رمزگشای سندرم شبکه عصبی مصنوعی مقیاس پذیر و سریع برای کدهای سطحی

بازنشر افلاطون

دنبال: 0

اسپیرو گیچف¹، لوید سی ال هولنبرگ¹و محمد عثمان^1,2,3

¹مرکز محاسبات کوانتومی و فناوری ارتباطات، دانشکده فیزیک، دانشگاه ملبورن، پارک ویل، 3010، VIC، استرالیا.
²دانشکده محاسبات و سیستم های اطلاعاتی، دانشکده مهندسی ملبورن، دانشگاه ملبورن، پارکویل، 3010، VIC، استرالیا
³Data61، CSIRO، Clayton، 3168، VIC، استرالیا

این مقاله را جالب می دانید یا می خواهید بحث کنید؟ SciRate را ذکر کنید یا در SciRate نظر بدهید.

چکیده

تصحیح خطای کد سطحی یک مسیر بسیار امیدوارکننده برای دستیابی به محاسبات کوانتومی با تحمل خطا مقیاس پذیر ارائه می دهد. هنگامی که به عنوان کدهای تثبیت کننده عمل می شود، محاسبات کد سطح شامل یک مرحله رمزگشایی سندرم است که در آن اپراتورهای تثبیت کننده اندازه گیری شده برای تعیین اصلاحات مناسب برای خطاها در کیوبیت های فیزیکی استفاده می شوند. الگوریتم‌های رمزگشایی با کار اخیری که تکنیک‌های یادگیری ماشین (ML) را در بر می‌گیرد، توسعه قابل توجهی را تجربه کرده‌اند. علیرغم نتایج امیدوارکننده اولیه، رمزگشاهای سندرم مبتنی بر ML هنوز به نمایش‌های مقیاس کوچک با تأخیر کم محدود می‌شوند و قادر به مدیریت کدهای سطحی با شرایط مرزی و اشکال مختلف مورد نیاز برای جراحی شبکه و قیطان نیستند. در اینجا، ما توسعه یک شبکه عصبی مصنوعی (ANN) مبتنی بر رمزگشای سندرم مقیاس‌پذیر و سریع را گزارش می‌کنیم که قادر به رمزگشایی کدهای سطحی با شکل و اندازه دلخواه با کیوبیت‌های داده‌ای که از مدل خطای دپلاریزاسیون رنج می‌برند. بر اساس آموزش دقیق بیش از 50 میلیون نمونه خطای کوانتومی تصادفی، رمزگشای ANN ما نشان داده شده است که با فواصل کد بیش از 1000 (بیش از 4 میلیون کیوبیت فیزیکی) کار می کند، که بزرگترین نمایش رمزگشای مبتنی بر ML تا به امروز است. رمزگشای ANN ایجاد شده، اصولاً زمان اجرا را مستقل از فاصله کد نشان می‌دهد، به این معنی که پیاده‌سازی آن بر روی سخت‌افزار اختصاصی می‌تواند به طور بالقوه زمان رمزگشایی کد سطحی O($mu$sec)، متناسب با زمان‌های همدوسی کیوبیت تجربی قابل تحقق را ارائه دهد. انتظار می‌رود با افزایش مقیاس پردازنده‌های کوانتومی در دهه آینده، تقویت آن‌ها با یک رمزگشای سریع و مقیاس‌پذیر سندرمی که در کار ما توسعه یافته است، نقش تعیین‌کننده‌ای در اجرای آزمایشی پردازش اطلاعات کوانتومی تحمل‌پذیر خطا داشته باشد.

رمزگشای سندرم شبکه عصبی مصنوعی مقیاس‌پذیر و سریع برای کدهای سطحی پلاتوبلاکچین داده هوش. جستجوی عمودی Ai.

تصویر ویژه: چارچوب رمزگشای شبکه عصبی مصنوعی برای اصلاح سریع و مقیاس پذیر خطا.

