1양자 컴퓨팅 및 통신 기술 센터, 물리 학교, University of Melbourne, Parkville, 3010, VIC, Australia.
2컴퓨터 및 정보 시스템 학교, 멜버른 공과 대학, 멜버른 대학교, Parkville, 3010, VIC, 호주
3Data61, CSIRO, Clayton, 3168, VIC, 호주
이 논문이 흥미 롭거나 토론하고 싶습니까? SciRate에 댓글을 달거나 댓글 남기기.
추상
표면 코드 오류 수정은 확장 가능한 내결함성 양자 컴퓨팅을 달성할 수 있는 매우 유망한 경로를 제공합니다. 스태빌라이저 코드로 작동하는 경우 표면 코드 계산은 측정된 스태빌라이저 연산자를 사용하여 물리적 큐비트의 오류에 대한 적절한 수정을 결정하는 신드롬 디코딩 단계로 구성됩니다. 디코딩 알고리즘은 최근 기계 학습(ML) 기술을 통합하는 작업으로 상당한 발전을 거쳤습니다. 유망한 초기 결과에도 불구하고 ML 기반 신드롬 디코더는 여전히 지연 시간이 짧은 소규모 시연에 국한되어 있으며 격자 수술 및 편조에 필요한 경계 조건 및 다양한 모양의 표면 코드를 처리할 수 없습니다. 여기서 우리는 탈분극 오류 모델을 겪는 데이터 큐비트로 임의의 모양과 크기의 표면 코드를 디코딩할 수 있는 인공 신경망(ANN) 기반 확장 가능하고 빠른 신드롬 디코더의 개발을 보고합니다. 50천만 개가 넘는 무작위 양자 오류 인스턴스에 대한 엄격한 교육을 기반으로 ANN 디코더는 현재까지 가장 큰 ML 기반 디코더 데모인 1000(물리적 큐비트 4백만 개 이상)을 초과하는 코드 거리에서 작동하는 것으로 나타났습니다. 확립된 ANN 디코더는 원칙적으로 코드 거리와 무관한 실행 시간을 보여줍니다. 이는 전용 하드웨어에 대한 구현이 잠재적으로 실험적으로 실현 가능한 큐비트 일관성 시간에 상응하는 O($mu$sec)의 표면 코드 디코딩 시간을 제공할 수 있음을 의미합니다. 향후 XNUMX년 이내에 양자 프로세서의 확장이 예상됨에 따라 우리 작업에서 개발된 것과 같은 빠르고 확장 가능한 신드롬 디코더를 사용한 확장은 내결함성 양자 정보 처리의 실험적 구현에 결정적인 역할을 할 것으로 예상됩니다.
주요 이미지: 빠르고 확장 가능한 오류 수정을 위한 인공 신경망 디코더 프레임워크.
인기 요약
우리의 작업은 장거리 표면 코드를 디코딩할 때 발생하는 스케일링 문제를 해결하기 위해 새로운 컨볼루션 신경망 프레임워크를 제안하고 구현했습니다. 컨벌루션 신경망에는 변경된 패리티 측정값과 오류 수정 코드의 경계 구조로 구성된 입력이 제공되었습니다. 컨벌루션 신경망 전체에서 발생하는 로컬 관찰의 한정된 창을 감안할 때, 남을 수 있는 희박한 잔류 오류를 수정하기 위해 mop-up 디코더가 사용되었습니다. 50만 개가 넘는 임의 양자 오류 인스턴스에 대한 엄격한 교육을 기반으로 우리의 디코더는 1000을 초과하는 코드 거리(물리적 큐비트 4만 개 이상)에서 작동하는 것으로 나타났습니다. 이는 지금까지 가장 큰 ML 기반 디코더 데모였습니다.
입력에 컨볼루션 신경망과 경계 구조를 사용하여 우리의 네트워크를 광범위한 표면 코드 거리 및 경계 구성에 적용할 수 있었습니다. 네트워크의 로컬 연결을 통해 더 먼 거리의 코드를 디코딩할 때 낮은 대기 시간을 유지하고 병렬화를 쉽게 촉진할 수 있습니다. 우리의 작업은 실제 관심 있는 문제의 규모에서 디코딩하기 위해 신경망을 사용하는 주요 문제를 해결하고 유사한 구조를 가진 네트워크를 사용하는 것과 관련된 추가 연구를 허용합니다.
