論文の概要: PyMatching: A Python package for decoding quantum codes with minimum-weight perfect matching

• arxiv url: http://arxiv.org/abs/2105.13082v2
• Date: Mon, 12 Jul 2021 20:20:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-29 07:23:32.380745
• Title: PyMatching: A Python package for decoding quantum codes with minimum-weight perfect matching
• Title（参考訳）: PyMatching:最小限の完全マッチングで量子コードをデコードするためのPythonパッケージ
• Authors: Oscar Higgott
• Abstract要約: PyMatchingは、最小ウェイト完全マッチング(MWPM)アルゴリズムで量子誤り訂正符号を復号するパッケージである。 PyMatchingは、重み付きエッジの使用、フックエラー、バウンダリ、測定エラーをサポートし、高速な復号化とフォールトトレラント量子コンピューティングのシミュレーションを可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces PyMatching, a fast open-source Python package for decoding quantum error-correcting codes with the minimum-weight perfect matching (MWPM) algorithm. PyMatching includes the standard MWPM decoder as well as a variant, which we call local matching, that restricts each syndrome defect to be matched to another defect within a local neighbourhood. The decoding performance of local matching is almost identical to that of the standard MWPM decoder in practice, while reducing the computational complexity approximately quadratically. We benchmark the performance of PyMatching, showing that local matching is several orders of magnitude faster than implementations of the full MWPM algorithm using NetworkX or Blossom V for problem sizes typically considered in error correction simulations. PyMatching and its dependencies are open-source, and it can be used to decode any quantum code for which syndrome defects come in pairs using a simple Python interface. PyMatching supports the use of weighted edges, hook errors, boundaries and measurement errors, enabling fast decoding and simulation of fault-tolerant quantum computing.
• Abstract（参考訳）: 本稿では,最小ウェイト完全マッチング(MWPM)アルゴリズムを用いて,量子誤り訂正符号を復号する高速オープンソースPythonパッケージであるPyMatchingを紹介する。 PyMatchingには、標準的なMWPMデコーダと、私たちがローカルマッチングと呼ぶ変種が含まれています。 局所マッチングの復号化性能は、実際の標準MWPM復号器とほぼ同一であり、計算複雑性をほぼ2次的に低減する。 我々はpymatchingの性能をベンチマークし、エラー補正シミュレーションで一般的に考慮される問題サイズに対して networkx や blossom v を用いた完全な mwpm アルゴリズムの実装よりも局所マッチングが数桁高速であることを示した。 PyMatchingとその依存関係はオープンソースであり、単純なPythonインターフェースを使用してシンドローム欠陥がペアで現れる量子コードをデコードするために使用できる。 pymatchingは重み付きエッジの使用、フックエラー、境界と測定エラーをサポートし、フォールトトレラント量子コンピューティングの高速復号化とシミュレーションを可能にする。

