جدید ترین کوانٹم ایرر کم کرنے کی تکنیکوں کو متحد اور بینچ مارکنگ

افلاطون کے ذریعہ دوبارہ شائع کیا گیا۔

فالونگ: 0

ڈینیئل بلٹرینی^1,2، میکس ہنٹر گورڈن³, Piotr Czarnik^1,4، اینڈریو آراسمتھ^1,5، ایم سیریزو^6,5، پیٹرک جے کولس^1,5، اور لوکاز سنسیو^1,5

¹نظریاتی ڈویژن، لاس الاموس نیشنل لیبارٹری، لاس الاموس، NM 87545، USA
²Theoretische Chemie, Physikalisch-Chemisches Institut, Universität Heidelberg, INF 229, D-69120 Heidelberg, Germany
³Instituto de Física Teórica, UAM/CSIC, Universidad Autónoma de Madrid, Madrid, Spain
⁴انسٹی ٹیوٹ آف تھیوریٹیکل فزکس، جاگیلونین یونیورسٹی، کراکو، پولینڈ۔
⁵کوانٹم سائنس سینٹر، اوک رج، TN 37931، USA
⁶انفارمیشن سائنسز، لاس الاموس نیشنل لیبارٹری، لاس الاموس، NM 87545، USA

اس کاغذ کو دلچسپ لگتا ہے یا اس پر بات کرنا چاہتے ہیں؟ SciRate پر تبصرہ کریں یا چھوڑیں۔.

خلاصہ

نقص کی تخفیف قریبی مدت میں عملی کوانٹم فائدہ حاصل کرنے کا ایک لازمی جزو ہے، اور متعدد مختلف طریقوں کی تجویز دی گئی ہے۔ اس کام میں، ہم تسلیم کرتے ہیں کہ بہت سے جدید ترین غلطیوں کو کم کرنے کے طریقے ایک مشترکہ خصوصیت کا اشتراک کرتے ہیں: وہ ڈیٹا سے چلنے والے ہوتے ہیں، مختلف کوانٹم سرکٹس سے حاصل کیے گئے کلاسیکی ڈیٹا کو استعمال کرتے ہیں۔ مثال کے طور پر، زیرو-نائز ایکسٹراپولیشن (ZNE) متغیر شور ڈیٹا استعمال کرتا ہے اور Clifford-data regression (CDR) قریب کلفورڈ سرکٹس سے ڈیٹا استعمال کرتا ہے۔ ہم یہ ظاہر کرتے ہیں کہ ورچوئل ڈسٹلیشن (VD) کو ریاستی تیاریوں کی مختلف تعداد سے تیار کردہ کلاسیکی اعداد و شمار پر غور کر کے اسی طرح دیکھا جا سکتا ہے۔ اس حقیقت کا مشاہدہ کرنے سے ہم ان تین طریقوں کو ایک عمومی ڈیٹا سے چلنے والے غلطیوں کے تخفیف کے فریم ورک کے تحت یکجا کرنے کی اجازت دیتے ہیں جسے ہم ڈیٹا (UNITED) کے ساتھ غلطی کی تخفیف کے لیے UNIfied Technique کہتے ہیں۔ بعض حالات میں، ہمیں معلوم ہوتا ہے کہ ہمارا UNITED طریقہ انفرادی طریقوں سے بہتر کارکردگی کا مظاہرہ کر سکتا ہے (یعنی، مکمل انفرادی حصوں سے بہتر ہے)۔ خاص طور پر، ہم رینڈم کوانٹم سرکٹس اور کوانٹم الٹرنیٹنگ آپریٹر انساٹز (QAOA) سے تیار کردہ مشاہدات کو کم کرنے کے لیے، ہم پھنسے ہوئے آئن کوانٹم کمپیوٹر سے بینچ مارک یونائیٹڈ کے ساتھ ساتھ دیگر جدید ترین طریقوں سے حاصل کردہ ایک حقیقت پسندانہ شور ماڈل کو استعمال کرتے ہیں۔ کوبٹس کی مختلف تعداد، سرکٹ کی گہرائیوں اور شاٹس کی کل تعداد کے ساتھ زیادہ سے زیادہ کٹ کے مسائل۔ ہمیں معلوم ہوتا ہے کہ مختلف تکنیکوں کی کارکردگی کافی حد تک شاٹ بجٹ پر منحصر ہے، زیادہ طاقتور طریقوں کے ساتھ بہترین کارکردگی کے لیے مزید شاٹس کی ضرورت ہوتی ہے۔ ہمارے سب سے بڑے سمجھے جانے والے شاٹ بجٹ ($10^{10}$) کے لیے، ہمیں معلوم ہوا ہے کہ UNITED انتہائی درست تخفیف دیتا ہے۔ لہذا، ہمارا کام موجودہ خرابی کو کم کرنے کے طریقوں کی ایک بینچ مارکنگ کی نمائندگی کرتا ہے اور حکومتوں کے لیے رہنمائی فراہم کرتا ہے جب کچھ طریقے زیادہ مفید ہوتے ہیں۔

Unifying and benchmarking state-of-the-art quantum error mitigation techniques PlatoBlockchain Data Intelligence. Vertical Search. Ai.