► BibTeX 데이터
► 참고 문헌
[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 및 P. Wallden. "양자 암호학의 발전". 고급 고르다. 광자. 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, Alán Aspuru-Guzik. “양자컴퓨팅 시대의 양자화학”. 화학 리뷰 119, 10856–10915 (2019).
https : / /doi.org/ 10.1021 / acs.chemrev.8b00803
[3] 로만 오루스, 사무엘 무겔, 엔리케 리자소. "금융을 위한 양자 컴퓨팅: 개요 및 전망". Physics 4, 100028(2019)의 리뷰.
https : / /doi.org/ 10.1016 / j.revip.2019.100028
[4] 크레이그 기드니와 마틴 에케로. "2048만 노이즈 큐비트를 사용하여 8시간 안에 20비트 RSA 정수를 인수분해하는 방법". 퀀텀 5, 433(2021).
https://doi.org/10.22331/q-2021-04-15-433
[5] 이준호, Dominic W. Berry, Craig Gidney, William J. Huggins, Jarrod R. McClean, Nathan Wiebe, Ryan Babbush. "텐서 하이퍼수축을 통한 화학의 훨씬 더 효율적인 양자 계산". PRX 퀀텀 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 및 Ryan Babbush. "조합 최적화를 위한 내결함성 양자 휴리스틱 편집". PRX 퀀텀 1, 020312(2020).
https : / / doi.org/ 10.1103 / PRXQuantum.1.020312
[7] Eric Dennis, Alexei Kitaev, Andrew Landahl 및 John Preskill. "토폴로지 양자 메모리". 수리 물리학 저널 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 및 Andreas Wallraff. "표면 코드에서 반복되는 양자 오류 감지". 자연 물리학 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 등. "주기적 오류 수정으로 비트 또는 위상 오류의 기하급수적 억제". 자연 595, 383–387(2021).
https : / /doi.org/ 10.1038 / s41586-021-03588-y
[10] Austin G. Fowler, David S. Wang, Lloyd CL Hollenberg. "정확한 오류 전파를 통합한 표면 코드 양자 오류 수정"(2010). arXiv:1004.0255.
https:///doi.org/10.48550/arXiv.1004.0255
arXiv : 1004.0255
[11] Austin G. Fowler, Adam C. Whiteside, Lloyd CL Hollenberg. "표면 코드에 대한 실용적인 고전 처리를 향하여". 물리적 검토 편지 108(2012).
https : / //doi.org/10.1103/ physrevlett.108.180501
[12] 오스틴 G. 파울러. "표면 코드의 상관 오류에 대한 최적의 복잡성 수정"(2013). arXiv:1310.0863.
https:///doi.org/10.48550/arXiv.1310.0863
arXiv : 1310.0863
[13] Fern HE Watson, Hussain Anwar, Dan E. Browne. "큐비트 및 큐딧 표면 코드를 위한 빠른 내결함성 디코더". 물리학 A 92, 032309(2015).
https : / /doi.org/10.1103/ PhysRevA.92.032309
[14] Guillaume Duclos-Cianci와 David Poulin. "토폴로지 양자 코드를 위한 빠른 디코더". 물리학 레트 목사 104, 050504(2010).
https : / /doi.org/10.1103/ PhysRevLett.104.050504
[15] 로버트 라우센도르프와 짐 해링턴. "98차원에서 높은 임계값을 가진 내결함성 양자 계산". 물리학 레트 목사 190504, 2007 (XNUMX).
https : / /doi.org/10.1103/ PhysRevLett.98.190504
[16] 다니엘 리틴스키. "표면 코드 게임: 격자 수술을 사용한 대규모 양자 컴퓨팅". 퀀텀 3, 128 (2019).
https://doi.org/10.22331/q-2019-03-05-128
[17] Savvas Varsamopoulos, Ben Criger, Koen Bertels. "피드포워드 신경망으로 작은 표면 코드 디코딩". Quantum Science and Technology 3, 015004 (2017).
