論文の概要: Machine Learning for Continuous Quantum Error Correction on
Superconducting Qubits
- arxiv url: http://arxiv.org/abs/2110.10378v2
- Date: Tue, 5 Jul 2022 18:55:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-11 00:08:21.162821
- Title: Machine Learning for Continuous Quantum Error Correction on
Superconducting Qubits
- Title（参考訳）: 超電導量子ビットの連続量子誤差補正のための機械学習
- Authors: Ian Convy, Haoran Liao, Song Zhang, Sahil Patel, William P.
Livingston, Ho Nam Nguyen, Irfan Siddiqi and K. Birgitta Whaley
- Abstract要約: 連続的な量子誤差補正は離散的な量子誤差補正に対して一定の利点があることがわかった。
本稿では,繰り返しニューラルネットワークを用いた連続量子誤り訂正のための機械学習アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 1.8249709209063887
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Continuous quantum error correction has been found to have certain advantages
over discrete quantum error correction, such as a reduction in hardware
resources and the elimination of error mechanisms introduced by having
entangling gates and ancilla qubits. We propose a machine learning algorithm
for continuous quantum error correction that is based on the use of a recurrent
neural network to identify bit-flip errors from continuous noisy syndrome
measurements. The algorithm is designed to operate on measurement signals
deviating from the ideal behavior in which the mean value corresponds to a code
syndrome value and the measurement has white noise. We analyze continuous
measurements taken from a superconducting architecture using three transmon
qubits to identify three significant practical examples of non-ideal behavior,
namely auto-correlation at temporal short lags, transient syndrome dynamics
after each bit-flip, and drift in the steady-state syndrome values over the
course of many experiments. Based on these real-world imperfections, we
generate synthetic measurement signals from which to train the recurrent neural
network, and then test its proficiency when implementing active error
correction, comparing this with a traditional double threshold scheme and a
discrete Bayesian classifier. The results show that our machine learning
protocol is able to outperform the double threshold protocol across all tests,
achieving a final state fidelity comparable to the discrete Bayesian
classifier.
- Abstract（参考訳）: 連続的な量子誤差補正は、ハードウェアリソースの削減や、ゲートやアンシラキュービットの絡み合いによるエラー機構の排除など、離散的な量子誤差補正よりも一定の利点があることが示されている。
本稿では,連続ノイズ症候群測定からビットフリップ誤差を特定するために,繰り返しニューラルネットワークを用いて連続量子誤り訂正を行う機械学習アルゴリズムを提案する。
このアルゴリズムは、平均値がコードシンドローム値に対応し、測定値が白色雑音の理想的な振る舞いから逸脱した測定信号を操作するように設計されている。
3つのトランスモン量子ビットを用いて超伝導アーキテクチャから得られた連続測定を解析し,非理想的動作の3つの重要な実例,すなわち時間的短ラグにおける自己相関,ビットフリップ後の過渡的シンドロームダイナミクス,定常的シンドローム値のドリフトを同定した。
これらの実世界の不完全性に基づいて、リカレントニューラルネットワークを訓練するための合成計測信号を生成し、アクティブエラー補正を行う際にその熟練度をテストし、従来の二重しきい値スキームと離散ベイズ分類器と比較する。
その結果、当社の機械学習プロトコルは、すべてのテストでdouble thresholdプロトコルを上回ることができ、離散ベイズ分類器に匹敵する最終的な状態忠実性を達成できることがわかった。
関連論文リスト
- Minimizing readout-induced noise for early fault-tolerant quantum computers [0.0]
本報告では, 全身性症候群測定という, 異なる方法を提案する。
読み出し雑音を最小限に抑えて論理状態の誤差を検出することができる。
我々はIcebergコードとSteaneコードを用いて,プロトコルの性能を数値解析する。