نمایاں تصویر: ڈیٹا کے ساتھ خرابی کی تخفیف کے لیے UNIfied تکنیک کا منصوبہ بندی کا خلاصہ۔

► BibTeX ڈیٹا

@article{Bultrini2023unifying, doi = {10.22331/q-2023-06-06-1034}, url = {https://doi.org/10.22331/q-2023-06-06-1034}، عنوان = {اتحاد اور اتحاد بینچ مارکنگ جدید ترین کوانٹم ایرر میٹیگیشن تکنیک}، مصنف = {بلٹرینی، ڈینیئل اور گورڈن، میکس ہنٹر اور زارنک، پیوٹر اور آراسمتھ، اینڈریو اور سیریزو، ایم اور کولس، پیٹرک جے اور سنسیو، لوکاس}، journal = {{Quantum}}, issn = {2521-327X}, publisher = {{Verein Zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}، جلد = {7}، صفحات = {1034 }، مہینہ = جون، سال = {2023} }

► حوالہ جات

ہے [1] Xavi Bonet-Monroig، Ramiro Sagastizabal، M سنگھ، اور TE O'Brien۔ ہم آہنگی کی تصدیق کے ذریعے کم لاگت کی خرابی کی تخفیف۔ جسمانی جائزہ A, 98 (6): 062339, 2018. https:///doi.org/10.1103/PhysRevA.98.062339.
https:///doi.org/10.1103/PhysRevA.98.062339

ہے [2] سرجی براوی، سارہ شیلڈن، ابھینو کنڈالا، ڈیوڈ سی میکے، اور جے ایم گیمبیٹا۔ ملٹی کوبٹ تجربات میں پیمائش کی غلطیوں کو کم کرنا۔ جسمانی جائزہ A, 103 (4): 042605, 2021. https:///doi.org/10.1103/PhysRevA.103.042605۔
https:///doi.org/10.1103/PhysRevA.103.042605

ہے [3] Zhenyu Cai. این آئی ایس کیو ایپلی کیشنز کے لیے ملٹی ایکسپونینشل ایرر ایکسٹراپولیشن اور غلطی کو کم کرنے کی تکنیکوں کو یکجا کرنا۔ npj کوانٹم انفارمیشن، 7 (1): 1–12، 2021a۔ https:///doi.org/10.1038/s41534-021-00404-3۔
https://doi.org/10.1038/s41534-021-00404-3

ہے [4] Zhenyu Cai. ہم آہنگی کی توسیع کا استعمال کرتے ہوئے کوانٹم غلطی کی تخفیف۔ کوانٹم، 5: 548، 2021b۔ https://doi.org/10.22331/q-2021-09-21-548۔
https://doi.org/10.22331/q-2021-09-21-548

ہے [5] Zhenyu Cai. وسائل سے موثر پیوریفیکیشن پر مبنی کوانٹم خرابی کی تخفیف۔ arXiv preprint arXiv:2107.07279, 2021c۔ URL https://arxiv.org/abs/2107.07279۔
آر ایکس سی: 2107.07279

ہے [6] M. Cerezo، Andrew Arrasmith، Ryan Babbush، Simon C Benjamin، Suguru Endo، Keisuke Fujii، Jarrod R McClean، Kosuke Mitarai، Xiao Yuan، Lukasz Cincio، اور Patrick J. Coles. تغیراتی کوانٹم الگورتھم۔ نیچر ریویو فزکس، 3 (1): 625–644، 2021۔ https:///doi.org/10.1038/s42254-021-00348-9۔
https://doi.org/10.1038/s42254-021-00348-9

ہے [7] Lukasz Cincio، Yiğit Subaşı، Andrew T Sornborger، اور Patrick J Coles. اسٹیٹ اوورلیپ کے لیے کوانٹم الگورتھم سیکھنا۔ طبیعیات کا نیا جریدہ، 20 (11): 113022، نومبر 2018۔ https:///doi.org/10.1088/1367-2630/aae94a۔
https://doi.org/10.1088/1367-2630/aae94a

ہے [8] Lukasz Cincio، Kenneth Rudinger، Mohan Sarovar، اور Patrick J. Coles. شور سے بچنے والے کوانٹم سرکٹس کی مشین لرننگ۔ PRX کوانٹم، 2: 010324، فروری 2021۔ https:///doi.org/10.1103/PRXQuantum.2.010324۔
https:///doi.org/10.1103/PRXQuantum.2.010324

ہے [9] Piotr Czarnik، Andrew Arrasmith، Lukasz Cincio، اور Patrick J Coles. غلطیوں کا کوبٹ-موثر کفایتی دبانا۔ arXiv preprint arXiv:2102.06056, 2021a۔ URL https://arxiv.org/abs/2102.06056۔
آر ایکس سی: 2102.06056

