การลดข้อผิดพลาดควอนตัมแบบ Synergetic โดยการคอมไพล์แบบสุ่มและการประมาณค่าแบบไม่มีสัญญาณรบกวนสำหรับไอเกนโซลเวอร์ควอนตัมแบบแปรผัน

การลดข้อผิดพลาดควอนตัมแบบ Synergetic โดยการคอมไพล์แบบสุ่มและการประมาณค่าแบบไม่มีสัญญาณรบกวนสำหรับไอเกนโซลเวอร์ควอนตัมแบบแปรผัน

ประทับเวลา: 20 พฤศจิกายน 2023 8:49 น

โทโมจิกะ คูริตะ1, ฮัมมัม กัสซิม2,มาซาโตชิ อิชิอิ1,ฮิโรทากะ โอชิมะ1,ชินทาโร่ ซาโต้1และโจเซฟ เอเมอร์สัน2

1ห้องปฏิบัติการควอนตัม วิจัยฟูจิตสึ บริษัท ฟูจิตสึ จำกัด 10-1 Morinosato-wakamiya, Atsugi, Kanagawa, ญี่ปุ่น 243-0197
2Keysight Technologies Canada, 137 Glasgow St, Kitchener, ON, แคนาดา, N2G 4X8

พบบทความนี้ที่น่าสนใจหรือต้องการหารือ? Scite หรือแสดงความคิดเห็นใน SciRate.

นามธรรม

เราเสนอกลยุทธ์การลดข้อผิดพลาดควอนตัมสำหรับอัลกอริธึมไอเกนโซลเวอร์ควอนตัมแบบแปรผัน (VQE) จากการจำลองเชิงตัวเลข เราพบว่าสัญญาณรบกวนที่สอดคล้องกันใน VQE จำนวนน้อยมากสามารถทำให้เกิดข้อผิดพลาดขนาดใหญ่อย่างมาก ซึ่งยากต่อการระงับด้วยวิธีบรรเทาผลกระทบแบบเดิมๆ แต่ถึงกระนั้นกลยุทธ์การบรรเทาผลกระทบที่เรานำเสนอก็สามารถลดข้อผิดพลาดเหล่านี้ได้อย่างมีนัยสำคัญ กลยุทธ์ที่เสนอคือการผสมผสานระหว่างเทคนิคที่รายงานไว้ก่อนหน้านี้ ได้แก่ การคอมไพล์แบบสุ่ม (RC) และการประมาณค่าแบบไร้สัญญาณรบกวน (ZNE) การรวบรวมแบบสุ่มโดยสังหรณ์ใจจะเปลี่ยนข้อผิดพลาดที่สอดคล้องกันในวงจรเป็นข้อผิดพลาดสุ่ม Pauli ซึ่งอำนวยความสะดวกในการประมาณค่าขีดจำกัดสัญญาณรบกวนเป็นศูนย์เมื่อประเมินฟังก์ชันต้นทุน การจำลองเชิงตัวเลขของ VQE สำหรับโมเลกุลขนาดเล็กแสดงให้เห็นว่ากลยุทธ์ที่นำเสนอสามารถลดข้อผิดพลาดด้านพลังงานที่เกิดจากสัญญาณรบกวนที่สอดคล้องกันประเภทต่างๆ ได้มากถึงสองลำดับความสำคัญ

Synergetic quantum error mitigation by randomized compiling and zero-noise extrapolation for the variational quantum eigensolver PlatoBlockchain Data Intelligence. Vertical Search. Ai.

