Skaleeritav ja kiire kunstliku närvivõrgu sündroomi dekooder pinnakoodide jaoks

Taasavaldanud Platon

järgijaid: 0

Spiro Gicev¹, Lloyd CL Hollenberg¹ja Muhammad Usman^1,2,3

¹Melbourne'i ülikooli füüsikakool, Parkville, 3010, VIC, Austraalia, Kvantarvutus- ja kommunikatsioonitehnoloogia keskus.
²Arvutus- ja infosüsteemide kool, Melbourne'i tehnikakool, Melbourne'i ülikool, Parkville, 3010, VIC, Austraalia
³Data61, CSIRO, Clayton, 3168, VIC, Austraalia

Kas see artikkel on huvitav või soovite arutada? Scite või jätke SciRate'i kommentaar.

Abstraktne

Pinnakoodi veaparandus pakub väga paljutõotavat viisi skaleeritava tõrketaluva kvantandmetöötluse saavutamiseks. Kui neid kasutatakse stabilisaatorkoodidena, koosnevad pinnakoodide arvutused sündroomi dekodeerimise etapist, kus mõõdetud stabilisaatorite operaatoreid kasutatakse füüsiliste kubitite vigade sobivate paranduste määramiseks. Dekodeerimisalgoritmid on läbinud olulise arengu, hiljutine töö hõlmab masinõppe (ML) tehnikaid. Vaatamata paljutõotavatele esialgsetele tulemustele piirduvad ML-põhised sündroomi dekoodrid endiselt väikesemahuliste väikese latentsusega demonstratsioonidega ega suuda käsitleda piirtingimuste ja võreoperatsiooniks ja punumiseks vajalike erinevate kujunditega pinnakoode. Siin kirjeldame tehisnärvivõrgul (ANN) põhineva skaleeritava ja kiire sündroomi dekoodri väljatöötamist, mis on võimeline dekodeerima suvalise kuju ja suurusega pinnakoode depolariseeriva veamudeli all kannatavate andmekubitidega. Tuginedes enam kui 50 miljoni juhusliku kvantveajuhtumi rangele väljaõppele, on meie ANN-dekooder näidanud, et see töötab koodide kaugustega, mis ületavad 1000 (rohkem kui 4 miljonit füüsilist kubitti), mis on seni suurim ML-põhise dekoodri tutvustus. Loodud ANN-dekooder näitab põhimõtteliselt koodi kaugusest sõltumatut täitmisaega, mis tähendab, et selle rakendamine spetsiaalsel riistvaral võib potentsiaalselt pakkuda pinnakoodi dekodeerimisaegu O ($ mu$sec), mis on vastavuses eksperimentaalselt teostatavate kubiti sidususaegadega. Kvantprotsessorite eeldatava suurenemisega järgmisel kümnendil on nende täiendamine kiire ja skaleeritava sündroomi dekoodriga, nagu meie töös välja töötatud, eeldatavasti otsustavat rolli tõrketaluva kvantteabe töötlemise eksperimentaalsel rakendamisel.

Skaleeritav ja kiire tehisnärvivõrgu sündroomi dekooder pinnakoodide jaoks PlatoBlockchain Data Intelligence. Vertikaalne otsing. Ai.

Esiletõstetud pilt: tehisnärvivõrgu dekoodri raamistik kiireks ja skaleeritavaks vigade parandamiseks.

Populaarne kokkuvõte

Praeguse põlvkonna kvantseadmete täpsus kannatab müra või vigade tõttu. Vigade tuvastamiseks ja parandamiseks saab kasutada kvantveaparanduskoode, näiteks pinnakoode. Pinnakoodiskeemide rakendamisel on otsustav samm dekodeerimine, algoritm, mis kasutab sobivate paranduste arvutamiseks otse kvantarvutist mõõdetud veateavet. Müra põhjustatud probleemide tõhusaks lahendamiseks peavad dekoodrid arvutama sobivad parandused samaaegselt aluseks oleva kvantriistvara kiirete mõõtmistega. See tuleb saavutada pinnakoodide vahemaadel, mis on piisavalt suured, et vigu piisavalt maha suruda, ja samaaegselt kõigis aktiivsetes loogilistes kubitides. Varasemas töös on peamiselt vaadeldud graafikute sobitamise algoritme, näiteks minimaalse kaalu täiuslikku sobitamist, kusjuures mõnes hiljutises töös on uuritud ka närvivõrkude kasutamist selle ülesande jaoks, kuigi piirdudes väikesemahuliste rakendustega.

