用于表面代码的可扩展且快速的人工神经网络综合症解码器

用于表面代码的可扩展且快速的人工神经网络综合症解码器

时间戳：12年2023月10日上午23:XNUMX

斯皮罗·吉切夫1, 劳埃德 CL 霍伦伯格1和穆罕默德·乌斯曼1,2,3

1墨尔本大学物理学院量子计算和通信技术中心，帕克维尔，3010，维多利亚州，澳大利亚。
2墨尔本大学墨尔本工程学院计算与信息系统学院，Parkville, 3010, VIC, 澳大利亚
3Data61，CSIRO，克莱顿，3168，维多利亚州，澳大利亚

觉得本文有趣或想讨论？ 在SciRate上发表评论或发表评论.

抽象

表面代码纠错为实现可扩展的容错量子计算提供了一条非常有前途的途径。 当作为稳定器代码运行时，表面代码计算包括校正子解码步骤，其中测量的稳定器算子用于确定物理量子位中错误的适当校正。 解码算法已经取得了长足的发展，最近的工作结合了机器学习 (ML) 技术。 尽管初步结果很有希望，但基于机器学习的综合症解码器仍然仅限于低延迟的小规模演示，并且无法处理具有边界条件和晶格手术和编织所需的各种形状的表面代码。 在这里，我们报告了基于人工神经网络（ANN）的可扩展和快速校正子解码器的开发，该解码器能够使用遭受去极化误差模型影响的数据量子位来解码任意形状和大小的表面代码。 基于超过 50 万个随机量子错误实例的严格训练，我们的 ANN 解码器可处理超过 1000 的代码距离（超过 4 万个物理量子位），这是迄今为止最大的基于 ML 的解码器演示。 所建立的 ANN 解码器展示了原则上与代码距离无关的执行时间，这意味着其在专用硬件上的实现可能提供 O($mu$sec) 的表面代码解码时间，与实验上可实现的量子位相干时间相当。 随着量子处理器在未来十年内的预期扩展，通过我们工作中开发的快速且可扩展的综合症解码器对其进行增强，预计将对容错量子信息处理的实验实现发挥决定性作用。

用于表面代码柏拉图区块链数据智能的可扩展且快速的人工神经网络综合症解码器。垂直搜索。人工智能。

特色图片：用于快速且可扩展的纠错的人工神经网络解码器框架。

热门摘要

当前一代量子设备的准确性受到噪声或错误的影响。 可以部署诸如表面码之类的量子纠错码来检测和纠正错误。 实现表面编码方案的关键步骤是解码，该算法使用直接从量子计算机测量的误差信息来计算适当的校正。 为了有效解决噪声引起的问题，解码器需要与底层量子硬件上进行的快速测量同步计算适当的校正。 这需要在足够大的表面代码距离上实现，以充分抑制错误，并且同时在所有活动逻辑量子位上实现。 以前的工作主要关注图匹配算法，例如最小权重完美匹配，最近的一些工作也研究了神经网络在该任务中的使用，尽管仅限于小规模实现。

我们的工作提出并实现了一种新颖的卷积神经网络框架，以解决解码长距离表面代码时遇到的缩放问题。 卷积神经网络的输入由改变的奇偶校验测量值以及纠错码的边界结构组成。 考虑到整个卷积神经网络中局部观察的有限窗口，使用清理解码器来纠正可能残留的任何稀疏残留错误。 基于超过 50 万个随机量子错误实例的严格训练，我们的解码器被证明可以处理超过 1000 的代码距离（超过 4 万个物理量子位），这是迄今为止最大的基于 ML 的解码器演示。

在输入中使用卷积神经网络和边界结构使我们的网络能够应用于广泛的表面代码距离和边界配置。 网络的本地连接允许在解码较大距离的代码时保持低延迟，并且很容易促进并行化。 我们的工作解决了使用神经网络对实际感兴趣的问题进行解码的关键问题，并允许涉及使用具有类似结构的网络进行进一步的研究。