สรุปยอดนิยม

เมื่อเราดำเนินการคำนวณควอนตัม สิ่งสำคัญคือต้องลดข้อผิดพลาดในการคำนวณที่เกิดจากสัญญาณรบกวนของฮาร์ดแวร์ให้เหลือน้อยที่สุด สำหรับฮาร์ดแวร์ควอนตัมระดับกลางที่มีสัญญาณรบกวน (NISQ) สามารถใช้เทคนิคการลดข้อผิดพลาดควอนตัมเพื่อลดข้อผิดพลาดดังกล่าวได้ อย่างไรก็ตาม การจัดการกับสัญญาณรบกวนที่สอดคล้องกันยังคงเป็นความท้าทายที่สำคัญในการลดข้อผิดพลาดเนื่องจากเหตุผลสองประการ: (i) แม้แต่สัญญาณรบกวนที่สอดคล้องกันเพียงเล็กน้อยก็อาจส่งผลให้เกิดข้อผิดพลาดในการคำนวณจำนวนมาก และ (ii) ข้อผิดพลาดเหล่านี้ยากที่จะบรรเทาลงโดยใช้เทคนิคที่มีอยู่
ในงานนี้ เราเสนอเทคนิคการลดข้อผิดพลาดที่ช่วยลดข้อผิดพลาดที่เกิดจากสัญญาณรบกวนที่สอดคล้องกันได้อย่างมีประสิทธิภาพ เทคนิคนี้ใช้ผลเสริมฤทธิ์กันของการคอมไพล์แบบสุ่ม (RC) และการคาดการณ์สัญญาณรบกวนเป็นศูนย์ (ZNE) RC แปลงสัญญาณรบกวนที่สอดคล้องกันเป็นสัญญาณรบกวน Pauli แบบสุ่ม ซึ่งสามารถบรรเทาลงได้อย่างมีประสิทธิภาพโดยใช้ ZNE การจำลองเชิงตัวเลขของเราเกี่ยวกับอัลกอริธึมไอเกนโซลเวอร์ควอนตัมแบบแปรผันแสดงให้เห็นว่าเทคนิคการบรรเทาผลกระทบที่เรานำเสนอนั้นมีผลในการลดข้อผิดพลาดอย่างมีนัยสำคัญต่อสัญญาณรบกวนที่สอดคล้องกัน

► ข้อมูล BibTeX

► ข้อมูลอ้างอิง

[1] แซม แม็กอาร์เดิล, ซูกูรู เอนโด, อลัน แอสปูรู-กูซิก, ไซมอน ซี เบนจามิน และเซียว หยวน “เคมีควอนตัมเชิงคำนวณ”. บทวิจารณ์ฟิสิกส์สมัยใหม่ 92, 015003 (2020)
https://doi.org/​10.1103/​RevModPhys.92.015003

[2] ฮารี พี เพาเดล, มาดาวา ไซมลาล, สก็อตต์ อี ครอว์ฟอร์ด, ยูห์-ลิน ลี, โรมัน เอ ชูกาเยฟ, ปิง ลู, พอล อาร์ โอฮอดนิกี, ดาร์เรน มอลลอต และยูหัว ด้วน “คอมพิวเตอร์ควอนตัมและการจำลองการประยุกต์ใช้พลังงาน: การทบทวนและมุมมอง” วิศวกรรมเอซีเอส Au 2, 151–196 (2022)
https://​/​doi.org/​10.1021/​acsengineeringau.1c00033

[3] Julia E Rice, Tanvi P Gujarati, Mario Motta, Tyler Y Takeshita, Eunseok Lee, Joseph A Latone และ Jeannette M Garcia “การคำนวณควอนตัมของผลิตภัณฑ์ที่โดดเด่นในแบตเตอรี่ลิเธียม-ซัลเฟอร์” วารสารฟิสิกส์เคมี 154, 134115 (2021).
https://doi.org/10.1063/​5.0044068

[4] ออสติน จี ฟาวเลอร์, มัตเตโอ มาเรียนโทนี, จอห์น เอ็ม มาร์ตินิส และแอนดรูว์ เอ็น เคลแลนด์ “โค้ดพื้นผิว: สู่การคำนวณควอนตัมขนาดใหญ่ในทางปฏิบัติ” การทบทวนทางกายภาพ A 86, 032324 (2012)
https://doi.org/10.1103/​PhysRevA.86.032324

[5] Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J Love, Alán Aspuru-Guzik และ Jeremy L O'brien “ตัวแก้ค่าลักษณะเฉพาะที่แปรผันบนตัวประมวลผลควอนตัมโทนิค” การสื่อสารธรรมชาติ 5, 4213 (2014).
https://doi.org/10.1038/​ncomms5213