خلاصه محبوب

دقت نسل فعلی دستگاه های کوانتومی از نویز یا خطا رنج می برد. کدهای تصحیح خطای کوانتومی مانند کدهای سطحی می توانند برای شناسایی و تصحیح خطاها استفاده شوند. یک مرحله مهم در اجرای طرح‌های کد سطحی، رمزگشایی است، الگوریتمی که از اطلاعات خطای اندازه‌گیری شده مستقیم از رایانه کوانتومی برای محاسبه اصلاحات مناسب استفاده می‌کند. به منظور حل موثر مشکلات ناشی از نویز، رمزگشاها باید اصلاحات مناسب را با اندازه گیری های سریع انجام شده بر روی سخت افزار کوانتومی زیرین محاسبه کنند. این باید در فواصل کد سطحی به اندازه کافی بزرگ برای سرکوب خطاها و به طور همزمان در تمام کیوبیت های منطقی فعال به دست آید. کار قبلی عمدتاً به الگوریتم‌های تطبیق گراف مانند تطبیق کامل وزن حداقل می‌پردازد، با برخی از کارهای اخیر نیز استفاده از شبکه‌های عصبی برای این کار بررسی شده است، البته محدود به پیاده‌سازی در مقیاس کوچک.

کار ما یک چارچوب شبکه عصبی کانولوشنال جدید را برای رسیدگی به مشکلات مقیاس‌بندی که هنگام رمزگشایی کدهای سطح فواصل بزرگ با آن مواجه می‌شوند، پیشنهاد و اجرا کرد. شبکه عصبی کانولوشن یک ورودی شامل اندازه‌گیری‌های برابری تغییر یافته و همچنین ساختار مرزی کد تصحیح خطا داده شد. با توجه به پنجره محدود مشاهدات محلی که در سراسر شبکه عصبی کانولوشن رخ می دهد، یک رمزگشای پاک کننده برای تصحیح هر گونه خطای پراکنده باقی مانده که ممکن است باقی بماند استفاده شد. بر اساس آموزش دقیق بیش از 50 میلیون نمونه خطای کوانتومی تصادفی، نشان داده شد که رمزگشای ما با فاصله‌های کد بیش از 1000 (بیش از 4 میلیون کیوبیت فیزیکی) کار می‌کند، که بزرگترین نمایش رمزگشای مبتنی بر ML تا به امروز بود.

استفاده از شبکه‌های عصبی کانولوشنال و ساختار مرزی در ورودی به شبکه ما اجازه می‌دهد تا در محدوده وسیعی از فواصل کد سطحی و پیکربندی‌های مرزی اعمال شود. اتصال محلی شبکه اجازه می دهد تا زمان تاخیر کم هنگام رمزگشایی کدهای فاصله بزرگتر حفظ شود و موازی سازی را به آسانی تسهیل می کند. کار ما به یک مشکل کلیدی در استفاده از شبکه‌های عصبی برای رمزگشایی در مقیاس مسائل مورد علاقه عملی می‌پردازد و اجازه می‌دهد تحقیقات بیشتری در مورد استفاده از شبکه‌های با ساختار مشابه انجام شود.

► داده های BibTeX

@article{Gicev2023scalablefast، doi = {10.22331/q-2023-07-12-1058}، url = {https://doi.org/10.22331/q-2023-07-12-1058}، عنوان عددی = {As و رمزگشای سریع سندرم شبکه عصبی مصنوعی برای کدهای سطحی}، نویسنده = {Gicev, Spiro and Hollenberg, Lloyd CL and Usman, Muhammad}, journal = {{Quantum}}, issn = {2521-327X}, ناشر = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}، جلد = {7}، صفحات = {1058}، ماه = ژوئیه، سال = {2023} }

◄ مراجع

[1] S. Pirandola، UL Andersen، L. Banchi، M. Berta، D. Bunandar، R. Colbeck، D. Englund، T. Gehring، C. Lupo، C. Ottaviani، JL Pereira، M. رضوی، J. شمسول شعاری ، M. Tomamichel، VC Usenko، G. Vallone، P. Villoresi، و P. Wallden. "پیشرفت در رمزنگاری کوانتومی". Adv. انتخاب کنید فوتون. 12، 1012–1236 (2020).
https://doi.org/10.1364/AOP.361502