►BibTeX数据

►参考

[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. Tommichel、VC Usenko、G. Vallone、P. Villoresi 和 P. Wallden。 “量子密码学的进展”。 进阶选择。 光子。 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 和 Alán Aspuru-Guzik。 “量子计算时代的量子化学”。 化学评论 119, 10856–10915 (2019)。
https：///doi.org/10.1021/acs.chemrev.8b00803

[3] 罗曼·奥鲁斯、塞缪尔·穆格尔和恩里克·利扎索。 “金融量子计算：概述与前景”。 物理学评论 4, 100028 (2019)。
https：///doi.org/10.1016/j.revip.2019.100028

[4] 克雷格·吉德尼和马丁·埃克拉。 “如何使用 2048 万个噪声量子位在 8 小时内分解 20 位 RSA 整数”。 量子 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 和 Ryan Babbush。 “通过张量超收缩进行更有效的化学量子计算”。 PRX 量子 2, 030305 (2021)。
https：/ / doi.org/ 10.1103 / PRXQuantum.2.030305

[6] 尤瓦尔·R·桑德斯、多米尼克·W·贝里、佩德罗·CS·科斯塔、路易斯·W·泰斯勒、内森·维比、克雷格·吉德尼、哈特穆特·内文和瑞安·巴布布什。 “用于组合优化的容错量子启发式编译”。 PRX 量子 1, 020312 (2020)。
https：/ / doi.org/ 10.1103 / PRXQuantum.1.020312

[7] Eric Dennis、Alexei Kitaev、Andrew Landahl 和 John Preskill。 “拓扑量子存储器”。 数学物理杂志 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 和 Andreas Wallraff。 “表面代码中的重复量子错误检测”。 自然物理学 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 等。 “通过循环误差校正对比特或相位误差进行指数抑制”。 自然 595, 383–387 (2021)。
https：/ / doi.org/ 10.1038 / s41586-021-03588-y

[10] 奥斯汀·G·福勒、大卫·S·王和劳埃德·CL·霍伦伯格。 “结合精确错误传播的表面码量子纠错”（2010）。 arXiv：1004.0255。
https://doi.org/10.48550/arXiv.1004.0255
的arXiv：1004.0255

[11] 奥斯汀·G·福勒、亚当·C·怀特塞德和劳埃德·CL·霍伦伯格。 “面向表面代码的实用经典处理”。 物理评论快报 108 (2012)。
https：///doi.org/10.1103/physrevlett.108.180501

[12] 奥斯汀·G·福勒。 “表面代码中相关错误的最佳复杂性校正”（2013）。 arXiv：1310.0863。
https://doi.org/10.48550/arXiv.1310.0863
的arXiv：1310.0863

[13] 弗恩·HE·沃森、侯赛因·安瓦尔和丹·E·布朗。 “用于 qubit 和 qudit 表面代码的快速容错解码器”。 物理。 修订版 A 92, 032309 (2015)。
https：/ / doi.org/ 10.1103 / PhysRevA.92.032309

[14] 纪尧姆·杜克洛·钱奇和大卫·波林。 “拓扑量子代码的快速解码器”。 物理。 莱特牧师。 104, 050504 (2010)。
https：/ / doi.org/ 10.1103 / PhysRevLett.104.050504

[15] 罗伯特·劳森多夫和吉姆·哈灵顿。 “二维高阈值容错量子计算”。 物理。 牧师莱特。 98, 190504 (2007)。
https：/ / doi.org/ 10.1103 / PhysRevLett.98.190504

[16] 丹尼尔·利廷斯基. “表面代码的游戏：采用晶格手术的大规模量子计算”。 量子 3, 128 (2019)。
https:/​/​doi.org/​10.22331/​q-2019-03-05-128