[6] Jarrod R McClean, Jonathan Romero, Ryan Babbush และ Alán Aspuru-Guzik “ทฤษฎีของอัลกอริธึมควอนตัมคลาสสิกแบบผสมแปรผัน”. วารสารฟิสิกส์ฉบับใหม่ 18, 023023 (2016).
https:/​/​doi.org/​10.1088/​1367-2630/​18/​2/​023023

[7] ปีเตอร์ เจเจ โอมอลลีย์, ไรอัน แบบบุช, เอียน ดี คิฟลิชาน, โจนาธาน โรเมโร, จาร์รอด อาร์ แมคคลีน, รามี บาเรนส์, จูเลียน เคลลี, เปดรัม โรชาน, แอนดรูว์ ทรานเตอร์, นาน ดิง และคณะ “การจำลองควอนตัมที่ปรับขนาดได้ของพลังงานโมเลกุล” การตรวจร่างกาย X 6, 031007 (2016)
https://doi.org/10.1103/​PhysRevX.6.031007

[8] Abhinav Kandala, Antonio Mezzacapo, Kristan Temme, Maika Takita, Markus Brink, Jerry M Chow และ Jay M Gambetta “ควอนตัมไอเกนโซลเวอร์แปรผันที่มีประสิทธิภาพฮาร์ดแวร์สำหรับโมเลกุลขนาดเล็กและแม่เหล็กควอนตัม” ธรรมชาติ 549, 242–246 (2017).
https://doi.org/10.1038/​nature23879

[9] เจมส์ ไอ คอลเลสส์, วิเนย์ วี ราเมซ, ดาร์ ดาห์เลน, มาคิเอล เอส บลอค, มอลลี อี กิมจิ-ชวาตซ์, จาร์ร็อด อาร์ แมคคลีน, โจนาธาน คาร์เตอร์, วิบ์ อา เดอ ยอง และอิร์ฟาน ซิดดิกี “การคำนวณสเปกตรัมโมเลกุลบนตัวประมวลผลควอนตัมด้วยอัลกอริธึมที่ทนต่อข้อผิดพลาด” การตรวจร่างกาย X 8, 011021 (2018)
https://doi.org/10.1103/​PhysRevX.8.011021

[10] อภินาฟ กันดาลา, คริสตัน เทมเม, อันโตนิโอ ดี กอร์โกเลส, อันโตนิโอ เมซซากาโป, เจอร์รี เอ็ม โชว และเจย์ เอ็ม แกมเบตตา “การบรรเทาข้อผิดพลาดช่วยเพิ่มขอบเขตการคำนวณของโปรเซสเซอร์ควอนตัมที่มีเสียงดัง” ธรรมชาติ 567, 491–495 (2019)
https:/​/​doi.org/​10.1038/​s41586-019-1040-7

[11] Yangchao Shen, Xiang Zhang, Shuaining Zhang, Jing-Ning Zhang, Man-Hong Yung และ Kihwan Kim “การใช้ควอนตัมของคลัสเตอร์คู่ควบคู่เพื่อจำลองโครงสร้างอิเล็กทรอนิกส์ระดับโมเลกุล” การตรวจร่างกาย A 95, 020501 (2017)
https://doi.org/10.1103/​PhysRevA.95.020501

[12] Yunseong Nam, Jwo-Sy Chen, Neal C Pisenti, Kenneth Wright, Conor Delaney, Dmitri Maslov, Kenneth R Brown, Stewart Allen, Jason M Amini, Joel Apisdorf และคณะ “การประมาณพลังงานสถานะภาคพื้นดินของโมเลกุลของน้ำบนคอมพิวเตอร์ควอนตัมไอออนที่ติดอยู่” ข้อมูลควอนตัม npj 6, 33 (2020)
https:/​/​doi.org/​10.1038/​s41534-020-0259-3

[13] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush และ Hartmut Neven “ที่ราบสูงแห้งแล้งในภูมิทัศน์การฝึกอบรมเครือข่ายประสาทควอนตัม” การสื่อสารธรรมชาติ 9, 4812 (2018)
https:/​/​doi.org/​10.1038/​s41467-018-07090-4