Meie töö pakkus välja ja rakendas uudse konvolutsioonilise närvivõrgu raamistiku, et lahendada suure vahemaa pinnakoodide dekodeerimisel tekkivaid skaleerimisprobleeme. Konvolutsioonilisele närvivõrgule anti sisend, mis koosnes muudetud paarsusmõõtmistest, samuti veaparanduskoodi piiristruktuurist. Arvestades kogu konvolutsioonilise närvivõrgu lokaalse vaatluse piiratud akent, kasutati võimalike väheste jääkvigade parandamiseks mop-up dekoodrit. Tuginedes enam kui 50 miljoni juhusliku kvantvea juhtumi põhjalikele väljaõppele, näidati, et meie dekooder töötab koodide vahemaadega, mis ületasid 1000 (rohkem kui 4 miljonit füüsilist kubitti), mis oli seni suurim ML-põhise dekoodri tutvustus.

Konvolutsiooniliste närvivõrkude ja piiristruktuuri kasutamine sisendis võimaldas meie võrku rakendada paljudel pinnakoodide kaugustel ja piirikonfiguratsioonidel. Võrgu kohalik ühenduvus võimaldab suuremate kauguskoodide dekodeerimisel säilitada madalat latentsust ja hõlbustab paralleelstamist. Meie töö käsitleb põhiprobleemi närvivõrkude kasutamisel dekodeerimiseks praktilist huvi pakkuvate probleemide skaalal ja võimaldab täiendavaid uuringuid, mis hõlmavad sarnase struktuuriga võrkude kasutamist.

► BibTeX-i andmed

@artikkel{Gicev2023scalablefast, doi = {10.22331/q-2023-07-12-1058}, url = {https://doi.org/10.22331/q-2023-07-12-1058}, pealkiri = {A scalable ja kiire tehisnärvivõrgu sündroomi dekooder pinnakoodide jaoks}, autor = {Gicev, Spiro ja Hollenberg, Lloyd CL ja Usman, Muhammad}, ajakiri = {{Quantum}}, issn = {2521-327X}, väljaandja = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, maht = {7}, lehekülge = {1058}, kuu = juuli, aasta = {2023} }

► Viited

[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 ja P. Wallden. "Kvantkrüptograafia edusammud". Adv. Opt. Footon. 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 ja Alán Aspuru-Guzik. "Kvantkeemia kvantarvutite ajastul". Chemical Reviews 119, 10856–10915 (2019).
https:///doi.org/10.1021/acs.chemrev.8b00803

[3] Román Orús, Samuel Mugel ja Enrique Lizaso. "Kvantarvutus rahanduse jaoks: ülevaade ja väljavaated". Arvustused füüsikas 4, 100028 (2019).
https:///doi.org/10.1016/j.revip.2019.100028

[4] Craig Gidney ja Martin Ekerå. "Kuidas faktoreerida 2048-bitised RSA-täisarvud 8 tunni jooksul, kasutades 20 miljonit mürarikast kubitti". 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 ja Ryan Babbush. "Veelgi tõhusamad keemia kvantarvutused tensori hüperkontraktsiooni kaudu." 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 ja Ryan Babbush. "Tõrketaluvate kvantheuristika koostamine kombinatoorseks optimeerimiseks". PRX Quantum 1, 020312 (2020).
https:///doi.org/10.1103/PRXQuantum.1.020312

[7] Eric Dennis, Aleksei Kitaev, Andrew Landahl ja John Preskill. "Topoloogiline kvantmälu". 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 ja Andreas Wallraff. "Korduv kvantvea tuvastamine pinnakoodis". 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 jt. "Bittide või faasivigade eksponentsiaalne summutamine tsüklilise veaparandusega". Nature 595, 383–387 (2021).
https:///doi.org/10.1038/s41586-021-03588-y