https : / /doi.org/ 10.1088 / 2058-9565 / a955a
[18] 아마르사나 다바아수렌, 스즈키 야스나리, 후지이 케이스케, 코아시 마사토 "토폴로지 스태빌라이저 코드의 빠르고 최적에 가까운 기계 학습 기반 디코더를 구성하기 위한 일반 프레임워크". 물리학 목사 Res. 2, 033399(2020).
https : / /doi.org/10.1103/ PhysRevResearch.2.033399
[19] Giacomo Torlai와 Roger G. Melko. "토폴로지 코드를 위한 신경 디코더". 물리학 레트 목사 119, 030501 (2017).
https : / /doi.org/10.1103/ PhysRevLett.119.030501
[20] 스테판 크라스타노프와 량 장. "안정 장치 코드를 위한 심층 신경망 확률적 디코더". 과학 보고서 7(2017).
https://doi.org/10.1038/s41598-017-11266-1
[21] Paul Baireuther, Thomas E. O'Brien, Brian Tarasinski, Carlo WJ Beenakker. "토폴로지 코드에서 상관 큐비트 오류의 기계 학습 지원 수정". 퀀텀 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, Sundaraja Sitharama Iyengar. "양자 컴퓨팅에서 오류 수정을 위한 표면 코드 신드롬의 효율적인 디코딩"(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, Jens Eisert. "내결함성 양자 계산을 위한 강화 학습 디코더". 기계 학습: 과학 및 기술 2, 025005(2020).
https:// / doi.org/ 10.1088/ 2632-2153/ abc609
[24] Elisha Siddiqui Matekole, Esther Ye, Ramya Iyer, Samuel Yen-Chi Chen. "심층 강화 학습 및 확률적 정책 재사용으로 표면 코드 디코딩"(2022). arXiv:2212.11890.
https:///doi.org/10.48550/arXiv.2212.11890
arXiv : 2212.11890
[25] Ramon WJ Overwater, Masoud Babaie, Fabio Sebastiano. "표면 코드를 사용하여 양자 오류 수정을 위한 신경망 디코더: 하드웨어 비용 성능 트레이드오프의 공간 탐색". 양자 공학에 관한 IEEE 트랜잭션 3, 1–19(2022).
https : / / doi.org/ 10.1109 / TQE.2022.3174017
[26] 카이 마이너츠, 박채연, 사이먼 트렙스트. "위상 표면 코드를 위한 확장 가능한 신경 디코더". 물리학 레트 목사 128, 080505(2022).
https : / /doi.org/10.1103/ PhysRevLett.128.080505
[27] S. Varsamopoulos, K. Bertels 및 C. Almudever. "표면 코드에 대한 신경망 기반 디코더 비교". 컴퓨터의 IEEE 트랜잭션 69, 300–311(2020).
https : / /doi.org/10.1109/ TC.2019.2948612
[28] 오스카 히곳. "파이매칭: 최소 가중치 완전 일치로 양자 코드를 디코딩하기 위한 파이썬 패키지"(2021). arXiv:2105.13082.
https:///doi.org/10.48550/arXiv.2105.13082
arXiv : 2105.13082
[29] 크리스토퍼 체임벌랜드와 푸야 로나. "단기간 내결함성 실험을 위한 심층 신경 디코더". Quantum Science and Technology 3, 044002 (2018).
https://doi.org/10.1088/2058-9565/aad1f7
[30] 다니엘 고테스만. "안정화 코드 및 양자 오류 수정"(1997). arXiv:quant-ph/ 9705052.
https:///doi.org/10.48550/arXiv.quant-ph/9705052
arXiv : 퀀트 -PH / 9705052
[31] Charles D. Hill, Eldad Peretz, Samuel J. Hile, Matthew G. House, Martin Fuechsle, Sven Rogge, Michelle Y. Simmons 및 Lloyd CL Hollenberg. "실리콘의 표면 코드 양자 컴퓨터". 사이언스 어드밴스 1, e1500707 (2015).
https : / /doi.org/10.1126/sciadv.1500707
[32] G. 피카, BW Lovett, RN Bhatt, T. Schenkel 및 SA Lyon. "부정확하고 불균일한 큐비트 결합이 있는 실리콘의 도너 및 도트에 대한 표면 코드 아키텍처". 물리학 B 93, 035306(2016).