[14] จูลส์ ทิลลี่, หงเซียง เฉิน, ชูเซียง เฉา, ดาริโอ พิคอสซี่, คานาฟ เซเทีย, หยิง ลี่, เอ็ดเวิร์ด แกรนท์, ลีโอนาร์ด วอสนิก, อีวาน รังเกอร์, จอร์จ เอช บูธ และคณะ “The Variational Quantum Eigensolver: การทบทวนวิธีการและแนวปฏิบัติที่ดีที่สุด” รายงานฟิสิกส์ 986, 1–128 (2022)
https://doi.org/10.1016/​j.physrep.2022.08.003

[15] ซูกุรุ เอ็นโดะ, เจิ้นหยู่ ไฉ, ไซมอน ซี เบนจามิน และเซียว หยวน “อัลกอริธึมควอนตัมคลาสสิกแบบไฮบริดและการบรรเทาข้อผิดพลาดควอนตัม” วารสารสมาคมกายภาพแห่งญี่ปุ่น 90, 032001 (2021)
https://doi.org/​10.7566/​JPSJ.90.032001

[16] หยิง ลี่ และ ไซมอน ซี เบนจามิน “เครื่องจำลองควอนตัมแปรผันที่มีประสิทธิภาพพร้อมการลดข้อผิดพลาดแบบแอ็คทีฟให้เหลือน้อยที่สุด” การตรวจร่างกาย X 7, 021050 (2017)
https://doi.org/10.1103/​PhysRevX.7.021050

[17] คริสแทน เทมเม, เซอร์เกย์ บราวี และเจย์ เอ็ม แกมเบตตา “การลดข้อผิดพลาดสำหรับวงจรควอนตัมความลึกระยะสั้น” จดหมายตรวจสอบทางกายภาพ 119, 180509 (2017)
https://doi.org/​10.1103/​PhysRevLett.119.180509

[18] อังเดร เฮ, เบนจามิน แนชแมน, วิบ์ อา เดอ ยอง และคริสเตียน ดับเบิลยู บาวเออร์ “การคาดการณ์แบบไร้สัญญาณรบกวนสำหรับการลดข้อผิดพลาดควอนตัมเกตด้วยการแทรกข้อมูลระบุตัวตน” การตรวจร่างกาย A 102, 012426 (2020)
https://doi.org/10.1103/​PhysRevA.102.012426

[19] จางซัวหนิง, เหยาลู่, ควนจาง, เหวินเทาเฉิน, หยิงหลี่, จางจิงหนิง และคิฮวานคิม “ประตูควอนตัมที่บรรเทาข้อผิดพลาดที่เกินความเที่ยงตรงทางกายภาพในระบบไอออนที่ดักจับ” การสื่อสารทางธรรมชาติ 11, 587 (2020)
https://doi.org/10.1038/​s41467-020-14376-z

[20] Jarrod R McClean, Mollie E Kimchi-Schwartz, Jonathan Carter และ Wibe A De Jong “ลำดับชั้นควอนตัมคลาสสิกแบบไฮบริดเพื่อลดการถอดรหัสและการกำหนดสถานะที่ตื่นเต้น” การทบทวนทางกายภาพ A 95, 042308 (2017)
https://doi.org/10.1103/​PhysRevA.95.042308

[21] โจเอล เจ วอลล์แมน และโจเซฟ เอเมอร์สัน “การปรับแต่งสัญญาณรบกวนสำหรับการคำนวณควอนตัมที่ปรับขนาดได้ผ่านการคอมไพล์แบบสุ่ม” การตรวจร่างกาย A 94, 052325 (2016)
https://doi.org/10.1103/​PhysRevA.94.052325

[22] อาเคล ฮาชิม, ราวี เค ไนค์, อเล็กซิส มอร์แวน, ฌอง-ลูพ วิลล์, แบรดลีย์ มิทเชลล์, จอห์น มาร์ค ไครค์บัม, มาร์ค เดวิส, อีธาน สมิธ, คอสติน เอียนคู, เควิน พี โอ'ไบรอัน และคณะ “การคอมไพล์แบบสุ่มสำหรับคอมพิวเตอร์ควอนตัมที่ปรับขนาดได้บนโปรเซสเซอร์ควอนตัมตัวนำยิ่งยวดที่มีเสียงดัง” การตรวจร่างกาย X 11, 041039 (2021)
https://doi.org/10.1103/​PhysRevX.11.041039