ہے [10] Piotr Czarnik، Andrew Arrasmith، Patrick J. Coles، اور Lukasz Cincio۔ کلفورڈ کوانٹم سرکٹ ڈیٹا کے ساتھ خرابی کی تخفیف۔ کوانٹم، 5:592، نومبر 2021b۔ ISSN 2521-327X۔ https:///doi.org/10.22331/q-2021-11-26-592۔
https://doi.org/10.22331/q-2021-11-26-592

ہے [11] Piotr Czarnik، Michael McKerns، Andrew T Sornborger، اور Lukasz Cincio۔ سیکھنے کی بنیاد پر غلطی کو کم کرنے کی کارکردگی کو بہتر بنانا۔ arXiv preprint arXiv:2204.07109, 2022. URL https:///arxiv.org/abs/2204.07109۔
آر ایکس سی: 2204.07109

ہے [12] Eugene F Dumitrescu، Alex J McCaskey، Gaute Hagen، Gustav R Jansen، Titus D Morris، T Papenbrock، Raphael C Pooser، David Jarvis Dean، اور Pavel Lougovski۔ ایٹم نیوکلئس کی کلاؤڈ کوانٹم کمپیوٹنگ۔ طبیعیات Rev. Lett., 120 (21): 210501, 2018. https:///doi.org/10.1103/PhysRevLett.120.210501۔
https:///doi.org/10.1103/PhysRevLett.120.210501

ہے [13] سوگورو اینڈو، سائمن سی بنیامین، اور ینگ لی۔ مستقبل قریب کی ایپلی کیشنز کے لیے عملی کوانٹم غلطی کی تخفیف۔ جسمانی جائزہ X, 8 (3): 031027, 2018. https:///doi.org/10.1103/PhysRevX.8.031027۔
https:///doi.org/10.1103/PhysRevX.8.031027

ہے [14] Suguru Endo، Zhenyu Cai، Simon C Benjamin، اور Xiao Yuan۔ ہائبرڈ کوانٹم-کلاسیکی الگورتھم اور کوانٹم غلطی کی تخفیف۔ جرنل آف دی فزیکل سوسائٹی آف جاپان، 90 (3): 032001، 2021۔ https:///doi.org/10.7566/JPSJ.90.032001۔
https://doi.org/10.7566/JPSJ.90.032001

ہے [15] پی ایرڈوس اور اے رینی۔ بے ترتیب گراف پر i. پبلی ریاضی debrecen, 6 (290-297): 18, 1959. URL http:///snap.stanford.edu/class/cs224w-readings/erdos59random.pdf۔
http:///snap.stanford.edu/class/cs224w-readings/erdos59random.pdf

ہے [16] ایڈورڈ فرہی، جیفری گولڈ اسٹون، اور سیم گٹ مین۔ ایک کوانٹم تخمینی اصلاح کا الگورتھم۔ arXiv preprint arXiv:1411.4028, 2014. URL https:///arxiv.org/abs/1411.4028۔
آر ایکس سی: 1411.4028

ہے [17] Tudor Giurgica-Tiron، Yousef Hindy، Ryan LaRose، Andrea Mari، اور William J Zeng۔ کوانٹم غلطی کی تخفیف کے لیے ڈیجیٹل صفر شور ایکسٹراپولیشن۔ 2020 IEEE انٹرنیشنل کانفرنس آن کوانٹم کمپیوٹنگ اینڈ انجینئرنگ (QCE)، صفحات 306–316، 2020۔ https:///doi.org/10.1109/QCE49297.2020.00045۔
https://doi.org/10.1109/QCE49297.2020.00045

ہے [18] ڈینیل گوٹسمین۔ کوانٹم کمپیوٹرز کی ہائزنبرگ کی نمائندگی، پر بات کریں۔ طبیعیات میں گروپ نظریاتی طریقوں پر بین الاقوامی کانفرنس میں۔ Citeseer, 1998. URL http:///citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.252.9446۔
http:///citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.252.9446

ہے [19] اسٹیورٹ ہیڈفیلڈ، زیہوئی وانگ، برائن او گورمین، ایلینور جی ریفل، ڈیوڈ وینچریلی، اور روپک بسواس۔ کوانٹم تخمینی اصلاح کے الگورتھم سے ایک کوانٹم متبادل آپریٹر ansatz تک۔ الگورتھم، 12 (2): 34، 2019۔ https:///doi.org/10.3390/a12020034۔
https://doi.org/10.3390/a12020034

ہے [20] کیتھلین ای ہیملٹن، ٹائلر خرازی، ٹائٹس مورس، الیگزینڈر جے میککی، ریان ایس بیننک، اور رافیل سی پوسر۔ توسیع پذیر کوانٹم پروسیسر شور کی خصوصیت۔ 2020 میں IEEE انٹرنیشنل کانفرنس آن کوانٹم کمپیوٹنگ اینڈ انجینئرنگ (QCE)، صفحات 430–440۔ IEEE، 2020۔ https://doi.org/10.1109/QCE49297.2020.00060۔
https://doi.org/10.1109/QCE49297.2020.00060