[10] Austin G. Fowler, David S. Wang ja Lloyd CL Hollenberg. "Pinnakoodi kvantveaparandus, mis sisaldab täpset vea levikut" (2010). arXiv: 1004.0255.
https:///doi.org/10.48550/arXiv.1004.0255
arXiv: 1004.0255

[11] Austin G. Fowler, Adam C. Whiteside ja Lloyd CL Hollenberg. “Pinnakoodi praktilise klassikalise töötlemise poole”. Physical Review Letters 108 (2012).
https:///doi.org/10.1103/physrevlett.108.180501

[12] Austin G. Fowler. “Pinnakoodi korrelatsioonivigade optimaalne keerukuse korrigeerimine” (2013). arXiv: 1310.0863.
https:///doi.org/10.48550/arXiv.1310.0863
arXiv: 1310.0863

[13] Fern HE Watson, Hussain Anwar ja Dan E. Browne. "Kiire tõrkekindel dekooder qubit- ja qudit-pinnakoodide jaoks". Phys. Rev. A 92, 032309 (2015).
https:///doi.org/10.1103/PhysRevA.92.032309

[14] Guillaume Duclos-Cianci ja David Poulin. "Kiired dekoodrid topoloogiliste kvantkoodide jaoks". Phys. Rev. Lett. 104, 050504 (2010).
https:///doi.org/10.1103/PhysRevLett.104.050504

[15] Robert Raussendorf ja Jim Harrington. "Tõrkekindel kvantarvutus kõrge lävega kahes mõõtmes". Phys. Rev. Lett. 98, 190504 (2007).
https:///doi.org/10.1103/PhysRevLett.98.190504

[16] Daniel Litinski. "Pinnakoodide mäng: laiaulatuslik kvantarvuti võreoperatsiooniga". Quantum 3, 128 (2019).
https://doi.org/10.22331/q-2019-03-05-128

[17] Savvas Varsamopoulos, Ben Criger ja Koen Bertels. "Väikeste pinnakoodide dekodeerimine edasisuunaliste närvivõrkudega". Quantum Science and Technology 3, 015004 (2017).
https:///doi.org/10.1088/2058-9565/aa955a

[18] Amarsanaa Davasuren, Yasunari Suzuki, Keisuke Fujii ja Masato Koashi. "Üldine raamistik topoloogiliste stabilisaatorikoodide kiire ja peaaegu optimaalse masinõppepõhise dekoodri ehitamiseks". Phys. Rev. Res. 2, 033399 (2020).
https:///doi.org/10.1103/PhysRevResearch.2.033399

[19] Giacomo Torlai ja Roger G. Melko. "Neuraalne dekooder topoloogiliste koodide jaoks". Phys. Rev. Lett. 119, 030501 (2017).
https:///doi.org/10.1103/PhysRevLett.119.030501

[20] Stefan Krastanov ja Liang Jiang. "Sügava närvivõrgu tõenäosusdekooder stabilisaatorikoodide jaoks". Teaduslikud aruanded 7 (2017).
https://doi.org/10.1038/s41598-017-11266-1

[21] Paul Baireuther, Thomas E. O'Brien, Brian Tarasinski ja Carlo WJ Beenakker. "Masinõppe abil korreleeritud qubit-vigade parandamine topoloogilises koodis". 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 ja Sundaraja Sitharama Iyengar. "Pinnakoodi sündroomide tõhus dekodeerimine vigade parandamiseks kvantarvutuses" (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 ja Jens Eisert. "Tugevdatavad õppedekoodrid tõrketaluvate kvantarvutuste jaoks". Masinõpe: Science and Technology 2, 025005 (2020).
https:///doi.org/10.1088/2632-2153/abc609

[24] Elisha Siddiqui Matekole, Esther Ye, Ramya Iyer ja Samuel Yen-Chi Chen. "Pinnakoodide dekodeerimine sügava tugevdamise õppimise ja tõenäosusliku poliitika taaskasutusega" (2022). arXiv:2212.11890.
https:///doi.org/10.48550/arXiv.2212.11890
arXiv: 2212.11890

[25] Ramon WJ Overwater, Masoud Babaie ja Fabio Sebastiano. "Närvivõrgu dekoodrid kvantvigade parandamiseks pinnakoodide abil: riistvara kulu ja jõudluse kompromisside kosmoseuuring". IEEE Transactions on Quantum Engineering 3, 1–19 (2022).
https:///doi.org/10.1109/TQE.2022.3174017