[23] Jean-Loup Ville, Alexis Morvan, Akel Hashim, Ravi K Naik, Marie Lu, Bradley Mitchell, John-Mark Kreikebaum, Kevin P O'Brien, Joel J Wallman, Ian Hincks และคณะ “ใช้ประโยชน์จากการรวบรวมแบบสุ่มสำหรับอัลกอริธึมวิวัฒนาการจินตนาการ-เวลา-วิวัฒนาการควอนตัม” การวิจัยทบทวนทางกายภาพ 4, 033140 (2021)
https://doi.org/10.1103/​PhysRevResearch.4.033140

[24] คิมยองซอก, คริสโตเฟอร์ เจ วูด, ธีโอดอร์ เจ โยเดอร์, เซธ ที แมร์เคิล, เจย์ เอ็ม แกมเบตตา, คริสตัน เทมเม และ อภินาฟ กันดาลา “การลดข้อผิดพลาดที่ปรับขนาดได้สำหรับวงจรควอนตัมที่มีเสียงดังทำให้เกิดค่าความคาดหวังที่แข่งขันได้” ฟิสิกส์ธรรมชาติ 19, 752–759 (2023)
https:/​/​doi.org/​10.1038/​s41567-022-01914-3

[25] Chao Song, Jing Cui, H Wang, J Hao, H Feng และ Ying Li “การคำนวณควอนตัมพร้อมการลดข้อผิดพลาดสากลบนโปรเซสเซอร์ควอนตัมที่มีตัวนำยิ่งยวด” ความก้าวหน้าทางวิทยาศาสตร์ 5, eaaw5686 (2019)
https://doi.org/10.1126/​sciadv.aaw5686

[26] แมทธิว แวร์, กีเฮม ริเบลล์, ดิเอโก ริสเต้, คอล์ม เอ ไรอัน, เบลค จอห์นสัน และมาร์คัส พี ดา ซิลวา “การทดลองสุ่มเฟรมเปาลีบนควิบิตตัวนำยิ่งยวด” การตรวจร่างกาย A 103, 042604 (2021)
https://doi.org/10.1103/​PhysRevA.103.042604

[27] ซามูเอล เฟอร์ราซิน, อาเคล ฮาชิม, ฌอง-ลูพ วิลล์, ราวี ไนค์, อาร์โนด์ คาริญ็อง-ดูกาส, ฮัมมัม กัสซิม, อเล็กซิส มอร์วาน, เดวิด ไอ ซานติอาโก, อิร์ฟาน ซิดดิกี และโจเอล เจ วอลล์แมน “การปรับปรุงประสิทธิภาพของคอมพิวเตอร์ควอนตัมที่มีเสียงดังอย่างมีประสิทธิภาพ” (2022) arXiv:2201.10672.
arXiv: 2201.10672

[28] นิค เอส บลันท์, ลอร่า เคาน์, โรเบิร์ต อิซซาค, เอิร์ล ที แคมป์เบลล์ และนิโคล โฮลซ์มันน์ “การประมาณค่าเฟสทางสถิติและการลดข้อผิดพลาดบนโปรเซสเซอร์ควอนตัมที่มีตัวนำยิ่งยวด” (2023) arXiv:2304.05126.
arXiv: 2304.05126

[29] แซมสัน หวัง, เอนริโก ฟอนทาน่า, มาร์โก เซเรโซ, คูนัล ชาร์มา, อากิรา โซเน, ลูคัส ซินซิโอ และแพทริค เจ โคลส์ “ที่ราบแห้งแล้งที่เกิดจากเสียงรบกวนในอัลกอริธึมควอนตัมแบบแปรผัน” การสื่อสารทางธรรมชาติ 12, 6961 (2021)
https:/​/​doi.org/​10.1038/​s41467-021-27045-6

[30] ไมเคิล เอ นีลเซ่น และ ไอแซค จวง “การคำนวณควอนตัมและข้อมูลควอนตัม” สำนักพิมพ์มหาวิทยาลัยเคมบริดจ์. (2002).
https://doi.org/10.1017/​CBO9780511976667