[2] یودونگ کائو، جاناتان رومرو، جاناتان پی. اولسون، ماتیاس دگروت، پیتر دی. جانسون، ماریا کیفروا، ایان دی. کیولیچان، تیم منکه، بورجا پروپادره، نیکلاس پی‌دی ساوایا، سوکین سیم، لیبور ویس، و آلان آسپورو-گوزیک. "شیمی کوانتومی در عصر محاسبات کوانتومی". بررسی های شیمیایی 119، 10856-10915 (2019).
https://doi.org/10.1021/acs.chemrev.8b00803

[3] رومان اروس، ساموئل موگل و انریکه لیزاسو. محاسبات کوانتومی برای امور مالی: بررسی اجمالی و چشم انداز بررسی‌ها در فیزیک 4، 100028 (2019).
https://doi.org/10.1016/j.revip.2019.100028

[4] کریگ گیدنی و مارتین اکراو. چگونه اعداد صحیح RSA 2048 بیتی را در 8 ساعت با استفاده از 20 میلیون کیوبیت نویز فاکتور کنیم؟ Quantum 5, 433 (2021).
https://doi.org/10.22331/q-2021-04-15-433

[5] جونهو لی، دومینیک دبلیو بری، کریگ گیدنی، ویلیام جی. هاگینز، جارود آر. مک کلین، ناتان ویبی و رایان بابش. "محاسبات کوانتومی حتی کارآمدتر شیمی از طریق ابرانقباض تانسور". PRX Quantum 2, 030305 (2021).
https://doi.org/10.1103/PRXQuantum.2.030305

[6] یووال آر. سندرز، دومینیک دبلیو. بری، پدرو سی اس کاستا، لوئیس دبلیو. تسلر، ناتان ویبه، کریگ گیدنی، هارتموت نون و رایان بابوش. "تدوین اکتشافی کوانتومی تحمل پذیر خطا برای بهینه سازی ترکیبی". PRX Quantum 1, 020312 (2020).
https://doi.org/10.1103/PRXQuantum.1.020312

[7] اریک دنیس، الکسی کیتایف، اندرو لاندال و جان پرسکیل. "حافظه کوانتومی توپولوژیکی". مجله فیزیک ریاضی 43، 4452-4505 (2002).
https://doi.org/10.1063/1.1499754

[8] کریستین کراگلوند اندرسن، آنتس رم، استفانیا لازار، سباستین کرینر، ناتان لاکروآکس، گراهام جی. نوریس، میهای گابوراک، کریستوفر آیکلر، و آندریاس والراف. «تشخیص مکرر خطای کوانتومی در یک کد سطحی». Nature Physics 16، 875–880 (2020).
https://doi.org/10.1038/s41567-020-0920-y

[9] زیجون چن، کوین جی ساتزینگر، خوان آتالایا، الکساندر ان کوروتکوف، اندرو دانسورث، دانیل سانک، کریس کوینتانا، مت مک اوون، رامی بارندز، پل وی کلیموف، و همکاران. "سرکوب نمایی خطاهای بیت یا فاز با تصحیح خطای چرخه ای". Nature 595, 383-387 (2021).
https://doi.org/10.1038/s41586-021-03588-y

[10] آستین جی. فاولر، دیوید اس. وانگ، و لوید سی‌ال هولنبرگ. "تصحیح خطای کوانتومی کد سطحی با انتشار دقیق خطا" (2010). arXiv:1004.0255.
https://doi.org/10.48550/arXiv.1004.0255
arXiv: 1004.0255

[11] آستین جی. فاولر، آدام سی وایتساید، و لوید سی‌ال هولنبرگ. "به سوی پردازش کلاسیک عملی برای کد سطح". Physical Review Letters 108 (2012).
https://doi.org/10.1103/physrevlett.108.180501

[12] آستین جی فاولر. "اصلاح پیچیدگی بهینه خطاهای مرتبط در کد سطح" (2013). arXiv:1310.0863.
https://doi.org/10.48550/arXiv.1310.0863
arXiv: 1310.0863

[13] فرن هی واتسون، حسین انور، و دن ای. براون. "رمزگشای سریع تحمل خطا برای کدهای سطح کیوبیت و کودیت". فیزیک Rev. A 92, 032309 (2015).
https://doi.org/10.1103/PhysRevA.92.032309