[17] 萨瓦斯·瓦尔萨莫普洛斯、本·克里格和科恩·贝特尔。 “用前馈神经网络解码小表面代码”。 量子科学与技术 3, 015004 (2017).
https：///doi.org/10.1088/2058-9565/aa955a

[18] Amarsanaa Davaasuren、铃木康成、藤井圭介和小志正人。 “构建快速且接近最佳的基于机器学习的拓扑稳定器代码解码器的通用框架”。 物理。 修订版研究。 2、033399（2020）。
https：/ / doi.org/ 10.1103 / PhysRevResearch.2.033399

[19] 贾科莫·托莱 (Giacomo Torlai) 和罗杰·G·梅尔科 (Roger G. Melko)。 “拓扑代码的神经解码器”。 物理。 牧师莱特。 119, 030501 (2017)。
https：/ / doi.org/ 10.1103 / PhysRevLett.119.030501

[20] 斯特凡·克拉斯塔诺夫和梁江。 “稳定器代码的深度神经网络概率解码器”。 科学报告 7 (2017)。
https:/​/​doi.org/​10.1038/​s41598-017-11266-1

[21] Paul Baireuther、Thomas E. O'Brien、Brian Tarasinski 和 Carlo WJ Beenakker。 “拓扑代码中相关量子位错误的机器学习辅助校正”。 量子 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 和 Sundaraja Sitharama Iyengar。 “用于量子计算纠错的表面代码综合症的高效解码”（2021）。 arXiv：2110.10896。
https://doi.org/10.48550/arXiv.2110.10896
的arXiv：2110.10896

[23] Ryan Sweke、Markus S Kesselring、Evert PL van Nieuwenburg 和 Jens Eisert。 “用于容错量子计算的强化学习解码器”。 机器学习：科学与技术 2, 025005 (2020).
https:/ / doi.org/ 10.1088/ 2632-2153/ abc609

[24] Elisha Siddiqui Matekole、Esther Ye、Ramya Iyer 和 Samuel Yen-Chi Chen。 “通过深度强化学习和概率策略重用解码表面代码”（2022）。 arXiv：2212.11890。
https://doi.org/10.48550/arXiv.2212.11890
的arXiv：2212.11890

[25] Ramon WJ Overwater、Masoud Babaie 和 Fabio Sebastiano。 “使用表面代码进行量子纠错的神经网络解码器：硬件成本性能权衡的空间探索”。 IEEE 量子工程汇刊 3, 1–19 (2022)。
https：///doi.org/10.1109/TQE.2022.3174017

[26] Kai Meinerz、Chae-Yeun Park 和 Simon Trebst。 “拓扑表面代码的可扩展神经解码器”。 物理。 莱特牧师。 128, 080505 (2022)。
https：/ / doi.org/ 10.1103 / PhysRevLett.128.080505

[27] S. Varsamopoulos、K. Bertels 和 C. Almudever。 “比较基于神经网络的表面代码解码器”。 IEEE 计算机学报 69, 300–311 (2020)。
https：///doi.org/10.1109/TC.2019.2948612

[28] 奥斯卡·希戈特。 “Pymatching：用于通过最小权重完美匹配解码量子代码的 python 包”（2021）。 arXiv：2105.13082。
https://doi.org/10.48550/arXiv.2105.13082
的arXiv：2105.13082

[29] 克里斯托弗·钱伯兰和普亚·罗纳。 “用于近期容错实验的深度神经解码器”。 量子科学与技术 3, 044002 (2018).
https:/​/​doi.org/​10.1088/​2058-9565/​aad1f7

[30] 丹尼尔·戈特斯曼。 “稳定器代码和量子纠错”（1997 年）。 arXiv:quant-ph/ 9705052.
https://doi.org/10.48550/arXiv.quant-ph/9705052
arXiv：quant-ph / 9705052