[31] ซึงฮุน ลี, จุนโฮ ลี, ฮวนเฉิน ไจ้, หยูตง, อเล็กซานเดอร์ เอ็ม ดัลเซลล์, อาชูทอช คูมาร์, ฟิลลิป เฮล์มส์, จอห์นนี่ เกรย์, จิ-ห่าว ชุย, เหวินหยวน หลิว และคณะ “การประเมินหลักฐานสำหรับข้อได้เปรียบเชิงควอนตัมแบบเอ็กซ์โปเนนเชียลในเคมีควอนตัมสถานะภาคพื้นดิน” การสื่อสารทางธรรมชาติ 14, 1952 (2023)
https:/​/​doi.org/​10.1038/​s41467-023-37587-6

[32] เจโรม เอฟ กอนเธียร์, แม็กซ์เวลล์ ดี ราดิน, คอร์เนลิว บูดา, เอริก เจ ดอสโคซิล, เคลนา เอ็ม อาบูอัน และโจนาธาน โรเมโร “การวัดเป็นสิ่งกีดขวางบนถนนสู่ความได้เปรียบทางควอนตัมเชิงปฏิบัติในระยะสั้นในวิชาเคมี: การวิเคราะห์ทรัพยากร” การวิจัยทบทวนทางกายภาพ 4, 033154 (2022)
https://doi.org/10.1103/​PhysRevResearch.4.033154

[33] Ophelia Crawford, Barnaby van Straaten, Daochen Wang, Thomas Parks, Earl Campbell และ Stephen Brierley “การวัดควอนตัมอย่างมีประสิทธิภาพของตัวดำเนินการ Pauli เมื่อมีข้อผิดพลาดในการสุ่มตัวอย่างแบบจำกัด” ควอนตัม 5, 385 (2021)
https:/​/​doi.org/​10.22331/​q-2021-01-20-385

[34] โทโมจิกะ คูริตะ, มิกิโอะ โมริตะ, ฮิโรทากะ โอชิมะ และชินทาโร่ ซาโตะ “อัลกอริธึมการแบ่งพาร์ติชัน Pauli String ด้วยแบบจำลอง Ising สำหรับการวัดพร้อมกัน” วารสารเคมีเชิงฟิสิกส์ A 127, 1068–1080 (2023)
https://​doi.org/​10.1021/​acs.jpca.2c06453

[35] สเตฟานี เจ. บีล, อาร์โนด์ คาริญ็อง-ดูกาส, ดาร์ ดาห์เลน, โจเซฟ เอเมอร์สัน, เอียน ฮิงค์ส, ปาวิธราน ไอเยอร์, ​​อาดิตยา เจน, เดวิด ฮัฟนาเกล, เอกอร์ ออสปาดอฟ, ฮัมมัม กัสซิม และคณะ “ซอฟต์แวร์ทรูคิว คีย์ไซท์ เทคโนโลยีส์” URL: trueq.quantumbenchmark.com
https://​/​trueq.quantumbenchmark.com

[36] เพาลี เวอร์ทาเนน, ราล์ฟ กอมเมอร์ส, ทราวิส อี. โอลิแฟนท์, แมตต์ ฮาเบอร์แลนด์, ไทเลอร์ เรดดี้, เดวิด กูร์นาโป, เอฟเกนี บูรอฟสกี้, เปียรู ปีเตอร์สัน, วอร์เรน เวคเคสเซอร์, โจนาธาน ไบรท์ และคณะ “SciPy 1.0: อัลกอริธึมพื้นฐานสำหรับการคำนวณทางวิทยาศาสตร์ใน Python” วิธีธรรมชาติ 17, 261–272 (2020)
https:/​/​doi.org/​10.1038/​s41592-019-0686-2

[37] ไมเคิล เจ.ดี. พาวเวลล์. “อัลกอริธึม BOBYQA สำหรับการเพิ่มประสิทธิภาพที่มีขอบเขตจำกัดโดยไม่มีอนุพันธ์” รายงานทางเทคนิค. มหาวิทยาลัยเคมบริดจ์ เคมบริดจ์ (2009) URL: www.damtp.cam.ac.uk/​user/​na/​NA_papers/​NA2009_06.pdf
https://www.damtp.cam.ac.uk/​user/​na/​NA_papers/​NA2009_06.pdf

