Un decodor scalabil și rapid pentru sindromul rețelei neuronale artificiale pentru coduri de suprafață

Un decodor scalabil și rapid pentru sindromul rețelei neuronale artificiale pentru coduri de suprafață

Marca temporală: 12 iulie 2023, ora 10:23

Spiro Gicev1, Lloyd CL Hollenberg1și Muhammad Usman1,2,3

1Centrul de calcul cuantic și tehnologie de comunicare, Școala de Fizică, Universitatea din Melbourne, Parkville, 3010, VIC, Australia.
2Scoala de calcul si sisteme informatice, Scoala de Inginerie din Melbourne, Universitatea din Melbourne, Parkville, 3010, VIC, Australia
3Data61, CSIRO, Clayton, 3168, VIC, Australia

Găsiți această lucrare interesant sau doriți să discutați? Scite sau lasă un comentariu la SciRate.

Abstract

Corectarea erorilor de cod de suprafață oferă o cale foarte promițătoare pentru a obține un calcul cuantic scalabil, tolerant la erori. Când sunt operate ca coduri stabilizatoare, calculele codurilor de suprafață constau într-o etapă de decodare a sindromului în care operatorii stabilizatori măsurați sunt utilizați pentru a determina corecțiile adecvate pentru erorile în qubiții fizici. Algoritmii de decodare au suferit o dezvoltare substanțială, lucrările recente încorporând tehnici de învățare automată (ML). În ciuda rezultatelor inițiale promițătoare, decodoarele de sindrom bazate pe ML sunt încă limitate la demonstrații la scară mică, cu latență scăzută și sunt incapabile să gestioneze codurile de suprafață cu condiții de limită și diferite forme necesare pentru operația și împletirea cu zăbrele. Aici, raportăm dezvoltarea unui decodor de sindrom scalabil și rapid bazat pe rețea neuronală artificială (ANN), capabil să decodeze coduri de suprafață de formă și dimensiune arbitrare cu qubiți de date care suferă de modelul de eroare de depolarizare. Pe baza antrenamentului riguros a peste 50 de milioane de erori cuantice aleatorii, decodorul nostru ANN se dovedește că funcționează cu distanțele de cod care depășesc 1000 (mai mult de 4 milioane de qubiți fizici), care este cea mai mare demonstrație de decodor bazată pe ML până în prezent. Decodorul ANN stabilit demonstrează un timp de execuție în principiu independent de distanța codului, ceea ce implică faptul că implementarea sa pe hardware dedicat ar putea oferi timpi de decodare a codului de suprafață de O($mu$sec), proporționali cu timpii de coerență de qubit realizabili experimental. Odată cu extinderea anticipată a procesoarelor cuantice în următorul deceniu, se așteaptă ca creșterea lor cu un decodor de sindrom rapid și scalabil, așa cum a fost dezvoltat în munca noastră, va juca un rol decisiv în implementarea experimentală a procesării informațiilor cuantice tolerante la erori.

Un decodor scalabil și rapid pentru sindromul rețelei neuronale artificiale pentru codurile de suprafață PlatoBlockchain Data Intelligence. Căutare verticală. Ai.

Imagine prezentată: cadru de decodor al rețelei neuronale artificiale pentru corectarea rapidă și scalabilă a erorilor.

Rezumat popular

Precizia generației actuale de dispozitive cuantice suferă de zgomot sau erori. Codurile de corectare a erorilor cuantice, cum ar fi codurile de suprafață, pot fi implementate pentru a detecta și corecta erorile. Un pas crucial în implementarea schemelor de coduri de suprafață este decodarea, algoritmul care utilizează informații de eroare măsurate direct de la computerul cuantic pentru a calcula corecțiile corespunzătoare. Pentru a rezolva eficient problemele cauzate de zgomot, decodoarele trebuie să calculeze corecțiile adecvate în ritm cu măsurătorile rapide efectuate pe hardware-ul cuantic de bază. Acest lucru trebuie realizat la distanțe de cod de suprafață suficient de mari pentru a suprima suficient erorile și simultan pe toți qubiții logici activi. Lucrările anterioare s-au uitat în primul rând la algoritmii de potrivire a graficelor, cum ar fi potrivirea perfectă a greutății minime, unele lucrări recente investigând și utilizarea rețelelor neuronale pentru această sarcină, deși fiind limitate la implementări la scară mică.

