Dekoder sindrom jaringan saraf tiruan yang dapat diskalakan dan cepat untuk kode permukaan

Dekoder sindrom jaringan saraf tiruan yang dapat diskalakan dan cepat untuk kode permukaan

Stempel Waktu: 12 Juli 2023 10:23

Spiro Gicev1, Lloyd CL Hollenberg1, dan Muhammad Usman1,2,3

1Pusat Komputasi Kuantum dan Teknologi Komunikasi, Sekolah Fisika, Universitas Melbourne, Parkville, 3010, VIC, Australia.
2Sekolah Komputasi dan Sistem Informasi, Sekolah Teknik Melbourne, Universitas Melbourne, Parkville, 3010, VIC, Australia
3Data61, CSIRO, Clayton, 3168, VIC, Australia

Apakah makalah ini menarik atau ingin dibahas? Scite atau tinggalkan komentar di SciRate.

Abstrak

Koreksi kesalahan kode permukaan menawarkan jalur yang sangat menjanjikan untuk mencapai komputasi kuantum yang toleran terhadap kesalahan yang dapat diskalakan. Ketika dioperasikan sebagai kode penstabil, perhitungan kode permukaan terdiri dari langkah decoding sindrom di mana operator penstabil terukur digunakan untuk menentukan koreksi yang tepat untuk kesalahan dalam qubit fisik. Algoritme decoding telah mengalami perkembangan substansial, dengan pekerjaan terbaru menggabungkan teknik pembelajaran mesin (ML). Terlepas dari hasil awal yang menjanjikan, decoder sindrom berbasis ML masih terbatas pada demonstrasi skala kecil dengan latensi rendah dan tidak mampu menangani kode permukaan dengan kondisi batas dan berbagai bentuk yang diperlukan untuk operasi kisi dan jalinan. Di sini, kami melaporkan pengembangan dekoder sindrom jaringan syaraf tiruan (ANN) yang dapat diskalakan dan cepat yang mampu mendekode kode permukaan dengan bentuk dan ukuran sewenang-wenang dengan qubit data yang menderita model kesalahan depolarisasi. Berdasarkan pelatihan ketat lebih dari 50 juta contoh kesalahan kuantum acak, dekoder ANN kami terbukti bekerja dengan jarak kode melebihi 1000 (lebih dari 4 juta qubit fisik), yang merupakan demonstrasi dekoder berbasis ML terbesar hingga saat ini. Dekoder ANN yang mapan menunjukkan waktu eksekusi pada prinsipnya terlepas dari jarak kode, menyiratkan bahwa implementasinya pada perangkat keras khusus berpotensi menawarkan waktu dekode kode permukaan O($mu$sec), sepadan dengan waktu koherensi qubit yang dapat direalisasikan secara eksperimental. Dengan peningkatan skala prosesor kuantum yang diantisipasi dalam dekade berikutnya, augmentasi mereka dengan dekoder sindrom yang cepat dan dapat diskalakan seperti yang dikembangkan dalam pekerjaan kami diharapkan memainkan peran yang menentukan menuju implementasi eksperimental pemrosesan informasi kuantum yang toleran terhadap kesalahan.

Dekoder sindrom jaringan saraf tiruan yang skalabel dan cepat untuk kode permukaan PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Gambar unggulan: Kerangka dekoder jaringan syaraf tiruan untuk koreksi kesalahan yang cepat dan dapat diskalakan.

Ringkasan populer

Keakuratan perangkat kuantum generasi saat ini mengalami gangguan atau kesalahan. Kode koreksi kesalahan kuantum seperti kode permukaan dapat digunakan untuk mendeteksi dan memperbaiki kesalahan. Langkah penting dalam penerapan skema kode permukaan adalah decoding, algoritme yang menggunakan informasi kesalahan yang diukur langsung dari komputer kuantum untuk menghitung koreksi yang sesuai. Untuk menyelesaikan masalah yang disebabkan oleh derau secara efektif, dekoder perlu menghitung koreksi yang sesuai dengan kecepatan pengukuran cepat yang dilakukan pada perangkat keras kuantum yang mendasarinya. Ini perlu dicapai pada jarak kode permukaan yang cukup besar untuk menekan kesalahan secara memadai dan secara bersamaan di semua qubit logis yang aktif. Pekerjaan sebelumnya terutama melihat algoritma pencocokan grafik seperti pencocokan sempurna berat minimum, dengan beberapa pekerjaan terbaru juga menyelidiki penggunaan jaringan saraf untuk tugas ini, meskipun terbatas pada implementasi skala kecil.