[14] گیوم دوکلوس سیانچی و دیوید پولن. رمزگشاهای سریع برای کدهای کوانتومی توپولوژیکی فیزیک کشیش لِت 104, 050504 (2010).
https://doi.org/10.1103/PhysRevLett.104.050504

[15] رابرت راوسندورف و جیم هرینگتون. "محاسبات کوانتومی مقاوم به خطا با آستانه بالا در دو بعد". فیزیک کشیش لِت 98, 190504 (2007).
https://doi.org/10.1103/PhysRevLett.98.190504

[16] دانیل لیتینسکی. "بازی کدهای سطحی: محاسبات کوانتومی در مقیاس بزرگ با جراحی شبکه". Quantum 3, 128 (2019).
https://doi.org/10.22331/q-2019-03-05-128

[17] ساواس وارساموپولوس، بن کریگر و کوئن برتلز. "رمزگشایی کدهای سطح کوچک با شبکه های عصبی پیشخور". علم و فناوری کوانتومی 3, 015004 (2017).
https://doi.org/10.1088/2058-9565/aa955a

[18] آمارسانا داواسورن، یاسوناری سوزوکی، کیسوکه فوجی و ماساتو کواشی. چارچوب کلی برای ساخت رمزگشای سریع و تقریباً بهینه مبتنی بر یادگیری ماشینی کدهای تثبیت کننده توپولوژیکی. فیزیک Rev. Res. 2, 033399 (2020).
https://doi.org/10.1103/PhysRevResearch.2.033399

[19] جاکومو تورلای و راجر جی ملکو. رمزگشای عصبی برای کدهای توپولوژیکی فیزیک کشیش لِت 119, 030501 (2017).
https://doi.org/10.1103/PhysRevLett.119.030501

[20] استفان کرستانوف و لیانگ جیانگ. رمزگشای احتمالی شبکه عصبی عمیق برای کدهای تثبیت کننده گزارش های علمی 7 (2017).
https://doi.org/10.1038/s41598-017-11266-1

[21] پل بایروتر، توماس ای. اوبراین، برایان تاراسینسکی و کارلو دبلیو جی بیناکر. تصحیح خطاهای کیوبیت همبسته در یک کد توپولوژیکی به کمک یادگیری ماشینی. Quantum 2, 48 (2018).
https://doi.org/10.22331/q-2018-01-29-48

[22] دباسمیتا بومیک، پیناکی سن، ریتاجیت ماجومدار، سوسمیتا سور کولای، لاتش کومار کی جی، و سونداراجا سیتاراما آیینگار. "رمزگشایی کارآمد سندرم های کد سطحی برای تصحیح خطا در محاسبات کوانتومی" (2021). arXiv:2110.10896.
https://doi.org/10.48550/arXiv.2110.10896
arXiv: 2110.10896

[23] رایان سوکه، مارکوس اس کسلرینگ، اورت پی‌ال ون نیوونبرگ، و ینس آیسرت. رمزگشاهای یادگیری تقویتی برای محاسبات کوانتومی مقاوم به خطا یادگیری ماشین: علم و فناوری 2، 025005 (2020).
https://doi.org/10.1088/2632-2153/abc609

[24] الیشا صدیقی ماتکول، استر یه، رامیا ایر و ساموئل ین-چی چن. "رمزگشایی کدهای سطحی با یادگیری تقویتی عمیق و استفاده مجدد از سیاست احتمالی" (2022). arXiv:2212.11890.
https://doi.org/10.48550/arXiv.2212.11890
arXiv: 2212.11890

[25] رامون دبلیو جی اوورواتر، مسعود بابایی و فابیو سباستیانو. رمزگشاهای شبکه عصبی برای تصحیح خطای کوانتومی با استفاده از کدهای سطحی: کاوش فضایی مبادلات هزینه-عملکرد سخت افزاری. IEEE Transactions on Quantum Engineering 3، 1-19 (2022).
https://doi.org/10.1109/TQE.2022.3174017