Lucrarea noastră a propus și implementat un nou cadru de rețea neuronală convoluțională pentru a aborda problemele de scalare întâlnite la decodificarea codurilor de suprafață de mare distanță. Rețelei neuronale convoluționale a primit o intrare compusă din măsurători de paritate modificate, precum și structura de frontieră a codului de corectare a erorilor. Având în vedere fereastra finită de observație locală care are loc în toată rețeaua neuronală convoluțională, a fost folosit un decodor mop-up pentru a corecta orice erori reziduale rare care pot rămâne. Pe baza antrenamentului riguros a peste 50 de milioane de erori cuantice aleatorii, sa demonstrat că decodorul nostru funcționează cu distanțe de cod care depășesc 1000 (mai mult de 4 milioane de qubiți fizici), ceea ce a fost cea mai mare demonstrație de decodor bazată pe ML până în prezent.

Utilizarea rețelelor neuronale convoluționale și a structurii de graniță în intrare a permis rețelei noastre să fie aplicată pe o gamă largă de distanțe de cod de suprafață și configurații de graniță. Conectivitatea locală a rețelei permite păstrarea unei latențe scăzute la decodificarea codurilor de distanță mai mare și facilitează cu ușurință paralelizarea. Lucrarea noastră abordează o problemă cheie în utilizarea rețelelor neuronale pentru decodare la scară de probleme de interes practic și permite cercetări ulterioare care implică utilizarea rețelelor cu structură similară.

► Date BibTeX

► Referințe

[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 și P. Wallden. „Avansuri în criptografia cuantică”. Adv. Opta. 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 și Alán Aspuru-Guzik. „Chimia cuantică în era calculului cuantic”. Chemical Reviews 119, 10856–10915 (2019).
https: / / doi.org/ 10.1021 / acs.chemrev.8b00803

[3] Román Orús, Samuel Mugel și Enrique Lizaso. „Calcul cuantic pentru finanțe: Privire de ansamblu și perspective”. Recenzii în Physics 4, 100028 (2019).
https: / / doi.org/ 10.1016 / j.revip.2019.100028

[4] Craig Gidney și Martin Ekerå. „Cum să factorizezi numere întregi RSA de 2048 de biți în 8 ore folosind 20 de milioane de qubiți zgomotoși”. 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 și Ryan Babbush. „Calcule cuantice și mai eficiente ale chimiei prin hipercontracția tensorilor”. 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 și Ryan Babbush. „Compilarea euristicii cuantice tolerante la erori pentru optimizarea combinatorie”. PRX Quantum 1, 020312 (2020).
https: / / doi.org/ 10.1103 / PRXQuantum.1.020312

[7] Eric Dennis, Alexei Kitaev, Andrew Landahl și John Preskill. „Memoria cuantică topologică”. 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 și Andreas Wallraff. „Detecția erorilor cuantice repetate într-un cod de suprafață”. 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 și colab. „Suprimarea exponențială a erorilor de biți sau de fază cu corecția ciclică a erorilor”. Nature 595, 383–387 (2021).
https: / / doi.org/ 10.1038 / s41586-021-03588-y

[10] Austin G. Fowler, David S. Wang și Lloyd CL Hollenberg. „Corectarea erorilor cuantice de cod de suprafață care încorporează propagarea precisă a erorilor” (2010). arXiv:1004.0255.
https://​/​doi.org/​10.48550/​arXiv.1004.0255
arXiv: 1004.0255

[11] Austin G. Fowler, Adam C. Whiteside și Lloyd CL Hollenberg. „Spre prelucrarea clasică practică pentru codul de suprafață”. Physical Review Letters 108 (2012).
https: / / doi.org/ 10.1103 / physrevlett.108.180501

[12] Austin G. Fowler. „Corectarea optimă a complexității erorilor corelate în codul de suprafață” (2013). arXiv:1310.0863.
https://​/​doi.org/​10.48550/​arXiv.1310.0863
arXiv: 1310.0863

[13] Fern HE Watson, Hussain Anwar și Dan E. Browne. „Decodor rapid tolerant la erori pentru codurile de suprafață qubit și qudit”. Fiz. Rev. A 92, 032309 (2015).
https: / / doi.org/ 10.1103 / PhysRevA.92.032309

[14] Guillaume Duclos-Cianci și David Poulin. „Decodoare rapide pentru coduri cuantice topologice”. Fiz. Rev. Lett. 104, 050504 (2010).
https: / / doi.org/ 10.1103 / PhysRevLett.104.050504

[15] Robert Raussendorf și Jim Harrington. „Calcul cuantic tolerant la erori cu un prag ridicat în două dimensiuni”. Fiz. Rev. Lett. 98, 190504 (2007).
https: / / doi.org/ 10.1103 / PhysRevLett.98.190504