[31] 查尔斯·D·希尔、埃尔达德·佩雷茨、塞缪尔·J·希尔、马修·G·豪斯、马丁·富克斯勒、斯文·罗格、米歇尔·Y·西蒙斯和劳埃德·CL·霍伦伯格。 “硅表面编码量子计算机”。 科学进展 1，e1500707 (2015)。
https：/ / doi.org/ 10.1126 / sciadv.1500707

[32] G. Pica、BW Lovett、RN Bhatt、T. Schenkel 和 SA Lyon。 “具有不精确和不均匀量子位耦合的硅中供体和点的表面代码架构”。 物理。 修订版 B 93, 035306 (2016)。
https：/ / doi.org/ 10.1103 / PhysRevB.93.035306

[33] 查尔斯·D·希尔、穆罕默德·乌斯曼和劳埃德·CL·霍伦伯格。 “基于交换的硅表面代码量子计算机架构”（2021）。 arXiv：2107.11981。
https://doi.org/10.48550/arXiv.2107.11981
的arXiv：2107.11981

[34] Christopher Chamberland、朱冠宇、Theodore J. Yoder、Jared B. Hertzberg 和 Andrew W. Cross。 “带有标志量子位的低度图上的拓扑和子系统代码”。 物理。 修订版 X 10, 011022 (2020)。
https：/ / doi.org/ 10.1103 / PhysRevX.10.011022

[35] H. Bombin、Ruben S. Andrist、Masayuki Ohzeki、Helmut G. Katzgraber 和 MA Martin-Delgado。 “拓扑代码对去极化的强大弹性”。 物理。 修订版 X 2, 021004 (2012)。
https：/ / doi.org/ 10.1103 / PhysRevX.2.021004

[36] 阿什利·M·斯蒂芬斯。 “使用表面代码进行量子纠错的容错阈值”。 物理。 修订版 A 89, 022321 (2014)。
https：/ / doi.org/ 10.1103 / PhysRevA.89.022321

[37] 大卫·S·王、奥斯汀·G·福勒和劳埃德·CL·霍伦伯格。 “表面码量子计算，错误率超过1%”。 物理。 修订版 A 83, 020302 (2011)。
https：/ / doi.org/ 10.1103 / PhysRevA.83.020302

[38] 奥斯汀·G·福勒和克雷格·吉德尼。 “使用晶格手术的低开销量子计算”（2019）。 arXiv：1808.06709。
https://doi.org/10.48550/arXiv.1808.06709
的arXiv：1808.06709

[39] 奥斯汀·G·福勒、马泰奥·马里安托尼、约翰·M·马蒂尼斯和安德鲁·N·克莱兰。 “表面代码：迈向实用的大规模量子计算”。 物理评论 A 86 (2012)。
https：///doi.org/10.1103/physreva.86.032324

[40] 倪晓彤. “用于长距离二维环面码的神经网络解码器”。 量子 2, 4 (310)。
https:/​/​doi.org/​10.22331/​q-2020-08-24-310

[41] A. Holmes、M. Jokar、G. Pasandi、Y. Ding、M. Pedram 和 FT Chong。 “Nisq+：通过近似量子纠错来提高量子计算能力”。 2020 年 ACM/​IEEE 第 47 届计算机架构国际研讨会 (ISCA)。 第 556-569 页。 美国加利福尼亚州洛斯阿拉米托斯 (2020)。 IEEE 计算机协会。
https:///​doi.org/​10.1109/​ISCA45697.2020.00053

[42] 克里斯蒂安·克拉格伦德·安德森、安茨·雷姆、斯特凡尼亚·拉扎尔、塞巴斯蒂安·克林纳、约翰内斯·海因苏、让-克洛德·贝斯、米哈伊·加布里亚克、安德烈亚斯·瓦尔拉夫和克里斯托弗·艾希勒。 “在超导电路中使用基于辅助的奇偶校验检测和实时反馈实现纠缠稳定”。 npj 量子信息 5 (2019)。
https:/​/​doi.org/​10.1038/​s41534-019-0185-4