[26] Kai Meinerz، Chae-Yeun Park، و Simon Trebst. "رمزگشا عصبی مقیاس پذیر برای کدهای سطح توپولوژیکی". فیزیک کشیش لِت 128, 080505 (2022).
https://doi.org/10.1103/PhysRevLett.128.080505

[27] S. Varsamopoulos، K. Bertels، و C. Almudever. "مقایسه رمزگشاهای مبتنی بر شبکه عصبی برای کد سطح". IEEE Transactions on Computers 69, 300–311 (2020).
https://doi.org/10.1109/TC.2019.2948612

[28] اسکار هیگوت "Pymatching: یک بسته پایتون برای رمزگشایی کدهای کوانتومی با تطابق کامل با حداقل وزن" (2021). arXiv:2105.13082.
https://doi.org/10.48550/arXiv.2105.13082
arXiv: 2105.13082

[29] کریستوفر چمبرلند و پویا روناق. رمزگشاهای عصبی عمیق برای آزمایش‌های کوتاه مدت مقاوم به خطا علوم و فناوری کوانتومی 3, 044002 (2018).
https://doi.org/10.1088/2058-9565/aad1f7

[30] دانیل گوتسمن. "کدهای تثبیت کننده و تصحیح خطای کوانتومی" (1997). arXiv:quant-ph/9705052.
https://doi.org/10.48550/arXiv.quant-ph/9705052
arXiv:quant-ph/9705052

[31] چارلز دی. هیل، الداد پرتز، ساموئل جی هیل، متیو جی. هاوس، مارتین فوچسل، سون روگ، میشل وای سیمونز، و لوید سی.ال. هولنبرگ. کامپیوتر کوانتومی کد سطحی در سیلیکون Science Advances 1, e1500707 (2015).
https://doi.org/10.1126/sciadv.1500707

[32] G. Pica، BW Lovett، RN Bhatt، T. Schenkel، و SA Lyon. "معماری کد سطحی برای اهدا کننده ها و نقاط در سیلیکون با کوپلینگ های کیوبیت غیر دقیق و غیر یکنواخت". فیزیک Rev. B 93, 035306 (2016).
https://doi.org/10.1103/PhysRevB.93.035306

[33] چارلز دی. هیل، محمد عثمان، و لوید سی ال هولنبرگ. "معماری کامپیوتر کوانتومی کد سطحی مبتنی بر تبادل در سیلیکون" (2021). arXiv:2107.11981.
https://doi.org/10.48550/arXiv.2107.11981
arXiv: 2107.11981

[34] کریستوفر چمبرلند، گوانیو ژو، تئودور جی یودر، جرد بی. هرتزبرگ و اندرو دبلیو کراس. "کدهای توپولوژیکی و زیرسیستم در نمودارهای درجه پایین با کیوبیت پرچم". فیزیک Rev. X 10, 011022 (2020).
https://doi.org/10.1103/PhysRevX.10.011022

[35] H. Bombin، Ruben S. Andrist، Masayuki Ohzeki، Helmut G. Katzgraber، و MA Martin-Delgado. "تاب آوری قوی کدهای توپولوژیک در برابر دپلاریزاسیون". فیزیک Rev. X 2, 021004 (2012).
https://doi.org/10.1103/PhysRevX.2.021004

[36] اشلی ام استفنز. "آستانه های تحمل خطا برای تصحیح خطای کوانتومی با کد سطح". فیزیک Rev. A 89, 022321 (2014).
https://doi.org/10.1103/PhysRevA.89.022321

[37] دیوید اس. وانگ، آستین جی. فاولر، و لوید سی ال هولنبرگ. "محاسبات کوانتومی کد سطحی با نرخ خطا بیش از 1٪". فیزیک Rev. A 83, 020302 (2011).
https://doi.org/10.1103/PhysRevA.83.020302

[38] آستین جی فاولر و کریگ گیدنی. "محاسبات کوانتومی کم سربار با استفاده از جراحی شبکه" (2019). arXiv:1808.06709.
https://doi.org/10.48550/arXiv.1808.06709
arXiv: 1808.06709