[26] Kai Meinerz, Chae-Yeuni park ja Simon Trebst. "Skaleeritav närvidekooder topoloogiliste pinnakoodide jaoks". Phys. Rev. Lett. 128, 080505 (2022).
https:///doi.org/10.1103/PhysRevLett.128.080505

[27] S. Varsamopoulos, K. Bertels ja C. Almudever. "Närvivõrgupõhiste dekoodrite võrdlemine pinnakoodi jaoks". IEEE Transactions on Computers 69, 300–311 (2020).
https:///doi.org/10.1109/TC.2019.2948612

[28] Oscar Higgott. "Pymatching: Pythoni pakett kvantkoodide dekodeerimiseks minimaalse kaaluga täiusliku sobitamisega" (2021). arXiv:2105.13082.
https:///doi.org/10.48550/arXiv.2105.13082
arXiv: 2105.13082

[29] Christopher Chamberland ja Pooya Ronagh. "Sügavad närvidekoodrid lühiajaliste tõrketaluvusega katsete jaoks". Quantum Science and Technology 3, 044002 (2018).
https://doi.org/10.1088/2058-9565/aad1f7

[30] Daniel Gottesman. “Stabilisaatorikoodid ja kvantveaparandus” (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 ja Lloyd CL Hollenberg. "Ränis pinnakoodiga kvantarvuti". Science Advances 1, e1500707 (2015).
https:///doi.org/10.1126/sciadv.1500707

[32] G. Pica, BW Lovett, RN Bhatt, T. Schenkel ja SA Lyon. Pinnakoodi arhitektuur doonorite ja räni punktide jaoks ebatäpsete ja ebaühtlaste kubitiühendustega. Phys. Rev. B 93, 035306 (2016).
https:///doi.org/10.1103/PhysRevB.93.035306

[33] Charles D. Hill, Muhammad Usman ja Lloyd CL Hollenberg. Vahetuspõhine pinnakoodiga kvantarvuti arhitektuur ränis (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 ja Andrew W. Cross. "Topoloogilised ja alamsüsteemikoodid madala astme graafikutel lipukubitidega". 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 ja MA Martin-Delgado. "Topoloogiliste koodide tugev vastupidavus depolarisatsioonile". Phys. Rev. X 2, 021004 (2012).
https:///doi.org/10.1103/PhysRevX.2.021004

[36] Ashley M. Stephens. "Tõrketaluvad künnised pinnakoodiga kvantvigade parandamiseks". Phys. Rev. A 89, 022321 (2014).
https:///doi.org/10.1103/PhysRevA.89.022321

[37] David S. Wang, Austin G. Fowler ja Lloyd CL Hollenberg. Pinnakoodi kvantarvutus, mille veamäär on üle 1%. Phys. Rev. A 83, 020302 (2011).
https:///doi.org/10.1103/PhysRevA.83.020302

[38] Austin G. Fowler ja Craig Gidney. "Madala üldkuluga kvantarvutus võreoperatsiooni abil" (2019). arXiv:1808.06709.
https:///doi.org/10.48550/arXiv.1808.06709
arXiv: 1808.06709

[39] Austin G. Fowler, Matteo Mariantoni, John M. Martinis ja Andrew N. Cleland. Pinnakoodid: praktilise suuremahulise kvantarvutuse suunas. Physical Review A 86 (2012).
https:///doi.org/10.1103/physreva.86.032324

[40] Xiaotong Ni. "Närvivõrgu dekoodrid suure vahemaa 2D toric koodide jaoks". 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 ja FT Chong. "Nisq+: kvantarvutusvõimsuse suurendamine kvantveakorrektsiooni lähendamise teel". 2020. aastal toimub ACM/IEEE 47. aasta rahvusvaheline arvutiarhitektuuri sümpoosion (ISCA). Lk 556–569. Los Alamitos, CA, USA (2020). IEEE arvutiühing.
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 ja Christopher Eichler. "Põimumise stabiliseerimine, kasutades ülijuhtivates ahelates abiseadmetepõhist paarsuse tuvastamist ja reaalajas tagasisidet". 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 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 Vanhouckevan , Fernanda Viegas, Oriol Vinyals, Pete Warden, Martin Wattenberg, Martin Wicke, Yuan Yu ja Xiaoqiang Zheng. "Tensorflow: laiaulatuslik masinõpe heterogeensetes hajutatud süsteemides" (2016). arXiv:1603.04467.
https:///doi.org/10.48550/arXiv.1603.04467
arXiv: 1603.04467