[43] 马丁·阿巴迪、阿什什·阿加瓦尔、保罗·巴勒姆、尤金·布雷夫多、陈志峰、克雷格·西特罗、格雷格·S·科拉多、安迪·戴维斯、杰弗里·迪恩、马蒂厄·德文、桑杰·格马瓦特、伊恩·古德费洛、安德鲁·哈普、杰弗里·欧文、迈克尔·伊萨德、贾扬清、拉法尔·约泽福维奇、卢卡斯·凯撒、曼朱纳斯·库德鲁尔、乔什·莱文博格、丹·马内、拉贾特·蒙加、雪莉·摩尔、德里克·穆雷、克里斯·奥拉、迈克·舒斯特、乔纳森·施伦斯、伯努瓦·施泰纳、伊利亚·苏茨克韦尔、库纳尔·塔尔瓦、保罗·塔克、文森特·范霍克、维杰·瓦苏德万、 Fernanda Viegas、Oriol Vinyals、Pete Warden、Martin Wattenberg、Martin Wicke、Yuan Yu 和小强郑。 “Tensorflow：异构分布式系统上的大规模机器学习”（2016 年）。 arXiv：1603.04467。
https://doi.org/10.48550/arXiv.1603.04467
的arXiv：1603.04467

[44] 尼古拉斯·德尔福斯和内奥米·H·尼克森。 “拓扑码的几乎线性时间解码算法”。 量子 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-约阿希姆·波尔、米歇尔·西蒙斯和斯文·罗格。 “设计硅中自旋轨道量子位的长自旋相干时间”。 自然材料 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 和 Benjamin J. Brown。 “XZZX 表面代码”。 自然通讯 12 (2021)。
https:/​/​doi.org/​10.1038/​s41467-021-22274-1

[47] 德米特里·E·尼科诺夫 (Dmitri E. Nikonov) 和伊恩·A·杨 (Ian A. Young)。 “神经推理电路的延迟和能量基准测试”。 IEEE 探索性固态计算设备和电路杂志 5, 75–84 (2019)。
https://doi.org/10.1109/JXCDC.2019.2956112

[48] 奥斯汀·G·福勒。 “平均 $o(1)$ 并行时间内容错拓扑量子纠错的最小权重完美匹配”（2014）。 arXiv：1307.1740。
https://doi.org/10.48550/arXiv.1307.1740
的arXiv：1307.1740

[49] Vedran Dunjko 和 Hans J Briegel。 “量子领域的机器学习和人工智能：近期进展回顾”。 物理学进展报告 81, 074001 (2018)。
https：///doi.org/10.1088/1361-6633/aab406

[50] 莱亚·多明戈·科洛默、米哈利斯·斯科蒂尼奥蒂斯和拉蒙·穆尼奥斯-塔皮亚。 “强化学习以实现环面码的最佳纠错”。 物理快报 A 384, 126353 (2020)。
https：///doi.org/10.1016/j.physleta.2020.126353

[51] 米拉普·谢思、萨拉·扎法尔·贾法尔扎德和弗拉德·乔治乌。 “拓扑量子纠错码的神经集成解码”。 物理。 修订版 A 101, 032338 (2020)。
https：/ / doi.org/ 10.1103 / PhysRevA.101.032338

[52] 大卫·菲茨克、马蒂亚斯·埃利亚松、安东·弗里斯克·科库姆和马茨·格拉纳特。 “深度 q 学习解码器，用于去极化环面代码上的噪声”。 物理。 修订版研究。 2、023230（2020）。
https：/ / doi.org/ 10.1103 / PhysRevResearch.2.023230

[53] Savvas Varsamopoulos、Koen Bertels 和 Carmen G Almudever。 “使用基于分布式神经网络的解码器解码表面代码”。 量子机器智能 2, 1–12 (2020)。
https:/​/​doi.org/​10.1007/​s42484-020-00015-9