Pekerjaan kami mengusulkan dan menerapkan kerangka kerja jaringan saraf konvolusional baru untuk mengatasi masalah penskalaan yang dihadapi saat mendekode kode permukaan jarak jauh. Jaringan saraf convolutional diberi input yang terdiri dari pengukuran paritas yang diubah, serta struktur batas kode koreksi kesalahan. Mengingat jendela terbatas pengamatan lokal yang terjadi di seluruh jaringan saraf konvolusional, dekoder mop-up digunakan untuk memperbaiki kesalahan sisa yang mungkin tersisa. Berdasarkan pelatihan ketat lebih dari 50 juta contoh kesalahan kuantum acak, dekoder kami terbukti bekerja dengan jarak kode melebihi 1000 (lebih dari 4 juta qubit fisik), yang merupakan demonstrasi dekoder berbasis ML terbesar hingga saat ini.

Penggunaan jaringan saraf konvolusional dan struktur batas dalam input memungkinkan jaringan kami diterapkan pada berbagai jarak kode permukaan dan konfigurasi batas. Konektivitas lokal jaringan memungkinkan latensi rendah dipertahankan saat mendekode kode jarak yang lebih besar dan dengan mudah memfasilitasi paralelisasi. Pekerjaan kami membahas masalah utama dalam penggunaan jaringan saraf untuk decoding pada skala masalah kepentingan praktis dan memungkinkan penelitian lebih lanjut yang melibatkan penggunaan jaringan dengan struktur serupa.

► data BibTeX

► Referensi

[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, and P. Wallden. "Kemajuan dalam kriptografi kuantum". Lanjut Memilih. 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, and Alán Aspuru-Guzik. "Kimia kuantum di era komputasi kuantum". Ulasan Bahan Kimia 119, 10856–10915 (2019).
https: / / doi.org/ 10.1021 / acs.chemrev.8b00803

[3] Román Orus, Samuel Mugel, dan Enrique Lizaso. "Komputasi kuantum untuk keuangan: Tinjauan dan prospek". Ulasan dalam Fisika 4, 100028 (2019).
https: / / doi.org/ 10.1016 / j.revip.2019.100028

[4] Craig Gidney dan Martin Ekerå. “Bagaimana memfaktorkan bilangan bulat RSA 2048 bit dalam 8 jam menggunakan 20 juta qubit yang berisik”. Kuantum 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, and Ryan Babbush. "Komputasi kimia kuantum yang lebih efisien melalui hiperkontraksi tensor". 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, dan Ryan Babbush. "Kompilasi heuristik kuantum yang toleran terhadap kesalahan untuk optimisasi kombinatorial". PRX Kuantum 1, 020312 (2020).
https: / / doi.org/ 10.1103 / PRXQuantum.1.020312

[7] Eric Dennis, Alexei Kitaev, Andrew Landahl, and John Preskill. "Memori kuantum topologi". Jurnal Fisika Matematika 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, and Andreas Wallraff. "Deteksi kesalahan kuantum berulang dalam kode permukaan". Fisika Alam 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, dkk. "Penindasan kesalahan bit atau fase secara eksponensial dengan koreksi kesalahan siklik". Alam 595, 383–387 (2021).
https: / / doi.org/ 10.1038 / s41586-021-03588-y

[10] Austin G. Fowler, David S. Wang, dan Lloyd CL Hollenberg. "Koreksi kesalahan kuantum kode permukaan menggabungkan propagasi kesalahan yang akurat" (2010). arXiv:1004.0255.
https://​/​doi.org/​10.48550/​arXiv.1004.0255
arXiv: 1004.0255