論文 参考訳（メタデータ） (2023-04-23T04:16:26Z) - Lattice gauge theory and topological quantum error correction with
quantum deviations in the state preparation and error detection [0.0]
トポロジカル・サーフェス・コードに着目し,マルチビット・エンタングルメント・ゲート上のノイズとコヒーレント・ノイズの両方に悩まされている場合について検討する。
我々は、このような避けられないコヒーレントエラーがエラー訂正性能に致命的な影響を及ぼす可能性があると結論付けた。
論文 参考訳（メタデータ） (2023-01-30T13:12:41Z) - Deep Quantum Error Correction [73.54643419792453]
量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。
本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。
提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
論文 参考訳（メタデータ） (2023-01-27T08:16:26Z) - Matching and maximum likelihood decoding of a multi-round subsystem
quantum error correction experiment [1.2189422792863451]
重六角格子で接続された超伝導量子ビット上で量子誤差補正を行う。
フルプロセッサは、距離3の論理量子ビットを符号化し、耐故障症候群の測定を数ラウンド行うことができる。
完全整合デコーダの使用によって論理誤差が変化することを示す。
論文 参考訳（メタデータ） (2022-03-14T15:44:11Z) - Realizing Repeated Quantum Error Correction in a Distance-Three Surface
Code [42.394110572265376]
本稿では,エラーに対する極めて高い耐性を有する表面符号を用いた量子誤り訂正法について述べる。
誤差補正サイクルにおいて、論理量子ビットの4つの基数状態の保存を実証する。
論文 参考訳（メタデータ） (2021-12-07T13:58:44Z) - Mixed Precision Low-bit Quantization of Neural Network Language Models
for Speech Recognition [67.95996816744251]
長期間のメモリリカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端言語モデル(LM)は、実用アプリケーションではますます複雑で高価なものになりつつある。
現在の量子化法は、均一な精度に基づいており、量子化誤差に対するLMの異なる部分での様々な性能感度を考慮できない。
本稿では,新しい混合精度ニューラルネットワークLM量子化法を提案する。
論文 参考訳（メタデータ） (2021-11-29T12:24:02Z) - Performance of teleportation-based error correction circuits for bosonic
codes with noisy measurements [58.720142291102135]
テレポーテーションに基づく誤り訂正回路を用いて、回転対称符号の誤り訂正能力を解析する。
マイクロ波光学における現在達成可能な測定効率により, ボソニック回転符号の破壊ポテンシャルは著しく低下することが判明した。
論文 参考訳（メタデータ） (2021-08-02T16:12:13Z) - Fault-tolerant parity readout on a shuttling-based trapped-ion quantum
computer [64.47265213752996]
耐故障性ウェイト4パリティチェック測定方式を実験的に実証した。
フラグ条件パリティ測定の単発忠実度は93.2(2)%である。
このスキームは、安定化器量子誤り訂正プロトコルの幅広いクラスにおいて必須な構成要素である。
論文 参考訳（メタデータ） (2021-07-13T20:08:04Z) - Scalable Neural Decoder for Topological Surface Codes [0.0]
本稿では,雑音およびシンドローム測定誤差を考慮に入れた安定化符号群に対するニューラルネットワークに基づくデコーダを提案する。
重要なイノベーションは、エラーシンドロームを小さなスケールで自動デコードすることである。
このような前処理によって,実用アプリケーションにおいて最大2桁の誤差率を効果的に削減できることを示す。
論文 参考訳（メタデータ） (2021-01-18T19:02:09Z) - Crosstalk Suppression for Fault-tolerant Quantum Error Correction with
Trapped Ions [62.997667081978825]
本稿では、電波トラップで閉じ込められた1本のイオン列をベースとした量子計算アーキテクチャにおけるクロストーク誤差の研究を行い、個別に調整されたレーザービームで操作する。
この種の誤差は、理想的には、異なるアクティブな量子ビットのセットで処理される単一量子ゲートと2量子ビットの量子ゲートが適用されている間は、未修正のままであるオブザーバー量子ビットに影響を及ぼす。
我々は,第1原理からクロストーク誤りを微視的にモデル化し,コヒーレント対非コヒーレントなエラーモデリングの重要性を示す詳細な研究を行い,ゲートレベルでクロストークを積極的に抑制するための戦略について議論する。
論文 参考訳（メタデータ） (2020-12-21T14:20:40Z) - Efficient and robust certification of genuine multipartite entanglement
in noisy quantum error correction circuits [58.720142291102135]
実効多部絡み(GME)認証のための条件付き目撃手法を導入する。
線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。
本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
論文 参考訳（メタデータ） (2020-10-06T18:00:07Z)
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。