[54] 托马斯·瓦格纳、赫尔曼·坎珀曼和达格玛·布鲁斯。 “环面代码上的高级神经解码器的对称性”。 物理。 修订版 A 102, 042411 (2020)。
https：/ / doi.org/ 10.1103 / PhysRevA.102.042411

[55] Philip Andreasson、Joel Johansson、Simon Liljestrand 和 Mats Granath。 “使用深度强化学习对复曲面代码进行量子纠错”。 量子 3, 183 (2019)。
https:/​/​doi.org/​10.22331/​q-2019-09-02-183

[56] 尼古拉斯·P·布罗克曼和倪晓彤。 “用于高维量子代码的可扩展神经网络解码器”。 量子 2, 68 (2018)。
https:/​/​doi.org/​10.22331/​q-2018-05-24-68

被引用

[1] Christopher Chamberland、Luis Goncalves、Prasahnt Sivarajah、Eric Peterson 和 Sebastian Grimberg，“在电路级噪声下将快速本地解码器与全局解码器相结合的技术”， 的arXiv：2208.01178, (2022).

[2] Samuel C. Smith、Benjamin J. Brown 和 Stephen D. Bartlett，“减少量子纠错带宽和延迟的本地预解码器”， 物理评论应用19 3，034050（2023）.

[3] Xinyu Tan，Fang Zhang，Rui Chao，Yaoyun Shi，和Jianxin Chen，“具有时间并行化的可扩展表面代码解码器”， 的arXiv：2209.09219, (2022).

[4] Maxwell T. West、Sarah M. Erfani、Christopher Leckie、Martin Sevior、Lloyd CL Hollenberg 和 Muhammad Usman，“大规模对抗性鲁棒量子机器学习基准测试”， 物理评论研究5 2，023186（2023）.

[5] Yosuke Ueno、Masaaki Kondo、Masamitsu Tanaka、Yasunari Suzuki 和 Yutaka Tabuchi，“NEO-QEC：用于表面代码的神经网络增强在线超导解码器”， 的arXiv：2208.05758, (2022).

[6] 张梦宇、任翔宇、奚光磊、张振兴、余巧年、刘福明、张华亮、张胜宇和郑一聪，“一种可扩展、快速、可编程的神经解码器，用于使用表面进行容错量子计算”代码”, 的arXiv：2305.15767, (2023).

[7] Karl Hammar、Alexei Orekhov、Patrik Wallin Hybelius、Anna Katariina Wisakanto、Basudha Srivastava、Anton Frisk Kockum 和 Mats Granath，“拓扑稳定器代码的错误率不可知解码”， 物理评论A 105 4，042616（2022）.

[8] Maxwell T. West 和 Muhammad Usman，“硅中供体量子位空间计量框架，深度接近体积极限”， 物理评论应用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 和 Muhammad Usman，“迈向机器学习中的量子增强对抗鲁棒性”， 的arXiv：2306.12688, (2023).

[10] Moritz Lange、Pontus Havström、Basudha Srivastava、Valdemar Bergentall、Karl Hammar、Olivia Heuts、Evert van Nieuwenburg 和 Mats Granath，“使用图神经网络对量子纠错码进行数据驱动解码”， 的arXiv：2307.01241, (2023).

以上引用来自 SAO / NASA广告 （最近成功更新为2023-07-12 14:31:13）。 该列表可能不完整，因为并非所有发布者都提供合适且完整的引用数据。

无法获取 Crossref引用的数据 在上一次尝试2023-07-12 14:31:11期间：无法从Crossref获取10.22331 / q-2023-07-12-1058的引用数据。 如果DOI是最近注册的，这是正常的。

该论文发表在《量子》杂志上 国际知识共享署名署名4.0（CC BY 4.0） 执照。 版权归原始版权持有者所有，例如作者或其所在机构。

时间戳记：

更多来自 量子杂志