https : / /doi.org/10.1103/ PhysRevB.93.035306
[33] Charles D. Hill, Muhammad Usman, Lloyd CL Hollenberg. "실리콘의 교환 기반 표면 코드 양자 컴퓨터 아키텍처"(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, Andrew W. Cross. "플래그 큐비트가 있는 저차도 그래프의 토폴로지 및 하위 시스템 코드". 물리학 X 10, 011022(2020).
https : / /doi.org/10.1103/ PhysRevX.10.011022
[35] H. Bombin, Ruben S. Andrist, Masayuki Ohzeki, Helmut G. Katzgraber 및 MA Martin-Delgado. "탈분극에 대한 토폴로지 코드의 강력한 탄력성". 물리학 X 2, 021004(2012).
https : / /doi.org/10.1103/ PhysRevX.2.021004
[36] 애슐리 M. 스티븐스. "표면 코드를 사용한 양자 오류 수정을 위한 내결함성 임계값". 물리학 A 89, 022321(2014).
https : / /doi.org/10.1103/ PhysRevA.89.022321
[37] David S. Wang, Austin G. Fowler, Lloyd CL Hollenberg. "오류율 1% 이상의 표면 코드 양자 컴퓨팅". 물리학 A 83, 020302(2011).
https : / /doi.org/10.1103/ PhysRevA.83.020302
[38] 오스틴 G. 파울러와 크레이그 기드니. "격자 수술을 사용한 낮은 오버헤드 양자 계산"(2019). arXiv:1808.06709.
https:///doi.org/10.48550/arXiv.1808.06709
arXiv : 1808.06709
[39] Austin G. Fowler, Matteo Mariantoni, John M. Martinis, Andrew N. Cleland. "표면 코드: 실용적인 대규모 양자 계산을 향하여". 물리적 검토 A 86(2012).
https : / /doi.org/10.1103/ physreva.86.032324
[40] 니 샤오통. "원거리 2d 토릭 코드용 신경망 디코더". 퀀텀 4, 310(2020).
https://doi.org/10.22331/q-2020-08-24-310
[41] A. Holmes, M. Jokar, G. Pasandi, Y. Ding, M. Pedram 및 FT Chong. "Nisq+: 양자 오류 수정을 근사화하여 양자 컴퓨팅 성능 향상". 2020년 ACM/ IEEE 47차 연례 컴퓨터 아키텍처 국제 심포지엄(ISCA)에서. 페이지 556–569. 미국 캘리포니아 주 로스 알라미토스(2020). IEEE 컴퓨터 학회.
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, Christopher Eichler. "초전도 회로에서 ancilla 기반 패리티 감지 및 실시간 피드백을 사용한 얽힘 안정화". npj 양자 정보 5 (2019).
https://doi.org/10.1038/s41534-019-0185-4
[43] Martin 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 및 Xiaoqiang Zheng. "Tensorflow: 이기종 분산 시스템에서 대규모 기계 학습"(2016). arXiv:1603.04467.
https:///doi.org/10.48550/arXiv.1603.04467
arXiv : 1603.04467
[44] 니콜라스 델포스와 나오미 H. 니커슨. "토폴로지 코드에 대한 거의 선형 시간 디코딩 알고리즘". 퀀텀 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, Sven Rogge. "실리콘에서 스핀-궤도 큐비트의 긴 스핀 일관성 시간 엔지니어링". 자연 재료 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, Benjamin J. Brown. "XZZX 표면 코드". 네이처 커뮤니케이션즈 12(2021).
https://doi.org/10.1038/s41467-021-22274-1
[47] 드미트리 E. 니코노프와 이안 A. 영. "신경 추론 회로의 벤치마킹 지연 및 에너지". 탐색적 솔리드 스테이트 컴퓨팅 장치 및 회로에 관한 IEEE 저널 5, 75–84(2019).
https://doi.org/10.1109/JXCDC.2019.2956112
[48] 오스틴 G. 파울러. "평균 $o(1)$ 병렬 시간에서 내결함성 토폴로지 양자 오류 수정의 최소 가중치 완벽한 일치"(2014). arXiv:1307.1740.
https:///doi.org/10.48550/arXiv.1307.1740
arXiv : 1307.1740
[49] Vedran Dunjko와 Hans J Briegel. "양자 영역의 기계 학습 및 인공 지능: 최근 진행 상황 검토". 물리학 81, 074001(2018)의 진행 상황에 대한 보고서.