ہے [21] آندرے ہی، بینجمن ناچمن، وِب اے ڈی جونگ، اور کرسچن ڈبلیو باؤر۔ شناخت کے اندراج کے ساتھ کوانٹم گیٹ کی خرابی کی تخفیف کے لیے زیرو شور ایکسٹراپولیشن۔ جسمانی جائزہ A, 102: 012426, Jul 2020. https:///doi.org/10.1103/PhysRevA.102.012426.
https:///doi.org/10.1103/PhysRevA.102.012426

ہے [22] ولیم جے ہگنس، سیم میکارڈل، تھامس ای اوبرائن، جونہو لی، نکولس سی روبن، سرجیو بوکسو، کے برگیٹا وہیلی، ریان بابش، اور جارڈ آر میک کلین۔ کوانٹم غلطی کی تخفیف کے لیے ورچوئل ڈسٹلیشن۔ جسمانی جائزہ X, 11 (4): 041036, 2021. https:///doi.org/10.1103/PhysRevX.11.041036.
https:///doi.org/10.1103/PhysRevX.11.041036

ہے [23] Mingxia Huo اور Ying Li. عملی کوانٹم غلطی کی تخفیف کے لیے دوہری حالت صاف کرنا۔ جسمانی جائزہ A, 105 (2): 022427, 2022. https:///doi.org/10.1103/PhysRevA.105.022427۔
https:///doi.org/10.1103/PhysRevA.105.022427

ہے [24] ابھینو کنڈالا، کرسٹن ٹیمے، انتونیو ڈی کورکولس، انتونیو میزاکاپو، جیری ایم چو، اور جے ایم گیمبیٹا۔ خرابی کی تخفیف شور والے کوانٹم پروسیسر کی کمپیوٹیشنل رسائی کو بڑھاتی ہے۔ فطرت، 567 (7749): 491–495، مارچ 2019۔ ISSN 1476-4687۔ https://doi.org/10.1038/s41586-019-1040-7۔
https://doi.org/10.1038/s41586-019-1040-7

ہے [25] سومیت کھتری، ریان لاروز، الیگزینڈر پورمبا، لوکاس سنسیو، اینڈریو ٹی سورنبرگر، اور پیٹرک جے کولس۔ کوانٹم کی مدد سے کوانٹم کمپائلنگ۔ کوانٹم، 3: 140، 2019۔ https://doi.org/10.22331/q-2019-05-13-140۔
https://doi.org/10.22331/q-2019-05-13-140

ہے [26] بیلنٹ کوزور۔ قریبی مدت کے کوانٹم ڈیوائسز کے لیے کفایتی غلطی کو دبانا۔ جسمانی جائزہ X, 11 (3): 031057, 2021a۔ https:///doi.org/10.1103/PhysRevX.11.031057۔
https:///doi.org/10.1103/PhysRevX.11.031057

ہے [27] بیلنٹ کوزور۔ شور والی کوانٹم حالت کا غالب ایجین ویکٹر۔ طبیعیات کا نیا جریدہ، 23 (12): 123047، 2021b۔ https:///doi.org/10.1088/1367-2630/ac37ae۔
https://doi.org/10.1088/1367-2630/ac37ae

ہے [28] اینگس لو، میکس ہنٹر گورڈن، پیوٹر زارنک، اینڈریو آراسمتھ، پیٹرک جے کولس، اور لوکاس سنسیو۔ ڈیٹا سے چلنے والے کوانٹم غلطی کی تخفیف کے لیے متحد نقطہ نظر۔ طبیعیات Rev. Research, 3: 033098, Jul 2021. https:///doi.org/10.1103/PhysRevResearch.3.033098.
https:///doi.org/10.1103/PhysRevResearch.3.033098

ہے [29] اینڈریا ماری، ناتھن شمہ، اور ولیم جے زینگ۔ شور اسکیلنگ کے ذریعہ کوانٹم امکانی غلطی کی منسوخی کو بڑھانا۔ جسمانی جائزہ A, 104 (5): 052607, 2021۔ https:///doi.org/10.1103/PhysRevA.104.052607۔
https:///doi.org/10.1103/PhysRevA.104.052607

ہے [30] دمتری مسلوف۔ آئن ٹریپ کوانٹم مشین کے لیے بنیادی سرکٹ تالیف کی تکنیک۔ طبیعیات کا نیا جریدہ، 19 (2): 023035، 2017۔ https:///doi.org/10.1088/1367-2630/aa5e47۔
https://doi.org/10.1088/1367-2630/aa5e47

ہے [31] سیم میکارڈل، ژاؤ یوآن، اور سائمن بنجمن۔ غلطی کو کم کرنے والا ڈیجیٹل کوانٹم سمولیشن۔ طبیعیات Rev. Lett.، 122: 180501، مئی 2019۔ https:///doi.org/10.1103/PhysRevLett.122.180501۔
https:///doi.org/10.1103/PhysRevLett.122.180501