[11] Austin G. Fowler, Adam C. Whiteside, dan Lloyd CL Hollenberg. "Menuju pemrosesan klasik praktis untuk kode permukaan". Surat Tinjauan Fisik 108 (2012).
https: / / doi.org/ 10.1103 / physrevlett.108.180501

[12] Austin G. Fowler. “Koreksi kompleksitas optimal dari kesalahan berkorelasi dalam kode permukaan” (2013). arXiv:1310.0863.
https://​/​doi.org/​10.48550/​arXiv.1310.0863
arXiv: 1310.0863

[13] Fern HE Watson, Hussain Anwar, dan Dan E. Browne. "Decoder toleran kesalahan cepat untuk kode permukaan qubit dan qudit". Fisika. Pdt. A 92, 032309 (2015).
https: / / doi.org/ 10.1103 / PhysRevA.92.032309

[14] Guillaume Duclos-Cianci dan David Poulin. "Decoder cepat untuk kode kuantum topologi". Fisika. Pendeta Lett. 104, 050504 (2010).
https: / / doi.org/ 10.1103 / PhysRevLett.104.050504

[15] Robert Raussendorf dan Jim Harrington. "Komputasi kuantum toleran kesalahan dengan ambang batas tinggi dalam dua dimensi". Fisika. Pendeta Lett. 98, 190504 (2007).
https: / / doi.org/ 10.1103 / PhysRevLett.98.190504

[16] Daniel Litinsky. "Permainan kode permukaan: Komputasi kuantum skala besar dengan operasi kisi". Kuantum 3, 128 (2019).
https:/​/​doi.org/​10.22331/​q-2019-03-05-128

[17] Savvas Varsamopoulos, Ben Criger, dan Koen Bertels. "Decoding kode permukaan kecil dengan jaringan saraf feedforward". Sains dan Teknologi Kuantum 3, 015004 (2017).
https: / / doi.org/ 10.1088 / 2058-9565 / aa955a

[18] Amarsanaa Davaasuren, Yasunari Suzuki, Keisuke Fujii, and Masato Koashi. “Kerangka kerja umum untuk membuat dekoder berbasis pembelajaran mesin yang cepat dan hampir optimal dari kode penstabil topologi”. Fisika. Pdt.Res. 2, 033399 (2020).
https: / / doi.org/ 10.1103 / PhysRevResearch.2.033399

[19] Giacomo Torlai dan Roger G. Melko. "Dekoder saraf untuk kode topologi". Fisika. Pendeta Lett. 119, 030501 (2017).
https: / / doi.org/ 10.1103 / PhysRevLett.119.030501

[20] Stefan Krastanov dan Liang Jiang. "Dekoder probabilistik jaringan saraf dalam untuk kode penstabil". Laporan Ilmiah 7 (2017).
https:/​/​doi.org/​10.1038/​s41598-017-11266-1

[21] Paul Baireuther, Thomas E. O'Brien, Brian Tarasinski, dan Carlo WJ Beenakker. “Koreksi berbantuan pembelajaran mesin dari kesalahan qubit berkorelasi dalam kode topologi”. Kuantum 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, and Sundaraja Sitharama Iyengar. “Dekode yang efisien dari sindrom kode permukaan untuk koreksi kesalahan dalam komputasi kuantum” (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, dan Jens Eisert. "Dekoder pembelajaran penguatan untuk perhitungan kuantum yang toleran terhadap kesalahan". Pembelajaran Mesin: Sains dan Teknologi 2, 025005 (2020).
https://doi.org/​10.1088/​2632-2153/​abc609

[24] Elisha Siddiqui Matekole, Esther Ye, Ramya Iyer, and Samuel Yen-Chi Chen. “Mendekodekan kode permukaan dengan pembelajaran penguatan mendalam dan penggunaan kembali kebijakan probabilistik” (2022). arXiv:2212.11890.
https://​/​doi.org/​10.48550/​arXiv.2212.11890
arXiv: 2212.11890