https : / /doi.org/ 10.1088 / 1361-6633 / aab406
[50] Laia Domingo Colomer, Michalis Skotiniotis 및 Ramon Muñoz-Tapia. "토릭 코드의 최적 오류 수정을 위한 강화 학습". 물리학 편지 A 384, 126353 (2020).
https : / /doi.org/ 10.1016 / j.physleta.2020.126353
[51] Milap Sheth, Sara Zafar Jafarzadeh 및 Vlad Gheorghiu. "위상 양자 오류 수정 코드를 위한 신경 앙상블 디코딩". 물리학 A 101, 032338(2020).
https : / /doi.org/10.1103/ PhysRevA.101.032338
[52] David Fitzek, Mattias Eliasson, Anton Frisk Kockum, Mats Granath. "토릭 코드에서 노이즈를 탈분극하기 위한 딥 q-러닝 디코더". 물리학 목사 Res. 2, 023230(2020).
https : / /doi.org/10.1103/ PhysRevResearch.2.023230
[53] Savvas Varsamopoulos, Koen Bertels 및 Carmen G Almudever. "분산 신경망 기반 디코더로 표면 코드 디코딩". 양자 기계 지능 2, 1–12(2020).
https://doi.org/10.1007/s42484-020-00015-9
[54] Thomas Wagner, Hermann Kampermann 및 Dagmar Bruß. "토릭 코드의 고급 신경 디코더에 대한 대칭". 물리학 A 102, 042411(2020).
https : / /doi.org/10.1103/ PhysRevA.102.042411
[55] Philip Andreasson, Joel Johansson, Simon Liljestrand, Mats Granath. “심층 강화 학습을 이용한 토릭 코드의 양자 오류 수정”. 퀀텀 3, 183(2019).
https://doi.org/10.22331/q-2019-09-02-183
[56] Nikolas P. Breuckmann 및 Xiaotong Ni. "고차원 양자 코드를 위한 확장 가능한 신경망 디코더". 퀀텀 2, 68 (2018).
https://doi.org/10.22331/q-2018-05-24-68
인용
[1] Christopher Chamberland, Luis Goncalves, Prasahnt Sivarajah, Eric Peterson 및 Sebastian Grimberg, "회로 수준 잡음 하에서 빠른 로컬 디코더와 글로벌 디코더를 결합하는 기술", arXiv : 2208.01178, (2022).
[2] Samuel C. Smith, Benjamin J. Brown, Stephen D. Bartlett, "양자 오류 수정의 대역폭과 대기 시간을 줄이기 위한 로컬 프리디코더", 물리적 검토 적용 19 3, 034050 (2023).
[3] Xinyu Tan, Fang Zhang, Rui Chao, Yaoyun Shi, Jianxin Chen, "시간 병렬화를 통한 확장 가능한 표면 코드 디코더", arXiv : 2209.09219, (2022).
[4] Maxwell T. West, Sarah M. Erfani, Christopher Leckie, Martin Sevior, Lloyd CL Hollenberg 및 Muhammad Usman, "대규모로 강력한 양자 기계 학습 벤치마킹", 물리적 검토 연구 5 2, 023186 (2023).
[5] Yosuke Ueno, Masaaki Kondo, Masamitsu Tanaka, Yasunari Suzuki, 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 및 Yi-Cong Zheng, "A Scalable, Fast and Programmable Neural Decoder for Fault-Tolerant Quantum Computation Using Surface 코드”, arXiv : 2305.15767, (2023).
[7] Karl Hammar, Alexei Orekhov, Patrik Wallin Hybelius, Anna Katariina Wisakanto, Basudha Srivastava, Anton Frisk Kockum, Mats Granath, "토폴로지 안정기 코드의 오류율 불가지론적 디코딩", 물리적 검토 A 105 4, 042616 (2022).
[8] Maxwell T. West 및 Muhammad Usman, "벌크 한계에 접근하는 깊이를 가진 실리콘의 Donor-Qubit 공간 계측을 위한 프레임워크", 물리적 검토 적용 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 및 Muhammad Usman, "기계 학습에서 양자 강화 적대적 견고성을 향하여", arXiv : 2306.12688, (2023).