[44] Nicolas Delfosse ja Naomi H. Nickerson. "Peaaegu lineaarne topoloogiliste koodide aja dekodeerimise algoritm". 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 ja Sven Rogge. "Räni spin-orbiidi kubittide pikkade spin-koherentsiaegade projekteerimine". Loodusmaterjalid 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 ja Benjamin J. Brown. "XZZX pinnakood". Nature Communications 12 (2021).
https://doi.org/10.1038/s41467-021-22274-1

[47] Dmitri E. Nikonov ja Ian A. Young. "Neuraalsete järeldusahelate võrdlusviivitus ja energia". 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. „Tõrketaluva topoloogilise kvantvea paranduse minimaalne kaal ja täiuslik sobitamine keskmises $o(1)$ paralleelajas” (2014). arXiv:1307.1740.
https:///doi.org/10.48550/arXiv.1307.1740
arXiv: 1307.1740

[49] Vedran Dunjko ja Hans J Briegel. "Masinõpe ja tehisintellekt kvantvaldkonnas: ülevaade hiljutistest edusammudest". Aruanded füüsika edusammude kohta 81, 074001 (2018).
https:///doi.org/10.1088/1361-6633/aab406

[50] Laia Domingo Colomer, Michalis Skotiniotis ja Ramon Muñoz-Tapia. "Tugevdusõpe toorikoodide optimaalseks veaparanduseks". Physics Letters A 384, 126353 (2020).
https:///doi.org/10.1016/j.physleta.2020.126353

[51] Milap Sheth, Sara Zafar Jafarzadeh ja Vlad Gheorghiu. "Närviansambli dekodeerimine topoloogiliste kvantviga parandavate koodide jaoks". Phys. Rev. A 101, 032338 (2020).
https:///doi.org/10.1103/PhysRevA.101.032338

[52] David Fitzek, Mattias Eliasson, Anton Frisk Kockum ja Mats Granath. "Deep q-learning dekooder müra depolariseerimiseks toric koodil". Phys. Rev. Res. 2, 023230 (2020).
https:///doi.org/10.1103/PhysRevResearch.2.023230

[53] Savvas Varsamopoulos, Koen Bertels ja Carmen G Almudever. "Pinnakoodi dekodeerimine hajutatud närvivõrgupõhise dekoodriga". Quantum Machine Intelligence 2, 1–12 (2020).
https://doi.org/10.1007/s42484-020-00015-9

[54] Thomas Wagner, Hermann Kampermann ja Dagmar Bruß. "Toorilise koodi kõrgetasemelise närvidekoodri sümmeetriad". Phys. Rev. A 102, 042411 (2020).
https:///doi.org/10.1103/PhysRevA.102.042411

[55] Philip Andreasson, Joel Johansson, Simon Liljestrand ja Mats Granath. "Kvantveaparandus toorikakoodi jaoks sügava tugevdamise õppe abil". Quantum 3, 183 (2019).
https://doi.org/10.22331/q-2019-09-02-183

[56] Nikolas P. Breuckmann ja Xiaotong Ni. "Skaleeritavad närvivõrgu dekoodrid kõrgema mõõtmega kvantkoodide jaoks". Quantum 2, 68 (2018).
https://doi.org/10.22331/q-2018-05-24-68

Viidatud

[1] Christopher Chamberland, Luis Goncalves, Prasahnt Sivarajah, Eric Peterson ja Sebastian Grimberg, "Tehnikad kiirete kohalike dekoodrite ja globaalsete dekoodrite kombineerimiseks vooluringitaseme müra all" arXiv: 2208.01178, (2022).

[2] Samuel C. Smith, Benjamin J. Brown ja Stephen D. Bartlett, "Local Predecoder to Reduce the Bandwidth and Latency of Quantum Error Correction" Rakendatud füüsiline ülevaatus 19 3, 034050 (2023).

