Crossref citado por datos durante el último intento 2023-07-13 15:21:50: No se pudieron obtener los datos citados por 10.22331 / q-2023-07-13-1060 de Crossref. Esto es normal si el DOI se registró recientemente.

Este documento se publica en Quantum bajo el Creative Commons Reconocimiento 4.0 Internacional (CC BY 4.0) licencia. Los derechos de autor permanecen con los titulares de derechos de autor originales, como los autores o sus instituciones.

Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
PlatoESG. Automoción / vehículos eléctricos, Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
Desplazamientos de bloque. Modernización de la propiedad de compensaciones ambientales. Accede Aquí.
Fuente: https://quantum-journal.org/papers/q-2023-07-13-1060/

Sello de tiempo: 13 de Julio de 2023

Sello de tiempo: 20 de diciembre de 2023

Reeditado por Platón

Análisis refinado de tamaño finito de la distribución de claves cuánticas de variable continua y modulación binaria

Modelo de control predictivo para una preparación robusta del estado cuántico

BROTOC y codificación de información cuántica a temperatura finita

Conexión de geometría y rendimiento de circuitos cuánticos parametrizados de dos qubits

El algoritmo de optimización aproximada cuántica y el modelo de Sherrington-Kirkpatrick en tamaño infinito

Simulación de circuitos cuánticos utilizando redes de tensor de árbol

Construcción universal de decodificadores a partir de la codificación de cajas negras.

Estados de productos de matrices diferenciables para simular la química computacional cuántica variacional

Modelo solucionable de termalización profunda con distintos tiempos de diseño

Hacia la gravedad cuántica en el laboratorio de procesadores cuánticos

Simulación rápida de circuitos planos de Clifford.

Sobre Nosotros

Búsqueda vertical y Ai

Productos

Manténganse Conectados

Mi Cuenta