ہے [32] Jarrod R McClean، Sergio Boixo، Vadim N Smelyanskiy، Ryan Babbush، اور Hartmut Neven۔ کوانٹم نیورل نیٹ ورک ٹریننگ لینڈ سکیپس میں بنجر سطح مرتفع۔ نیچر کمیونیکیشنز، 9 (1): 1–6، 2018۔ https:///doi.org/10.1038/s41467-018-07090-4۔
https://doi.org/10.1038/s41467-018-07090-4

ہے [33] ایشلے مونٹانوارو اور اسٹاسجا اسٹینسک۔ فرمیونک لکیری آپٹکس کے ساتھ تربیت کے ذریعے خرابی کا خاتمہ۔ arXiv preprint arXiv:2102.02120, 2021. URL https:///arxiv.org/abs/2102.02120۔
آر ایکس سی: 2102.02120

ہے [34] پرکاش مرلی، جوناتھن ایم بیکر، علی جاوید ابھاری، فریڈرک ٹی چونگ، اور مارگریٹ مارٹونوسی۔ شور مچانے والے انٹرمیڈیٹ پیمانہ کوانٹم کمپیوٹرز کے لیے شور انکولی کمپائلر میپنگ۔ ASPLOS '19، صفحہ 1015–1029، نیویارک، NY، USA، 2019. ایسوسی ایشن فار کمپیوٹنگ مشینری۔ ISBN 9781450362405۔ https://doi.org/10.1145/3297858.3304075۔
https://doi.org/10.1145/3297858.3304075

ہے [35] Thomas E. O'Brien، Stefano Polla، Nicholas C. Rubin، William J. Huggins، Sam McArdle، Sergio Boixo، Jarrod R. McClean، اور Ryan Babbush۔ تصدیق شدہ مرحلے کے تخمینے کے ذریعے خرابی کی تخفیف۔ PRX کوانٹم، 2: 020317، مئی 2021۔ https:///doi.org/10.1103/PRXQuantum.2.020317۔
https:///doi.org/10.1103/PRXQuantum.2.020317

ہے [36] میتھیو اوٹن اور اسٹیفن کے گرے۔ شور سے پاک کوانٹم آبزرویبلز کی بازیافت۔ جسمانی جائزہ A, 99 (1): 012338, 2019. https:///doi.org/10.1103/PhysRevA.99.012338۔
https:///doi.org/10.1103/PhysRevA.99.012338

ہے [37] میتھیو اوٹن، کرسٹین ایل کورٹیس، اور سٹیفن کے گرے۔ شور سے بچنے والی کوانٹم حرکیات ہم آہنگی کو محفوظ رکھنے والے اینسیٹز کا استعمال کرتے ہوئے۔ arXiv preprint arXiv:1910.06284, 2019. URL https:///arxiv.org/abs/1910.06284۔
آر ایکس سی: 1910.06284

ہے [38] لیوس فرائی رچرڈسن اور جے آرتھر گانٹ۔ VIII حد تک موخر نقطہ نظر۔ لندن کی رائل سوسائٹی کے فلسفیانہ لین دین۔ سیریز A، ایک ریاضی یا جسمانی کردار کے کاغذات پر مشتمل، 226 (636-646): 299–361، جنوری 1927۔ https:///doi.org/10.1098/rsta.1927.0008۔
https://doi.org/10.1098/rsta.1927.0008

ہے [39] کنال شرما، سومیت کھتری، ایم سیریزو، اور پیٹرک جے کولس۔ تغیراتی کوانٹم کمپائلنگ کی شور کی لچک۔ طبیعیات کا نیا جریدہ، 22 (4): 043006، 2020۔ https:///doi.org/10.1088/1367-2630/ab784c۔
https:///doi.org/10.1088/1367-2630/ab784c

ہے [40] John A. Smolin اور David P. DiVincenzo۔ کوانٹم فریڈکن گیٹ کو لاگو کرنے کے لیے پانچ دو بٹ کوانٹم گیٹس کافی ہیں۔ جسمانی جائزہ A, 53: 2855–2856, 1996. https:///doi.org/10.1103/PhysRevA.53.2855۔
https:///doi.org/10.1103/PhysRevA.53.2855

ہے [41] الیجینڈرو سوپینا، میکس ہنٹر گورڈن، جرمن سیرا، اور ایسپرانزا لوپیز۔ ڈیٹا سے چلنے والی غلطی کی تخفیف کے ساتھ ڈیجیٹل کوانٹم کمپیوٹر پر بجھانے کی حرکیات کی نقالی۔ کوانٹم سائنس اینڈ ٹیکنالوجی، 2021۔ https:///doi.org/10.1088/2058-9565/ac0e7a۔
https://doi.org/10.1088/2058-9565/ac0e7a

ہے [42] ڈینیئل اسٹیلک فرانکا اور راؤل گارسیا پیٹرن۔ شور مچانے والے کوانٹم آلات پر اصلاحی الگورتھم کی حدود۔ نیچر فزکس، 17 (11): 1221–1227، 2021۔ https:///doi.org/10.1038/s41567-021-01356-3۔
https://doi.org/10.1038/s41567-021-01356-3