[25] Ramon WJ Overwater, Masoud Babaie, and Fabio Sebastiano. "Dekoder jaringan saraf untuk koreksi kesalahan kuantum menggunakan kode permukaan: Eksplorasi ruang angkasa dari pengorbanan kinerja biaya perangkat keras". Transaksi IEEE pada Quantum Engineering 3, 1–19 (2022).
https: / / doi.org/ 10.1109 / TQE.2022.3174017

[26] Kai Meinerz, Taman Chae-Yeun, dan Simon Trebst. "Dekoder saraf yang dapat diskalakan untuk kode permukaan topologi". Fisika. Pendeta Lett. 128, 080505 (2022).
https: / / doi.org/ 10.1103 / PhysRevLett.128.080505

[27] S. Varsamopoulos, K. Bertels, dan C. Almudever. "Membandingkan decoder berbasis jaringan saraf untuk kode permukaan". Transaksi IEEE di Komputer 69, 300–311 (2020).
https: / / doi.org/ 10.1109 / TC.2019.2948612

[28] Oscar Higgott. “Pymatching: Paket python untuk mendekode kode kuantum dengan pencocokan sempurna berbobot minimum” (2021). arXiv:2105.13082.
https://​/​doi.org/​10.48550/​arXiv.2105.13082
arXiv: 2105.13082

[29] Christopher Chamberland dan Pooya Ronagh. "Decoder saraf yang dalam untuk percobaan toleran kesalahan jangka pendek". Sains dan Teknologi Kuantum 3, 044002 (2018).
https:/​/​doi.org/​10.1088/​2058-9565/​aad1f7

[30] Daniel Gottsman. "Kode stabilizer dan koreksi kesalahan kuantum" (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, dan Lloyd CL Hollenberg. "Komputer kuantum kode permukaan dalam silikon". Kemajuan Sains 1, e1500707 (2015).
https: / / doi.org/ 10.1126 / sciadv.1500707

[32] G.Pica, BW Lovett, RN Bhatt, T.Schenkel, dan SA Lyon. "Arsitektur kode permukaan untuk donor dan titik dalam silikon dengan sambungan qubit yang tidak tepat dan tidak seragam". Fisika. Rev.B 93, 035306 (2016).
https://​/​doi.org/​10.1103/​PhysRevB.93.035306

[33] Charles D. Hill, Muhammad Usman, dan Lloyd CL Hollenberg. “Arsitektur komputer kuantum kode permukaan berbasis pertukaran dalam silikon” (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, and Andrew W. Cross. "Kode topologi dan subsistem pada grafik tingkat rendah dengan qubit bendera". Fisika. Pdt. X 10, 011022 (2020).
https: / / doi.org/ 10.1103 / PhysRevX.10.011022

[35] H. Bombin, Ruben S. Andrist, Masayuki Ohzeki, Helmut G. Katzgraber, and MA Martin-Delgado. "Ketahanan yang kuat dari kode topologi untuk depolarisasi". Fisika. Pdt.X 2, 021004 (2012).
https: / / doi.org/ 10.1103 / PhysRevX.2.021004

[36] Ashley M. Stephens. "Ambang toleransi kesalahan untuk koreksi kesalahan kuantum dengan kode permukaan". Fisika. Rev A 89, 022321 (2014).
https: / / doi.org/ 10.1103 / PhysRevA.89.022321

[37] David S. Wang, Austin G. Fowler, dan Lloyd CL Hollenberg. "Komputasi kuantum kode permukaan dengan tingkat kesalahan lebih dari 1%". Fisika. Rev A 83, 020302 (2011).
https: / / doi.org/ 10.1103 / PhysRevA.83.020302

[38] Austin G. Fowler dan Craig Gidney. “Komputasi kuantum overhead rendah menggunakan operasi kisi” (2019). arXiv:1808.06709.
https://​/​doi.org/​10.48550/​arXiv.1808.06709
arXiv: 1808.06709

[39] Austin G. Fowler, Matteo Mariantoni, John M. Martinis, and Andrew N. Cleland. "Kode permukaan: Menuju komputasi kuantum skala besar yang praktis". Tinjauan Fisik A 86 (2012).
https: / / doi.org/ 10.1103 / physreva.86.032324