関連論文リスト

• Improved accuracy for decoding surface codes with matching synthesis [0.40182506671515367]
  本稿では、デコーダのアンサンブルからエラーの高次割当を生成する量子コードデコードのためのマッチング合成法を提案する。 マッチング合成は、最小ウェイトハイパーグラフマッチング問題に対する近似解のアンサンブルの解を取る。 一致合成は,60のアンサンブルサイズで精度が飽和し始め,良好なスケーリング特性を有することを示す。
  論文  参考訳（メタデータ） (2024-08-22T05:34:36Z)
• Let the Code LLM Edit Itself When You Edit the Code [50.46536185784169]
  underlinetextbfPositional textbfIntegrity textbfEncoding (PIE) PIEは、標準的な完全再計算手法に比べて計算オーバーヘッドを85%以上削減する。 その結果、PIEは計算オーバーヘッドを標準の完全再計算手法に比べて85%以上削減することを示した。
  論文  参考訳（メタデータ） (2024-07-03T14:34:03Z)
• Linear-time Minimum Bayes Risk Decoding with Reference Aggregation [52.1701152610258]
  最小ベイズリスク(MBR、Minimum Bayes Risk)は、機械翻訳の品質向上を図ったテキスト生成技術である。 これは2次複雑性を持つ実用計量のペアワイズ計算を必要とする。 本稿では,集約された参照表現に対して計算したスコアを用いて,ペアワイズメトリックスコアを近似する。
  論文  参考訳（メタデータ） (2024-02-06T18:59:30Z)
• Hardness results for decoding the surface code with Pauli noise [0.0]
  曲面符号に対する量子極大極大復号法(QMLD)と退化量子極大復号法(DQMLD)はそれぞれNP-hardと#P-hardであることを示す。 我々は、式を立方体依存のパウリノイズモデルと、公式の満足度特性を符号化するシンドロームの集合に変換する。
  論文  参考訳（メタデータ） (2023-09-19T05:29:01Z)
• QDistRnd: A GAP package for computing the distance of quantum error-correcting codes [0.029541734875307393]
  GAPパッケージQDistRndは、有限体GF(q)上で線形な量子低密度パリティチェック符号の最小距離を求める確率的アルゴリズムを実装している
  論文  参考訳（メタデータ） (2023-08-29T09:17:57Z)
• Sparse Blossom: correcting a million errors per core second with minimum-weight matching [0.0]
  本稿では,MWPMデコーダの高速実装について述べる。 我々のアルゴリズムはスパース・フラワーと呼ばれ、量子誤り訂正に関連する復号問題を直接解決するフラワー・アルゴリズムの変種である。
  論文  参考訳（メタデータ） (2023-03-28T12:42:54Z)
• Scalable Quantum Error Correction for Surface Codes using FPGA [67.74017895815125]
  フォールトトレラントな量子コンピュータは、出現するよりも早くデコードし、エラーを修正する必要がある。 並列計算資源を利用したUnion-Findデコーダの分散バージョンを報告する。 この実装では、並列コンピューティングリソースをハイブリッドツリーグリッド構造に整理する、Heliosと呼ばれるスケーラブルなアーキテクチャを採用している。
  論文  参考訳（メタデータ） (2023-01-20T04:23:00Z)
• Pipelined correlated minimum weight perfect matching of the surface code [56.01788646782563]
  最小ウェイト完全マッチングを用いて表面コードを復号するパイプライン手法について述べる。 独立な非通信可能な並列化処理段階は、潜在的な相関に従ってグラフを再重み付けする。 後続の一般的なステージがマッチングを終了します。 完全にフォールトトレラントなトーリック, 回転しない, 回転する曲面符号に対して, 新たなアルゴリズムの有効性を検証した。
  論文  参考訳（メタデータ） (2022-05-19T19:58:02Z)
• pygrank: A Python Package for Graph Node Ranking [13.492381728793612]
  我々は、ノードランキングアルゴリズムを定義し、実行し、評価するオープンソースのPythonパッケージであるpygrankを紹介した。 我々は,グラフフィルタ,ポストプロセッサ,測度,ベンチマーク,オンラインチューニングなど,オブジェクト指向で広範囲に単体テストされたアルゴリズムコンポーネントを提供する。
  論文  参考訳（メタデータ） (2021-10-18T13:13:21Z)
• OMPQ: Orthogonal Mixed Precision Quantization [64.59700856607017]
  混合精度量子化は、ハードウェアの多重ビット幅演算を利用して、ネットワーク量子化の全ポテンシャルを解き放つ。 本稿では、整数プログラミングの損失と高い相関関係にあるネットワーク性の概念であるプロキシメトリックを最適化することを提案する。 このアプローチは、量子化精度にほとんど妥協することなく、検索時間と必要なデータ量を桁違いに削減する。
  論文  参考訳（メタデータ） (2021-09-16T10:59:33Z)
• Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
  形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。 本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。 Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
  論文  参考訳（メタデータ） (2021-05-06T17:59:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。