ہے [43] آرمنڈس اسٹرائیکس، ڈیو کن، ینزو چن، سائمن سی بنیامین، اور ینگ لی۔ سیکھنے پر مبنی کوانٹم غلطی کی تخفیف۔ PRX Quantum, 2 (4): 040330, 2021. https:///doi.org/10.1103/PRXQuantum.2.040330.
https:///doi.org/10.1103/PRXQuantum.2.040330

ہے [44] ریوجی تاکاگی۔ غلطی کی تخفیف کے لیے وسائل کی بہترین قیمت۔ طبیعیات Rev. Res., 3: 033178, Aug 2021. https:///doi.org/10.1103/PhysRevResearch.3.033178.
https:///doi.org/10.1103/PhysRevResearch.3.033178

ہے [45] کرسٹن ٹیمے، سرجی براوی، اور جے ایم گیمبیٹا۔ مختصر گہرائی والے کوانٹم سرکٹس کے لیے خرابی کی تخفیف۔ طبیعیات Rev. Lett., 119: 180509, Nov 2017. https:///doi.org/10.1103/PhysRevLett.119.180509۔
https:///doi.org/10.1103/PhysRevLett.119.180509

ہے [46] کولن جے ٹراؤٹ، میوان لی، موریسیو گوٹیریز، یوکائی وو، شینگ تاؤ وانگ، لومنگ ڈوان، اور کینتھ آر براؤن۔ ایک لکیری آئن ٹریپ میں فاصلہ -3 سطحی کوڈ کی کارکردگی کو نقل کرنا۔ طبیعیات کا نیا جریدہ، 20 (4): 043038، 2018۔ https:///doi.org/10.1088/1367-2630/aab341۔
https://doi.org/10.1088/1367-2630/aab341

ہے [47] Miroslav Urbanek، Benjamin Nachman، Vincent R Pascuzzi، Andre He، Christ W Bauer، اور Wibe A de Jong۔ شور کا اندازہ لگانے والے سرکٹس کے ساتھ کوانٹم کمپیوٹرز پر غیر پولرائزنگ شور کو کم کرنا۔ طبیعیات Rev. Lett., 127 (27): 270502, 2021. https:///doi.org/10.1103/PhysRevLett.127.270502۔
https:///doi.org/10.1103/PhysRevLett.127.270502

ہے [48] جوزف ووروش، کرن ای کھوسلہ، شان گرین وے، کرسٹوفر سیلف، میونگشِک ایس کم، اور جوہانس کنول۔ کوانٹم سمولیشنز میں عالمی سطح پر ڈیپولرائزنگ غلطیوں کی سادہ تخفیف۔ جسمانی جائزہ E, 104 (3): 035309, 2021. 10.1103/PhysRevE.104.035309.
https:///doi.org/10.1103/PhysRevE.104.035309

ہے [49] کن وانگ، یو-آؤ چن، اور ژن وانگ۔ کٹی ہوئی نیومن سیریز کے ذریعے کوانٹم کی غلطیوں کو کم کرنا۔ arXiv preprint arXiv:2111.00691, 2021a۔ URL https://arxiv.org/abs/2111.00691۔
آر ایکس سی: 2111.00691

ہے [50] سیمسن وانگ، اینریکو فونٹانا، ایم سیریزو، کنال شرما، اکیرا سون، لوکاز سنسیو، اور پیٹرک جے کولز۔ تغیراتی کوانٹم الگورتھم میں شور سے متاثر بنجر سطح مرتفع۔ نیچر کمیونیکیشنز، 12 (1): 1–11، 2021b۔ https:///doi.org/10.1038/s41467-021-27045-6۔
https://doi.org/10.1038/s41467-021-27045-6

ہے [51] Yifeng Xiong، Soon Xin Ng، اور Lajos Hanzo۔ کوانٹم خرابی کی تخفیف پرمیوٹیشن فلٹرنگ پر انحصار کرتی ہے۔ مواصلات پر IEEE ٹرانزیکشنز، 70 (3): 1927–1942، 2022۔ https:///doi.org/10.1109/TCOMM.2021.3132914۔
https:///doi.org/10.1109/TCOMM.2021.3132914

ہے [52] Nobuyuki Yoshioka، Hideaki Hakoshima، Yuichiro Matsuzaki، Yuuki Tokunaga، Yasunari Suzuki، اور Suguru Endo۔ عمومی کوانٹم ذیلی جگہ کی توسیع۔ طبیعیات Rev. Lett., 129: 020502, Jul 2022. https:///doi.org/10.1103/PhysRevLett.129.020502.
https:///doi.org/10.1103/PhysRevLett.129.020502

کی طرف سے حوالہ دیا گیا

[1] Ryuji Takagi، Hiroyasu Tajima، اور Mile Gu، "کوانٹم ایرر کم کرنے کے لیے یونیورسل سیمپلنگ لوئر باؤنڈز"، آر ایکس سی: 2208.09178, (2022).