[39] آستین جی. فاولر، ماتئو ماریانتونی، جان ام. مارتینیس، و اندرو ان. کلیلند. "کدهای سطحی: به سوی محاسبات کوانتومی در مقیاس بزرگ". بررسی فیزیکی A 86 (2012).
https://doi.org/10.1103/physreva.86.032324

[40] شیائوتنگ نی. رمزگشاهای شبکه عصبی برای کدهای توریک 2 بعدی در فواصل بزرگ. 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 و FT Chong. Nisq+: افزایش قدرت محاسباتی کوانتومی با تصحیح تقریبی خطای کوانتومی. در سال 2020 ACM/IEEE چهل و هفتمین سمپوزیوم سالانه بین المللی معماری کامپیوتر (ISCA). صفحات 47–556. لوس آلامیتوس، کالیفرنیا، ایالات متحده آمریکا (569). انجمن کامپیوتر IEEE
https://doi.org/10.1109/ISCA45697.2020.00053

[42] کریستین کراگلاند اندرسن، آنتس رم، استفانیا لازار، سباستین کرینر، یوهانس هاینسو، ژان کلود بس، میهای گابوراک، آندریاس والراف و کریستوفر آیشلر. "تثبیت درهم تنیدگی با استفاده از تشخیص برابری مبتنی بر ancilla و بازخورد بلادرنگ در مدارهای ابررسانا". npj Quantum Information 5 (2019).
https://doi.org/10.1038/s41534-019-0185-4

[43] مارتین آبادی، آشیش آگاروال، پل برهام، یوجین برودو، ژیفنگ چن، کریگ سیترو، گرگ اس. کورادو، اندی دیویس، جفری دین، متیو دوین، سانجی قماوات، ایان گودفلو، اندرو هارپ، جفری ایروینگ، مایکل ایزارد، یانگ رافال ژوزفوویچ، لوکاس قیصر، مانجونات کودلور، جاش لونبرگ، دن مانه، راجات مونگا، شری مور، درک موری، کریس اولاه، مایک شوستر، جاناتون شلنز، بنویت اشتاینر، ایلیا سوتسکور، کونال تالوار، پل وانهوسوکه وین، ، فرناندا ویگاس، اوریول وینیالز، پیت واردن، مارتین واتنبرگ، مارتین ویکه، یوان یو و شیائوکیانگ ژنگ. "Tensorflow: یادگیری ماشینی در مقیاس بزرگ در سیستم های توزیع ناهمگن" (2016). arXiv:1603.04467.
https://doi.org/10.48550/arXiv.1603.04467
arXiv: 1603.04467

[44] نیکلاس دلفوس و نائومی اچ. نیکرسون. "الگوریتم رمزگشایی زمان تقریبا خطی برای کدهای توپولوژیکی". Quantum 5, 595 (2021).
https://doi.org/10.22331/q-2021-12-02-595

[45] تاکاشی کوبایاشی، جوزف سلفی، کاساندرا چوا، جوست ون در هایدن، متیو جی هاوس، دیمیتری کولسر، وین دی. هاچیسون، برت سی جانسون، جف سی مک کالوم، هلگه ریمان، نیکولای وی. آبروسیموف، پیتر بکر، هانس- یواخیم پول، میشل وای سیمونز و سون روگ. مهندسی زمان انسجام چرخش طولانی کیوبیت‌های اسپین مدار در سیلیکون مواد Nature 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 و Benjamin J. Brown. "کد سطح XZZX". Nature Communications 12 (2021).
https://doi.org/10.1038/s41467-021-22274-1

[47] Dmitri E. Nikonov و Ian A. Young. "معیار تاخیر و انرژی مدارهای استنتاج عصبی". مجله IEEE در مورد دستگاه ها و مدارهای محاسباتی حالت جامد اکتشافی 5، 75-84 (2019).
https://doi.org/10.1109/JXCDC.2019.2956112

[48] آستین جی فاولر. «حداقل وزن تطابق کامل تصحیح خطای کوانتومی توپولوژیکی تحمل‌پذیر خطا در میانگین زمان موازی $o(1)$» (2014). arXiv:1307.1740.
https://doi.org/10.48550/arXiv.1307.1740
arXiv: 1307.1740