[38] Jarrod R. McClean, Ian D. Kivlichan, Damian S. Steiger, Yudong Cao, E. Schuyler Fried, Craig Gidney, Thomas Häner, Vojtĕch Havlíček, Zhang Jiang, Matthew Neeley และคณะ “OpenFermion: แพ็คเกจโครงสร้างอิเล็กทรอนิกส์สำหรับคอมพิวเตอร์ควอนตัม” (2017) arXiv:1710.07629.
arXiv: 1710.07629

[39] เอวูต ฟาน เดน เบิร์ก, ซลัตโก เค มิเนฟ, อภินาฟ กันดาลา และคริสตัน เทมเม่ “การยกเลิกข้อผิดพลาดที่น่าจะเป็นด้วยโมเดล Pauli-Lindblad แบบกระจัดกระจายบนโปรเซสเซอร์ควอนตัมที่มีเสียงดัง” ฟิสิกส์ธรรมชาติ 19, 1116–1121 (2023)
https:/​/​doi.org/​10.1038/​s41567-023-02042-2

อ้างโดย

[1] Ritajit Majumdar, Pedro Rivero, Friederike Metz, Areeq Hasan และ Derek S Wang, “แนวทางปฏิบัติที่ดีที่สุดสำหรับการลดข้อผิดพลาดทางควอนตัมด้วยการคาดการณ์สัญญาณรบกวนเป็นศูนย์ทางดิจิทัล”, arXiv: 2307.05203, (2023).

[2] Arnaud Carignan-Dugas, Shashank Kumar Ranu และ Patrick Dreher, “การประมาณการมีส่วนร่วมที่สอดคล้องกันในโปรไฟล์ข้อผิดพลาดโดยใช้การสร้างข้อผิดพลาดของวงจรใหม่”, arXiv: 2303.09945, (2023).

[3] Hugo Perrin, Thibault Scoquart, Alexander Shnirman, Jörg Schmalian และ Kyrylo Snizhko, “การบรรเทาข้อผิดพลาด crosstalk โดยการคอมไพล์แบบสุ่ม: การจำลองแบบจำลอง BCS บนคอมพิวเตอร์ควอนตัมที่มีตัวนำยิ่งยวด”, arXiv: 2305.02345, (2023).

[4] ChangWon Lee และ Daniel K. Park, “การลดข้อผิดพลาดในการวัดควอนตัมที่ปรับขนาดได้ผ่านความเป็นอิสระแบบมีเงื่อนไขและการเรียนรู้แบบถ่ายโอน”, arXiv: 2308.00320, (2023).

การอ้างอิงข้างต้นมาจาก are อบต./นาซ่าโฆษณา (ปรับปรุงล่าสุดสำเร็จ 2023-11-20 13:58:16 น.) รายการอาจไม่สมบูรณ์เนื่องจากผู้จัดพิมพ์บางรายไม่ได้ให้ข้อมูลอ้างอิงที่เหมาะสมและครบถ้วน

ไม่สามารถดึงข้อมูล Crossref อ้างโดย data ระหว่างความพยายามครั้งล่าสุด 2023-11-20 13:58:14 น.: ไม่สามารถดึงข้อมูลที่อ้างถึงสำหรับ 10.22331/q-2023-11-20-1184 จาก Crossref นี่เป็นเรื่องปกติหาก DOI ได้รับการจดทะเบียนเมื่อเร็วๆ นี้

บทความนี้เผยแพร่ใน Quantum ภายใต้ the ครีเอทีฟคอมมอนส์แบบแสดงที่มา 4.0 สากล (CC BY 4.0) ใบอนุญาต ลิขสิทธิ์ยังคงอยู่กับผู้ถือลิขสิทธิ์ดั้งเดิม เช่น ผู้เขียนหรือสถาบันของพวกเขา

ประทับเวลา:

เพิ่มเติมจาก วารสารควอนตัม

การแก้ปัญหาการหาค่าเหมาะที่สุดแบบผสมผสานโดยเครื่อง Ising ที่สอดคล้องกันซึ่งอิงจากโครงข่ายประสาทเทียมที่พุ่งสูงขึ้น

คลัสเตอร์ต้นทาง:
โหนดต้นทาง: 1906442
ประทับเวลา: ตุลาคม 24, 2023