[2] C. Huerta Alderete, Alaina M. Green, Nhung H. Nguyen, Yingyue Zhu, Norbert M. Linke, and BM Rodríguez-Lara, "ایک پھنسے ہوئے آئن کوانٹم کمپیوٹر پر پیرا پارٹیکل oscillator simulations"، آر ایکس سی: 2207.02430, (2022).

[3] سیمسن وانگ، پیوٹر زارنک، اینڈریو آراسمتھ، ایم سیریزو، لوکاس سنسیو، اور پیٹرک جے کولس، "کیا خرابی کی تخفیف شور مچانے والے تغیراتی کوانٹم الگورتھم کی تربیت کو بہتر بنا سکتی ہے؟"، آر ایکس سی: 2109.01051, (2021).

[4] He-Liang Huang، Xiao-yue Xu، Chu Guo، Guojing Tian، Shi-Jie Wei، Xiaoming Sun، Wan-Su Bao، اور Gui-Lu Long، "قریبی مدت کوانٹم کمپیوٹنگ تکنیک: تغیراتی کوانٹم الگورتھم، غلطی کی تخفیف، سرکٹ کمپلیشن، بینچ مارکنگ اور کلاسیکی تخروپن"، سائنس چائنا فزکس، میکانکس، اور فلکیات 66 5، 250302 (2023).

[5] الیسیو کالزونا اور میٹیو کیریگا، "شور سے بچنے والے سپر کنڈکٹنگ کوئبٹس کے لیے ملٹی موڈ فن تعمیر"، سپر کنڈکٹر سائنس ٹیکنالوجی 36 2، 023001 (2023).

[6] عبداللہ ایش ساکی، عمارہ کتبروا، سالونک ریسچ، اور جارج امبریسکو، "خرابی کی تخفیف کے لیے مفروضے کی جانچ: غلطی کی تخفیف کا اندازہ کیسے لگایا جائے"، آر ایکس سی: 2301.02690, (2023).

اینڈریا ماری، ناتھن شمہ، اور ولیم جے زینگ، "کوانٹم پروبیبلسٹک ایرر کینسلیشن کو شور سکیلنگ کے ذریعے بڑھانا"، جسمانی جائزہ A 104 5, 052607 (2021).

[8] Michael Krebsbach، Björn Trauzettel، اور Alessio Calzona، "کوانٹم ایرر کم کرنے کے لیے رچرڈسن کے ایکسٹراپولیشن کی اصلاح"، جسمانی جائزہ A 106 6, 062436 (2022).

[9] بینجمن اے کورڈیر، نکولس پی ڈی ساویا، جیان جی گوریشی، اور شینن کے میک وینی، "بائیولوجی اینڈ میڈیسن ان دی لینڈ سکیپ آف کوانٹم فوائد"، آر ایکس سی: 2112.00760, (2021).

[10] Thomas Ayral، Pauline Besserve، Denis Lacroix، اور Edgar Andres Ruiz Guzman، "کوانٹم کمپیوٹنگ کے ساتھ اور کئی جسمانی طبیعیات کے لیے"، آر ایکس سی: 2303.04850, (2023).

[11] Joris Kattemölle اور Jasper van Wezel، "کاگوم جالی پر ہیزنبرگ اینٹی فیرو میگنیٹ کے لیے تغیراتی کوانٹم ایگنسولور"، جسمانی جائزہ B 106 21, 214429 (2022).

Ryan LaRose، Andrea Mari، Vincent Russo، Dan Strano، اور William J. Zeng، "خرابی کی تخفیف کوانٹم کمپیوٹرز کے موثر کوانٹم حجم کو بڑھاتی ہے"، آر ایکس سی: 2203.05489, (2022).

[13] Dayue Qin، Xiaosi Xu، اور Ying Li، "کوانٹم ایرر کم کرنے کے فارمولوں کا ایک جائزہ"، چینی طبیعیات B 31 9، 090306 (2022).

[14] Zhenyu Cai، "کوانٹم ایرر مٹیگیشن کے لیے ایک عملی فریم ورک"، آر ایکس سی: 2110.05389, (2021).

[15] الیجینڈرو سوپینا، میکس ہنٹر گورڈن، ڈیاگو گارسیا مارٹن، جرمان سیرا، اور ایسپرانزا لوپیز، "الجبریک بیتھ سرکٹس"، کوانٹم 6, 796 (2022).

[16] Noah F. Berthusen، Thaís V. Trevisan، Thomas Iadecola، اور Peter P. Orth، "کوانٹم ڈائنامکس سمیولیشنز پر ہم آہنگی کے وقت سے آگے شور کے درمیانی پیمانے پر کوانٹم ہارڈویئر بذریعہ تغیراتی ٹراٹر کمپریشن"، جسمانی جائزہ تحقیق 4 2، 023097 (2022).

[17] Yifeng Xiong، Soon Xin Ng، اور Lajos Hanzo، "کوانٹم ایرر Mitigation Relying on Permutation Filtering"، آر ایکس سی: 2107.01458, (2021).