[49] ودران دانکو و هانس جی بریگل. "یادگیری ماشین و هوش مصنوعی در حوزه کوانتومی: مروری بر پیشرفت های اخیر". گزارش های پیشرفت در فیزیک 81، 074001 (2018).
https://doi.org/10.1088/1361-6633/aab406

[50] لایا دومینگو کولومر، میکالیس اسکوتینیوتس و رامون مونوز تاپیا. "یادگیری تقویتی برای تصحیح خطای بهینه کدهای توریک". Physics Letters A 384, 126353 (2020).
https://doi.org/10.1016/j.physleta.2020.126353

[51] میلاپ شث، سارا ظفر جعفرزاده و ولاد قورقیو. "رمزگشایی مجموعه عصبی برای کدهای تصحیح خطای کوانتومی توپولوژیکی". فیزیک Rev. A 101, 032338 (2020).
https://doi.org/10.1103/PhysRevA.101.032338

[52] دیوید فیتزک، ماتیاس الیسون، آنتون فریسک کوکام و متس گرانات. رمزگشای عمیق q-learning برای دپلاریزاسیون نویز روی کد توریک. فیزیک Rev. Res. 2, 023230 (2020).
https://doi.org/10.1103/PhysRevResearch.2.023230

[53] ساواس وارساموپولوس، کوئن برتلز و کارمن جی آلمودور. رمزگشایی کد سطحی با رمزگشای مبتنی بر شبکه عصبی توزیع شده هوش ماشین کوانتومی 2، 1-12 (2020).
https://doi.org/10.1007/s42484-020-00015-9

[54] توماس واگنر، هرمان کامپرمن و داگمار بروس. "تقارن برای رمزگشای عصبی سطح بالا در کد توریک". فیزیک Rev. A 102, 042411 (2020).
https://doi.org/10.1103/PhysRevA.102.042411

[55] فیلیپ آندریسون، جوئل یوهانسون، سیمون لیلجستراند و متس گرانات. تصحیح خطای کوانتومی برای کد توریک با استفاده از یادگیری تقویتی عمیق. Quantum 3, 183 (2019).
https://doi.org/10.22331/q-2019-09-02-183

[56] نیکولاس پی بروکمن و شیائوتنگ نی. رمزگشاهای شبکه عصبی مقیاس پذیر برای کدهای کوانتومی با ابعاد بالاتر Quantum 2, 68 (2018).
https://doi.org/10.22331/q-2018-05-24-68

ذکر شده توسط

[1] کریستوفر چمبرلند، لوئیس گونکالوز، پراسانت سیوارجاه، اریک پترسون و سباستین گریمبرگ، "تکنیک‌هایی برای ترکیب رمزگشاهای سریع محلی با رمزگشاهای جهانی تحت نویز سطح مدار". arXiv: 2208.01178, (2022).

[2] ساموئل سی. اسمیت، بنجامین جی. براون، و استفن دی. بارتلت، "پیش رمزگشای محلی برای کاهش پهنای باند و تاخیر تصحیح خطای کوانتومی"، بررسی فیزیکی اعمال شده 19 3, 034050 (2023).

[3] Xinyu Tan، Fang Zhang، Rui Chao، Yaoyun Shi، و Jianxin Chen، "رمزگشاهای کد سطحی مقیاس پذیر با موازی سازی در زمان" arXiv: 2209.09219, (2022).

[4] ماکسول تی وست، سارا ام. عرفانی، کریستوفر لکی، مارتین سویور، لوید سی‌ال هولنبرگ و محمد عثمان، «معیارسازی یادگیری ماشین کوانتومی قوی در مقیاس» تحقیقات مروری فیزیکی 5 2، 023186 (2023).

[5] Yosuke Ueno، Masaaki Kondo، Masamitsu Tanaka، Yasunari Suzuki و Yutaka Tabuchi، "NEO-QEC: رمزگشای ابررسانای آنلاین پیشرفته شبکه عصبی برای کدهای سطحی"، arXiv: 2208.05758, (2022).