[10] Moritz Lange, Pontus Havström, Basudha Srivastava, Valdemar Bergentall, Karl Hammar, Olivia Heuts, Evert van Nieuwenburg 및 Mats Granath, "그래프 신경망을 사용한 양자 오류 수정 코드의 데이터 기반 디코딩", arXiv : 2307.01241, (2023).
위의 인용은 SAO / NASA ADS (마지막으로 성공적으로 업데이트 됨 2023-07-12 14:31:13). 모든 출판사가 적절하고 완전한 인용 데이터를 제공하지는 않기 때문에 목록이 불완전 할 수 있습니다.
가져올 수 없습니다 Crossref 인용 자료 마지막 시도 중 2023-07-12 14:31:11 : Crossref에서 10.22331 / q-2023-07-12-1058에 대한 인용 데이터를 가져올 수 없습니다. DOI가 최근에 등록 된 경우 이는 정상입니다.
이 백서는 Quantum에서 Creative Commons Attribution 4.0 International(CC BY 4.0) 특허. 저작권은 저자 또는 기관과 같은 원래 저작권 보유자에게 있습니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 자동차 / EV, 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- BlockOffsets. 환경 오프셋 소유권 현대화. 여기에서 액세스하십시오.
- 출처: https://quantum-journal.org/papers/q-2023-07-12-1058/
- :있다
- :이다
- :아니
- :어디
- ][피
- 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
- 위의
- 추상
- ACCESS
- 정확한
- 달성
- 달성
- 가로질러
- 활동적인
- 아담
- 주소
- 구애
- 발전하다
- 적의
- 제휴
- 나이
- AL
- 알렉산더
- 연산
- 알고리즘
- All
- 수
- 수
- 또한
- an
- 및
- 앤드류
- 연간
- 예상
- 어떤
- 적용된
- 접근하는
- 적당한
- 아키텍처
- 있군요
- 인조의
- 인공 지능
- AS
- At
- 오스틴
- 호주
- 저자
- 작성자
- 평균
- 대역폭
- 기반으로
- BE
- 존재
- 벤
- 벤치마킹
- 막내 둥이
- 비트
- 증폭
- 경계
- 흩어져
- 브라이언
- by
- CA
- 계산하다
- CAN
- 수
- 발생
- 변경
- 찰스
- 화학
- 화학
- 첸
- 종
- 크리스
- 크리스토퍼
- 암호
- 코드
- 결합
- 본문
- 평민
- 의사 소통
- 커뮤니케이션
- 완전한
- 복잡성
- 구성
- 계산
- 계산
- 컴퓨터
- 컴퓨터
- 컴퓨팅
- 컴퓨팅 파워
- 조건
- 입/출력 라인
- 건설 중의
- 저작권
- 수정
- 수정
- 수
- 크레이그
- Cross
- 결정적인
- 암호 법
- Current
- 다니엘
- 데이터
- 데이터 중심
- 데이비드
- 데이비스
- 로사리오 염주
- 결정적인
- 디코딩
- 전용
- 깊은
- 지연
- 보여줍니다
- 배포
- 깊은 곳
- 데릭
- 무례
- 검색
- Detection System
- 결정
- 개발
- 개발
- 디바이스
- 치수
- 직접
- 토론
- 거리
- 분산
- 분산 시스템
- 도메인
- 한
- ...동안
- e
- E & T
- 효과적으로
- 효율적인
- 에너지
- 엔지니어링
- 강화
- 충분히
- 오류
- 오류
- 확립 된
- 유진
- 초과
- 실행
- 기대하는
- 실험
- 탐구
- 을 용이하게
- 인자
- FAST
- 피드백
- 재원
- 럭셔리
- 뼈대
- 에
- 추가
- 경기
- 세대
- 주어진
- 글로벌
- 그래프
- 그래프
- 처리
- 하드웨어
- 하버드
- 있다
- 여기에서 지금 확인해 보세요.