[16] Daniel Litinski. „Un joc de coduri de suprafață: calcul cuantic la scară largă cu chirurgie latice”. Quantum 3, 128 (2019).
https:/​/​doi.org/​10.22331/​q-2019-03-05-128

[17] Savvas Varsamopoulos, Ben Criger și Koen Bertels. „Decodificarea codurilor de suprafață mici cu rețele neuronale feedforward”. Quantum Science and Technology 3, 015004 (2017).
https: / / doi.org/ 10.1088 / 2058-9565 / aa955a

[18] Amarsanaa Davaasuren, Yasunari Suzuki, Keisuke Fujii și Masato Koashi. „Cadru general pentru construirea unui decodor rapid și aproape optim bazat pe învățare automată a codurilor de stabilizator topologic”. Fiz. Rev. Res. 2, 033399 (2020).
https: / / doi.org/ 10.1103 / PhysRevResearch.2.033399

[19] Giacomo Torlai și Roger G. Melko. „Decodor neural pentru coduri topologice”. Fiz. Rev. Lett. 119, 030501 (2017).
https: / / doi.org/ 10.1103 / PhysRevLett.119.030501

[20] Stefan Krastanov și Liang Jiang. „Decodor probabilistic de rețea neuronală profundă pentru coduri stabilizatoare”. Rapoarte științifice 7 (2017).
https:/​/​doi.org/​10.1038/​s41598-017-11266-1

[21] Paul Baireuther, Thomas E. O'Brien, Brian Tarasinski și Carlo WJ Beenakker. „Corectarea asistată de învățare automată a erorilor de qubit corelate într-un cod topologic”. 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 și Sundaraja Sitharama Iyengar. „Decodificarea eficientă a sindroamelor de cod de suprafață pentru corectarea erorilor în calculul cuantic” (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 și Jens Eisert. „Decodoare de învățare prin consolidare pentru calcul cuantic tolerant la erori”. Machine Learning: Science and Technology 2, 025005 (2020).
https://​/​doi.org/​10.1088/​2632-2153/​abc609

[24] Elisha Siddiqui Matekole, Esther Ye, Ramya Iyer și Samuel Yen-Chi Chen. „Decodificarea codurilor de suprafață cu învățare de întărire profundă și reutilizare probabilistică a politicilor” (2022). arXiv:2212.11890.
https://​/​doi.org/​10.48550/​arXiv.2212.11890
arXiv: 2212.11890

[25] Ramon WJ Overwater, Masoud Babaie și Fabio Sebastiano. „Decodoare de rețea neuronală pentru corectarea erorilor cuantice folosind coduri de suprafață: o explorare spațială a compromisurilor cost-performanță hardware”. IEEE Transactions on Quantum Engineering 3, 1–19 (2022).
https: / / doi.org/ 10.1109 / TQE.2022.3174017

[26] Kai Meinerz, Chae-Yeun Park și Simon Trebst. „Decodor neural scalabil pentru coduri de suprafață topologică”. Fiz. Rev. Lett. 128, 080505 (2022).
https: / / doi.org/ 10.1103 / PhysRevLett.128.080505

[27] S. Varsamopoulos, K. Bertels și C. Almudever. „Compararea decodoarelor bazate pe rețele neuronale pentru codul de suprafață”. IEEE Transactions on Computers 69, 300–311 (2020).
https: / / doi.org/ 10.1109 / TC.2019.2948612

[28] Oscar Higgott. „Pymatching: Un pachet python pentru decodarea codurilor cuantice cu potrivire perfectă cu greutate minimă” (2021). arXiv:2105.13082.
https://​/​doi.org/​10.48550/​arXiv.2105.13082
arXiv: 2105.13082

[29] Christopher Chamberland și Pooya Ronagh. „Decodore neuronale profunde pentru experimente cu toleranță la erori pe termen scurt”. Quantum Science and Technology 3, 044002 (2018).
https:/​/​doi.org/​10.1088/​2058-9565/​aad1f7

[30] Daniel Gottesman. „Coduri stabilizatoare și corectarea erorilor cuantice” (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 și Lloyd CL Hollenberg. „Un computer cuantic cu cod de suprafață din siliciu”. Science Advances 1, e1500707 (2015).
https: / / doi.org/ 10.1126 / sciadv.1500707

[32] G. Pica, BW Lovett, RN Bhatt, T. Schenkel și SA Lyon. „Arhitectura codului de suprafață pentru donatori și puncte din siliciu cu cuplari de qubit imprecise și neuniforme”. Fiz. Rev. B 93, 035306 (2016).
https: / / doi.org/ 10.1103 / PhysRevB.93.035306