[18] Xuanqiang Zhao، Benchi Zhao، Zihan Xia، اور Xin Wang، "شور کوانٹم ریاستوں کی معلومات کی بازیافت"، کوانٹم 7, 978 (2023).

[19] Piotr Czarnik، Michael McKerns، Andrew T. Sornborger، اور Lukasz Cincio، "سیکھنے کی بنیاد پر غلطی کو کم کرنے کی کارکردگی کو بہتر بنانا"، آر ایکس سی: 2204.07109, (2022).

[20] Shi-Xin Zhang، Zhou-Quan Wan، Chang-Yu Hsieh، Hong Yao، اور Shengyu Zhang، "متغیر کوانٹم-نیورل ہائبرڈ ایرر مٹیگیشن"، آر ایکس سی: 2112.10380, (2021).

[21] میکس گورڈن، "ایٹ آف دی آرٹ کوانٹم ایرر کم کرنے کی تکنیکوں کو متحد اور بینچ مارکنگ"، اے پی ایس مارچ میٹنگ خلاصہ 2022، S40.012 (2022)۔

[22] واسیلی سازونوف اور محمد تمازوستی، "پیرامیٹرک سرکٹس کے لیے کوانٹم غلطی کی تخفیف"، جسمانی جائزہ A 105 4, 042408 (2022).

[23] اینڈریو آراسمتھ، اینڈریو پیٹرسن، ایلس بوٹن، اور مارکو پینی، "این آئی ایس کیو الگورتھم میں استعمال کے لیے ایک موثر ریڈ آؤٹ ایرر مٹیگیشن ٹیکنیک کی ترقی اور مظاہرہ"، آر ایکس سی: 2303.17741, (2023).

[24] جن-من لیانگ، کیو-کیاؤ ایل وی، زی-ژی وانگ، اور شاؤ-منگ فی، "متحد ملٹی ویریٹیٹ ٹریس تخمینہ اور کوانٹم غلطی کی تخفیف"، جسمانی جائزہ A 107 1, 012606 (2023).

مذکورہ بالا اقتباسات سے ہیں۔ SAO/NASA ADS (آخری بار کامیابی کے ساتھ 2023-06-06 22:08:53)۔ فہرست نامکمل ہو سکتی ہے کیونکہ تمام ناشرین مناسب اور مکمل حوالہ ڈیٹا فراہم نہیں کرتے ہیں۔

On Crossref کی طرف سے پیش خدمت کاموں کے حوالے سے کوئی ڈیٹا نہیں ملا (آخری کوشش 2023-06-06 22:08:51)۔

یہ مقالہ کوانٹم میں کے تحت شائع کیا گیا ہے۔ Creative Commons انتساب 4.0 انٹرنیشنل (CC BY 4.0) لائسنس کاپی رائٹ اصل کاپی رائٹ ہولڈرز جیسے مصنفین یا ان کے اداروں کے پاس رہتا ہے۔

SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
پلیٹوآئ اسٹریم۔ ویب 3 ڈیٹا انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
ایڈریین ایشلے کے ساتھ مستقبل کا نقشہ بنانا۔ یہاں تک رسائی حاصل کریں۔
PREIPO® کے ساتھ PRE-IPO کمپنیوں میں حصص خریدیں اور بیچیں۔ یہاں تک رسائی حاصل کریں۔
ماخذ: https://quantum-journal.org/papers/q-2023-06-06-1034/

ٹائم اسٹیمپ: جون 6، 2023

ٹائم اسٹیمپ: مارچ 14، 2024

افلاطون کے ذریعہ دوبارہ شائع کیا گیا۔

ڈی لوکلائزڈ کوانٹم سٹیٹ ایوولوشنز کے ذریعے اعلی درستگی ہیملٹونین سیکھنا

راؤنڈنگ وعدوں کے ذریعے تھرمل اسٹیٹ کی تیاری

کسی بھی گیپڈ کوانٹم کئی باڈی سسٹم سے تیزی سے مکس ہونے والی مارکوف چین

مصدقہ حذف کے ساتھ سازگار طور پر محفوظ آلہ سے آزاد خفیہ کاری

کوانٹم تھرمل مشینوں کو وقتاً فوقتاً تازہ کیا جاتا ہے۔

کازل کنکشن کا وسیلہ نظریہ

جادوئی حالتوں کے ساتھ کوانٹم کمپیوٹیشن میں کوہومولوجی کا کردار

فائدہ کشید ٹیکنالوجی کے ساتھ جڑواں فیلڈ کوانٹم کلیدی تقسیم کی کارکردگی کو بہتر بنانا

وقت کے لحاظ سے زیادہ سے زیادہ ملٹی کوبٹ گیٹس: پیچیدگی، موثر ہیورسٹک اور گیٹ ٹائم باؤنڈز

جامع نظاموں میں سیاق و سباق: کوچن سپیکر تھیوریم میں الجھن کا کردار

بعد از منتخب کوانٹم ریاستوں کی ٹیلی پورٹیشن

ہمارے متعلق

عمودی تلاش اور Ai

پلیٹ فارم

مربوط رہو

اکاؤنٹ