[6] Mengyu Zhang، Xiangyu Ren، Guannglei Xi، Zhenxing Zhang، Qiaonian Yu، Fuming Liu، Hualiang Zhang، Shengyu Zhang، و Yi-Cong Zheng، "رمزگشای عصبی مقیاس پذیر، سریع و قابل برنامه ریزی برای محاسبات کوانتومی با تحمل خطا با استفاده از سطح کدها» arXiv: 2305.15767, (2023).

[7] کارل هامار، الکسی اورخوف، پاتریک والین هیبلیوس، آنا کاتارینا ویزاکانتو، باسودا سریواستاوا، آنتون فریسک کوکام و متس گرانات، "رمزگشایی کدهای تثبیت کننده توپولوژیکی با نرخ خطا". بررسی فیزیکی A 105 4, 042616 (2022).

[8] ماکسول تی وست و محمد عثمان، «چارچوبی برای اندازه‌شناسی فضایی اهداکننده-کوبیت در سیلیکون با اعماق نزدیک به حد حجیم»، بررسی فیزیکی اعمال شده 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 و Muhammad Usman، "به سوی استحکام خصمانه تقویت شده کوانتومی در یادگیری ماشین". arXiv: 2306.12688, (2023).

[10] موریتز لانگ، پونتوس هاوستروم، باسودا سریواستاوا، والدمار برجنتال، کارل هامار، اولیویا هیتس، اورت ون نیوونبرگ و متس گرانات، «رمزگشایی کدهای تصحیح خطای کوانتومی مبتنی بر داده با استفاده از شبکه‌های عصبی گراف». arXiv: 2307.01241, (2023).

نقل قول های بالا از SAO/NASA Ads (آخرین به روز رسانی با موفقیت 2023-07-12 14:31:13). فهرست ممکن است ناقص باشد زیرا همه ناشران داده های استنادی مناسب و کاملی را ارائه نمی دهند.

واکشی نشد داده های استناد شده متقاطع در آخرین تلاش 2023-07-12 14:31:11: داده های استناد شده برای 10.22331/q-2023-07-12-1058 از Crossref دریافت نشد. اگر DOI اخیراً ثبت شده باشد، طبیعی است.

این مقاله در Quantum تحت عنوان منتشر شده است Creative Commons Attribution 4.0 International (CC BY 4.0) مجوز. حق چاپ نزد دارندگان حق چاپ اصلی مانند نویسندگان یا مؤسسات آنها باقی می ماند.

محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
PlatoESG. خودرو / خودروهای الکتریکی، کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
BlockOffsets. نوسازی مالکیت افست زیست محیطی. دسترسی به اینجا.
منبع: https://quantum-journal.org/papers/q-2023-07-12-1058/

تمبر زمان: ژوئیه 12، 2023

تمبر زمان: فوریه 2، 2023

رمزگشای سندرم شبکه عصبی مصنوعی مقیاس پذیر و سریع برای کدهای سطحی

بازنشر افلاطون

چکیده

خلاصه محبوب

► داده های BibTeX

◄ مراجع

ذکر شده توسط

بیشتر از مجله کوانتومی

کمی سازی منابع مبتنی بر فاصله برای مجموعه های اندازه گیری کوانتومی

دقت بهبود یافته برای شبیه سازی تروتر با استفاده از درون یابی Chebyshev

طرح‌های الحاق برای تصحیح خطای کوانتومی مقاوم به خطای توپولوژیکی

قیمت گذاری مشتق با استفاده از پردازش سیگنال کوانتومی

در مورد آزمایش ماهیت کوانتومی برهمکنش های گرانشی در حضور اصلاحات غیرخطی به مکانیک کوانتومی

بهینه سازی کوانتومی برابری: کامپایلر

برش گیت های کوانتومی چند کنترلی با حساب ZX

رمزگذاری اطلاعات بهینه کوانتومی با استفاده از اپتیک خطی غیرفعال نویزدار

روش دقیق و کارآمد Lanczos در کامپیوتر کوانتومی

TensorCircuit: یک چارچوب نرم افزاری کوانتومی برای عصر NISQ

درباره‌ ما

جستجوی عمودی و هوش مصنوعی

سکو

همیشه در ارتباط ماندن

حساب