[33] Charles D. Hill, Muhammad Usman și Lloyd CL Hollenberg. „O arhitectură de computer cuantică cu cod de suprafață bazată pe schimb în siliciu” (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 și Andrew W. Cross. „Coduri topologice și de subsistem pe grafice de grad scăzut cu qubiți de tip steag”. Fiz. Rev. X 10, 011022 (2020).
https: / / doi.org/ 10.1103 / PhysRevX.10.011022

[35] H. Bombin, Ruben S. Andrist, Masayuki Ohzeki, Helmut G. Katzgraber și MA Martin-Delgado. „Reziliența puternică a codurilor topologice la depolarizare”. Fiz. Rev. X 2, 021004 (2012).
https: / / doi.org/ 10.1103 / PhysRevX.2.021004

[36] Ashley M. Stephens. „Praguri tolerante la erori pentru corectarea erorilor cuantice cu codul de suprafață”. Fiz. Rev. A 89, 022321 (2014).
https: / / doi.org/ 10.1103 / PhysRevA.89.022321

[37] David S. Wang, Austin G. Fowler și Lloyd CL Hollenberg. „Calcul cuantic de cod de suprafață cu rate de eroare de peste 1%”. Fiz. Rev. A 83, 020302 (2011).
https: / / doi.org/ 10.1103 / PhysRevA.83.020302

[38] Austin G. Fowler și Craig Gidney. „Calcul cuantic de supraîncărcare redusă folosind chirurgia latice” (2019). arXiv:1808.06709.
https://​/​doi.org/​10.48550/​arXiv.1808.06709
arXiv: 1808.06709

[39] Austin G. Fowler, Matteo Mariantoni, John M. Martinis și Andrew N. Cleland. „Coduri de suprafață: către calcule cuantice practice la scară largă”. Revista fizică A 86 (2012).
https: / / doi.org/ 10.1103 / physreva.86.032324

[40] Xiaotong Ni. „Decodoare de rețea neuronală pentru coduri torice 2d la distanțe mari”. 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 și FT Chong. „Nisq+: Creșterea puterii de calcul cuantic prin aproximarea corecției erorilor cuantice”. În 2020, cel de-al 47-lea simpozion internațional anual ACM/​IEEE privind arhitectura calculatoarelor (ISCA). Paginile 556–569. Los Alamitos, CA, SUA (2020). Societatea de calculatoare 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 și Christopher Eichler. „Stabilizarea încurcăturii folosind detectarea parității bazată pe ancilla și feedback în timp real în circuitele supraconductoare”. 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 și Xiaoqiang Zheng. „Tensorflow: Învățare automată la scară largă pe sisteme distribuite eterogene” (2016). arXiv:1603.04467.
https://​/​doi.org/​10.48550/​arXiv.1603.04467
arXiv: 1603.04467

[44] Nicolas Delfosse și Naomi H. Nickerson. „Algoritm de decodare în timp aproape liniar pentru coduri topologice”. 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 și Sven Rogge. „Proiectarea timpilor lungi de coerență de spin ai qubitilor de spin-orbită în siliciu”. Nature Materials 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 și Benjamin J. Brown. „Codul suprafeței XZZX”. Nature Communications 12 (2021).
https:/​/​doi.org/​10.1038/​s41467-021-22274-1

[47] Dmitri E. Nikonov și Ian A. Young. „Întârzierea de evaluare comparativă și energia circuitelor de inferență neuronale”. 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. „Potrivirea perfectă a greutății minime a corecției erorilor cuantice topologice tolerante la erori în timpul mediu paralel $o(1)$” (2014). arXiv:1307.1740.
https://​/​doi.org/​10.48550/​arXiv.1307.1740
arXiv: 1307.1740

[49] Vedran Dunjko și Hans J Briegel. „Învățare automată și inteligență artificială în domeniul cuantic: o revizuire a progreselor recente”. Rapoarte privind progresul în fizică 81, 074001 (2018).
https: / / doi.org/ 10.1088 / 1361-6633 / aab406

[50] Laia Domingo Colomer, Michalis Skotiniotis și Ramon Muñoz-Tapia. „Învățare prin consolidare pentru corectarea optimă a erorilor codurilor torice”. Physics Letters A 384, 126353 (2020).
https: / / doi.org/ 10.1016 / j.physleta.2020.126353

[51] Milap Sheth, Sara Zafar Jafarzadeh și Vlad Gheorghiu. „Decodificarea ansamblului neuronal pentru codurile de corectare a erorilor cuantice topologice”. Fiz. Rev. A 101, 032338 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.101.032338