[3] Xinyu Tan, Fang Zhang, Rui Chao, Yaoyun Shi ja Jianxin Chen, "Skaleeritavad pinnakoodidekoodrid ajas paralleelsusega", arXiv: 2209.09219, (2022).

[4] Maxwell T. West, Sarah M. Erfani, Christopher Leckie, Martin Sevior, Lloyd CL Hollenberg ja Muhammad Usman, „Võistlevalt jõulise kvantmasinaõppe mastaabis võrdlusuuringud”, Physical Review Research 5 2, 023186 (2023).

[5] Yosuke Ueno, Masaaki Kondo, Masamitsu Tanaka, Yasunari Suzuki ja 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 ja Yi-Cong Zheng, „Skaleeritav, kiire ja programmeeritav närvidekooder tõrketaluvusega kvantarvutamiseks, kasutades pinda Koodid", arXiv: 2305.15767, (2023).

[7] Karl Hammar, Aleksei Orekhov, Patrik Wallin Hybelius, Anna Katariina Wisakanto, Basudha Srivastava, Anton Frisk Kockum ja Mats Granath, "Topoloogiliste stabilisaatorikoodide veamäära agnostiline dekodeerimine", Füüsiline ülevaade A 105 4, 042616 (2022).

[8] Maxwell T. West ja Muhammad Usman, "Framework for Donor-Qubit Spatial Metrology in Silicon with Depths Approaching the Bulk Limit", Rakendatud füüsiline ülevaatus 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 ja Muhammad Usman, „Towards quantum enhanced adversarial robustness in masinõppe” arXiv: 2306.12688, (2023).

[10] Moritz Lange, Pontus Havström, Basudha Srivastava, Valdemar Bergental, Karl Hammar, Olivia Heuts, Evert van Nieuwenburg ja Mats Granath, „Kvantvea parandavate koodide andmepõhine dekodeerimine graafi närvivõrkude abil”, arXiv: 2307.01241, (2023).

Ülaltoodud tsitaadid on pärit SAO/NASA KUULUTUSED (viimati edukalt värskendatud 2023-07-12 14:31:13). Loend võib olla puudulik, kuna mitte kõik väljaandjad ei esita sobivaid ja täielikke viiteandmeid.

Ei saanud tuua Ristviide viidatud andmete alusel viimase katse ajal 2023-07-12 14:31:11: 10.22331/q-2023-07-12-1058 viidatud andmeid ei saanud Crossrefist tuua. See on normaalne, kui DOI registreeriti hiljuti.

See raamat on avaldatud Quantum all Creative Commons Attribution 4.0 International (CC BY 4.0) litsents. Autoriõigus jääb algsetele autoriõiguste valdajatele, näiteks autoritele või nende institutsioonidele.

SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
PlatoESG. Autod/elektrisõidukid, Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
BlockOffsets. Keskkonnakompensatsiooni omandi ajakohastamine. Juurdepääs siia.
Allikas: https://quantum-journal.org/papers/q-2023-07-12-1058/

Ajatempel: Juuli 12, 2023

Ajatempel: Aprill 6, 2023

Skaleeritav ja kiire tehisnärvivõrgu sündroomi dekooder pinnakoodide jaoks

Taasavaldanud Platon

Abstraktne

Populaarne kokkuvõte

► BibTeX-i andmed

► Viited

Viidatud

Veel alates Quantum Journal

Actis: rangelt kohalik liit – leidke dekooder

Aku materjalide kvantsimulatsioon ioonsete pseudopotentsiaalide abil

Kvantide tõhus eraldamine klassikalistest korrelatsioonidest fikseeritud laenguga segaolekute korral

Rikastatud string-net mudelid ja nende ergastused

Vastastikku erapooletud raamid

Kvanthajumine tööallikana

Variatsioonilise kvantsimulatsiooni mõõtmise optimeerimine klassikalise varju ja derandomiseerimisega

Kõigi lokaalselt eristamatute üldistatud Belli olekute komplektide väljaselgitamine

Kvantvaatluste adaptiivne hindamine

Tõenäosus paljude maailmade teooriates

Meist

Vertikaalne otsing ja Ai

Platvorm

Püsi ühenduses

konto