- 높은
- 고수준
- 더 높은
- 고도로
- 홀더
- 진료 시간
- 집
- HTTPS
- IEEE
- if
- 영상
- 이행
- 구현
- in
- 능력이
- 통합
- 독립
- 정보
- 정보 시스템
- 처음에는
- 입력
- 기관
- 인텔리전스
- 관심
- 흥미있는
- 국제 노동자 동맹
- 조사 중
- 참여
- 그
- 자바 스크립트
- 제프리
- 짐
- 요한 복음
- 존슨
- 일지
- JPG
- 칼
- 키
- 넓은
- 대규모
- 큰
- 가장 큰
- 성
- 숨어 있음
- 배우기
- 휴가
- 바람이 불어가는 쪽
- 특허
- 제한
- 제한된
- 명부
- 지방의
- 논리
- 긴
- 보고
- 그들
- 루이
- 낮은
- 기계
- 기계 학습
- 마틴
- 어울리는
- 재료
- 수학의
- 매튜
- 최대 폭
- 자속의 단위
- XNUMX월..
- 맥클린
- 측정 시간 상관관계
- 멜버른
- 메모리
- 도량형
- 마이클
- 마이크
- 백만
- 최저한의
- ML
- 모델
- 달
- 배우기
- 보다 효율적으로
- 머레이
- 자연
- 가까운
- 필요
- 필요
- 요구
- 네트워크
- 네트워크
- 신경망
- 신경망
- 다음 것
- 니콜라스
- 노이즈
- 표준
- 소설
- 발생하는
- of
- 제공
- 제공
- on
- 온라인
- 열 수
- 운영
- 운영자
- 최적의
- 최적화
- or
- 주문
- 실물
- 우리의
- 위에
- 개요
- 평화
- 꾸러미
- 페이지
- 서
- 평행
- 둥가
- 공원
- 경로
- 폴
- 완전한
- 베드로
- 피터슨
- 상
- 물리적
- 물리학
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 연극
- 정책
- 잠재적으로
- 힘
- 실용적인
- 너무 이른
- 주로
- 원칙
- 문제
- 문제
- 처리
- 가공업자
- 진행
- 장래가 촉망되는
- 제안 된
- 전망
- 제공
- 출판
- 발행자
- 출판사
- Python
- 양자 컴퓨팅
- 양자 컴퓨터
- 양자 컴퓨팅
- 양자 암호화
- 양자 오류 수정
- 양자 정보
- 양자 기계 학습
- 큐빗
- 큐 비트
- 라미
- 닥치는대로의
- 범위
- 빠른
- 거주비용
- 실시간
- 최근
- 최근에
- 감소
- 참조
- 등록된
- 남아
- 유적
- 르네
- 신고
- 보고서
- 연구
- 되튀기
- 결과
- 재사용
- 리뷰
- 리뷰
- 엄밀한
- ROBERT
- 강력한
- 견고성
- 직위별
- RSA
- 라이언
- s
- 샌더스
- 확장성
- 규모
- 확장
- 저울
- 스케일링
- 계획들
- 학교
- 공학부
- 과학
- 과학 기술
- 과학적인
- 셰이프
- 모양
- 표시
- 규소
- YES
- 비슷한
- 시몬
- 동시에
- 크기
- 작은
- 사회
- 풀다
- 일부
- 스페이스 버튼
- 공간의
- 회전
- 단계
- 스티븐
- 스티븐
- 아직도
- 구조
- 실질적인
- 성공적으로
- 이러한
- 괴로움
- 고통
- 적당한
- 초전도
- 억압
- 표면
- 수술실
- 심포지엄
- 시스템은
- 태스크
- 기법
- Technology
- 기간
- 보다
- 그
- XNUMXD덴탈의
- 그들의
- 이
- 임계값
- 을 통하여
- 도처에
- 팀
- 시간
- 시대
- Title
- 에
- 위상 양자
- 에 대한
- 트레이닝
- 거래 내역
- 두
- 아래에
- 겪다
- 밑에 있는
- 대학
- 업데이트
- URL
- USA
- 사용
- 익숙한
- 사용
- 사용
- 여러
- 빈센트
- 블라드
- 음량
- W
- 필요
- 였다
- 왓슨
- we
- 무게
- 잘
- West
- 언제
- 어느
- 넓은
- 넓은 범위
- 창
- 과
- 이내
- 작업
- X
- xi
- Ye
- year
- 젊은
- 원
- 제퍼 넷