[52] David Fitzek, Mattias Eliasson, Anton Frisk Kockum și Mats Granath. „Decodor q-learning profund pentru depolarizarea zgomotului pe codul toric”. Fiz. Rev. Res. 2, 023230 (2020).
https: / / doi.org/ 10.1103 / PhysRevResearch.2.023230

[53] Savvas Varsamopoulos, Koen Bertels și Carmen G Almudever. „Decodificarea codului de suprafață cu un decodor bazat pe rețea neuronală distribuită”. Quantum Machine Intelligence 2, 1–12 (2020).
https:/​/​doi.org/​10.1007/​s42484-020-00015-9

[54] Thomas Wagner, Hermann Kampermann și Dagmar Bruß. „Simetrii pentru un decodor neuronal de nivel înalt pe codul toric”. Fiz. Rev. A 102, 042411 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.102.042411

[55] Philip Andreasson, Joel Johansson, Simon Liljestrand și Mats Granath. „Corectarea erorilor cuantice pentru codul toric folosind învățarea prin consolidare profundă”. Quantum 3, 183 (2019).
https:/​/​doi.org/​10.22331/​q-2019-09-02-183

[56] Nikolas P. Breuckmann și Xiaotong Ni. „Decodoare de rețele neuronale scalabile pentru coduri cuantice de dimensiuni mai mari”. Quantum 2, 68 (2018).
https:/​/​doi.org/​10.22331/​q-2018-05-24-68

Citat de

[1] Christopher Chamberland, Luis Goncalves, Prasahnt Sivarajah, Eric Peterson și Sebastian Grimberg, „Tehnici pentru combinarea decodoarelor locale rapide cu decodoare globale sub zgomot la nivel de circuit”, arXiv: 2208.01178, (2022).

[2] Samuel C. Smith, Benjamin J. Brown și Stephen D. Bartlett, „Local Predecoder to Reduce the Bandwidth and Latency of Quantum Error Correction”, Revizuire fizică aplicată 19 3, 034050 (2023).

[3] Xinyu Tan, Fang Zhang, Rui Chao, Yaoyun Shi și Jianxin Chen, „Decodoare de coduri de suprafață scalabile cu paralelizare în timp”, arXiv: 2209.09219, (2022).

[4] Maxwell T. West, Sarah M. Erfani, Christopher Leckie, Martin Sevior, Lloyd CL Hollenberg și Muhammad Usman, „Benchmarking adversarially robust quantum machine learning at scale”, Cercetare fizică de revizuire 5 2, 023186 (2023).

[5] Yosuke Ueno, Masaaki Kondo, Masamitsu Tanaka, Yasunari Suzuki și 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 și Yi-Cong Zheng, „A Scalable, Fast and Programmable Neural Decoder for Fault-Tolerant Quantum Computation Using Surface coduri”, arXiv: 2305.15767, (2023).

[7] Karl Hammar, Alexei Orekhov, Patrik Wallin Hybelius, Anna Katariina Wisakanto, Basudha Srivastava, Anton Frisk Kockum și Mats Granath, „Decodarea agnostică a ratei de eroare a codurilor de stabilizator topologic”, Revista fizică A 105 4, 042616 (2022).

[8] Maxwell T. West și Muhammad Usman, „Framework for Donor-Qubit Spatial Metrology in Silicon with Depths Approaching the Bulk Limit”, Revizuire fizică aplicată 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 și Muhammad Usman, „Towards quantum enhanced adversarial robustness in machine learning”, arXiv: 2306.12688, (2023).

[10] Moritz Lange, Pontus Havström, Basudha Srivastava, Valdemar Bergentall, Karl Hammar, Olivia Heuts, Evert van Nieuwenburg și Mats Granath, „Data-driven decoding of quantum error correcting codes using graph neuronal networks”, arXiv: 2307.01241, (2023).

Citatele de mai sus sunt din ADS SAO / NASA (ultima actualizare cu succes 2023-07-12 14:31:13). Lista poate fi incompletă, deoarece nu toți editorii furnizează date de citare adecvate și complete.

Nu a putut să aducă Date citate încrucișate în ultima încercare 2023-07-12 14:31:11: Nu s-au putut prelua date citate pentru 10.22331 / q-2023-07-12-1058 de la Crossref. Acest lucru este normal dacă DOI a fost înregistrat recent.

Acest Lucru este publicat în Quantum sub Creative Commons Atribuire 4.0 internațională (CC BY 4.0) licență. Drepturile de autor rămân la deținătorii de drepturi de autor originale, precum autorii sau instituțiile lor.

Timestamp-ul:

Mai mult de la Jurnalul cuantic