[40] Xiaotong Ni. "Decoder jaringan saraf untuk kode toric 2d jarak jauh". Kuantum 4, 310 (2020).
https:/​/​doi.org/​10.22331/​q-2020-08-24-310

[41] A. Holmes, M. Jokar, G. Pasandi, Y. Ding, M. Pedram, and FT Chong. “Nisq+: Meningkatkan daya komputasi kuantum dengan memperkirakan koreksi kesalahan kuantum”. Pada tahun 2020 ACM/​IEEE 47th Annual International Symposium on Computer Architecture (ISCA). Halaman 556–569. Los Alamitos, CA, AS (2020). Masyarakat Komputer IEEE.
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, and Christopher Eichler. "Stabilisasi keterikatan menggunakan deteksi paritas berbasis ancilla dan umpan balik waktu nyata di sirkuit superkonduktor". 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, and Xiaoqiang Zheng. “Tensorflow: Pembelajaran mesin skala besar pada sistem terdistribusi heterogen” (2016). arXiv:1603.04467.
https://​/​doi.org/​10.48550/​arXiv.1603.04467
arXiv: 1603.04467

[44] Nicolas Delfosse dan Naomi H. Nickerson. "Algoritma decoding waktu hampir linier untuk kode topologi". Kuantum 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, and Sven Rogge. "Rekayasa waktu koherensi putaran panjang spin-orbit qubit dalam silikon". Bahan Alam 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, dan Benjamin J. Brown. "Kode permukaan XZZX". Komunikasi Alam 12 (2021).
https:/​/​doi.org/​10.1038/​s41467-021-22274-1

[47] Dmitri E. Nikonov dan Ian A. Young. "Pembandingan penundaan dan energi sirkuit inferensi saraf". Jurnal IEEE tentang Sirkuit dan Perangkat Komputasi Solid-State Eksplorasi 5, 75–84 (2019).
https://​/​doi.org/​10.1109/​JXCDC.2019.2956112

[48] Austin G. Fowler. “Pencocokan sempurna bobot minimum dari koreksi kesalahan kuantum topologi yang toleran terhadap kesalahan dalam rata-rata $o(1)$ waktu paralel” (2014). arXiv:1307.1740.
https://​/​doi.org/​10.48550/​arXiv.1307.1740
arXiv: 1307.1740

[49] Vedran Dunjko dan Hans J Briegel. "Pembelajaran mesin & kecerdasan buatan dalam domain kuantum: tinjauan kemajuan terkini". Laporan Kemajuan Fisika 81, 074001 (2018).
https: / / doi.org/ 10.1088 / 1361-6633 / aab406

[50] Laia Domingo Colomer, Michalis Skotiniotis, and Ramon Muñoz-Tapia. "Pembelajaran penguatan untuk koreksi kesalahan yang optimal dari kode toric". Fisika Huruf A 384, 126353 (2020).
https: / / doi.org/ 10.1016 / j.physleta.2020.126353

[51] Milap Sheth, Sara Zafar Jafarzadeh, and Vlad Gheorghiu. "Decoding ansambel saraf untuk kode koreksi kesalahan kuantum topologi". Fisika. Pdt A 101, 032338 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.101.032338

[52] David Fitzek, Mattias Eliasson, Anton Frisk Kockum, dan Mats Granath. "Decoder q-learning mendalam untuk depolarisasi kebisingan pada kode toric". Fisika. Pdt.Res. 2, 023230 (2020).
https: / / doi.org/ 10.1103 / PhysRevResearch.2.023230

[53] Savvas Varsamopoulos, Koen Bertels, and Carmen G Almudever. "Mendekodekan kode permukaan dengan dekoder berbasis jaringan saraf terdistribusi". Quantum Machine Intelligence 2, 1–12 (2020).
https:/​/​doi.org/​10.1007/​s42484-020-00015-9

[54] Thomas Wagner, Hermann Kampermann, dan Dagmar Bruß. "Simetri untuk decoder saraf tingkat tinggi pada kode toric". Fisika. Rev A 102, 042411 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.102.042411

[55] Philip Andreasson, Joel Johansson, Simon Liljestrand, dan Mats Granath. "Koreksi kesalahan kuantum untuk kode toric menggunakan pembelajaran penguatan mendalam". Kuantum 3, 183 (2019).
https:/​/​doi.org/​10.22331/​q-2019-09-02-183

[56] Nikolas P. Breuckmann dan Xiaotong Ni. "Dekoder jaringan saraf yang dapat diskalakan untuk kode kuantum berdimensi lebih tinggi". Kuantum 2, 68 (2018).
https:/​/​doi.org/​10.22331/​q-2018-05-24-68

Dikutip oleh

[1] Christopher Chamberland, Luis Goncalves, Prasahnt Sivarajah, Eric Peterson, dan Sebastian Grimberg, “Teknik untuk menggabungkan dekoder lokal cepat dengan dekoder global di bawah kebisingan tingkat sirkuit”, arXiv: 2208.01178, (2022).

[2] Samuel C. Smith, Benjamin J. Brown, dan Stephen D. Bartlett, “Predecoder Lokal untuk Mengurangi Bandwidth dan Latensi Koreksi Kesalahan Kuantum”, Tinjauan Fisik Diterapkan 19 3, 034050 (2023).

[3] Xinyu Tan, Fang Zhang, Rui Chao, Yaoyun Shi, dan Jianxin Chen, "Decoder kode permukaan yang dapat diskalakan dengan paralelisasi waktu", arXiv: 2209.09219, (2022).

[4] Maxwell T. West, Sarah M. Erfani, Christopher Leckie, Martin Sevior, Lloyd CL Hollenberg, dan Muhammad Usman, “Pembandingan pembelajaran mesin kuantum yang kuat secara bermusuhan dalam skala besar”, Penelitian Tinjauan Fisik 5 2, 023186 (2023).

[5] Yosuke Ueno, Masaaki Kondo, Masamitsu Tanaka, Yasunari Suzuki, dan 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, dan Yi-Cong Zheng, “Dekoder Saraf yang Dapat Diskalakan, Cepat, dan Dapat Diprogram untuk Komputasi Kuantum Toleransi Kesalahan Menggunakan Permukaan Kode”, arXiv: 2305.15767, (2023).

[7] Karl Hammar, Alexei Orekhov, Patrik Wallin Hybelius, Anna Katariina Wisakanto, Basudha Srivastava, Anton Frisk Kockum, dan Mats Granath, “dekoding agnostik tingkat kesalahan dari kode penstabil topologi”, Ulasan Fisik A 105 4, 042616 (2022).

[8] Maxwell T. West dan Muhammad Usman, “Kerangka untuk Metrologi Spasial Donor-Qubit di Silikon dengan Kedalaman Mendekati Batas Curah”, Tinjauan Fisik Diterapkan 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, dan Muhammad Usman, “Menuju kekokohan permusuhan yang ditingkatkan kuantum dalam pembelajaran mesin”, arXiv: 2306.12688, (2023).

[10] Moritz Lange, Pontus Havström, Basudha Srivastava, Valdemar Bergentall, Karl Hammar, Olivia Heuts, Evert van Nieuwenburg, dan Mats Granath, “Decoding berbasis data dari kode koreksi kesalahan kuantum menggunakan jaringan saraf grafik”, arXiv: 2307.01241, (2023).

Kutipan di atas berasal dari SAO / NASA ADS (terakhir berhasil diperbarui, 2023-07-12 14:31:13). Daftar ini mungkin tidak lengkap karena tidak semua penerbit menyediakan data kutipan yang cocok dan lengkap.

Tidak dapat mengambil Crossref dikutip oleh data selama upaya terakhir 2023-07-12 14:31:11: Tidak dapat mengambil data yang dikutip oleh untuk 10.22331 / q-2023-07-12-1058 dari Crossref. Ini normal jika DOI terdaftar baru-baru ini.

Makalah ini diterbitkan dalam Quantum di bawah Creative Commons Attribution 4.0 Internasional (CC BY 4.0) lisensi. Hak cipta tetap berada pada pemegang hak cipta asli seperti penulis atau lembaganya.

Stempel Waktu:

Lebih dari Jurnal Kuantum