論文の概要: Quantum Error Correction with Quantum Autoencoders

• arxiv url: http://arxiv.org/abs/2202.00555v1
• Date: Tue, 1 Feb 2022 16:55:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-27 03:18:08.549127
• Title: Quantum Error Correction with Quantum Autoencoders
• Title（参考訳）: 量子オートエンコーダによる量子誤差補正
• Authors: David F. Locher, Lorenzo Cardarelli, Markus M\"uller
• Abstract要約: 量子ニューラルネットワークをトレーニングして,能動的検出と誤り訂正のための最適な戦略を学習する方法を示す。 量子オートエンコーダの復号化能力は、特定の状態の保護に限らず、論理的コード空間全体に拡張されることを強調した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Active quantum error correction is a central ingredient to achieve robust quantum processors. In this paper we investigate the potential of quantum machine learning for quantum error correction. Specifically, we demonstrate how quantum neural networks, in the form of quantum autoencoders, can be trained to learn optimal strategies for active detection and correction of errors, including spatially correlated computational errors as well as qubit losses. We highlight that the denoising capabilities of quantum autoencoders are not limited to the protection of specific states but extend to the entire logical codespace. We also show that quantum neural networks can be used to discover new logical encodings that are optimally adapted to the underlying noise. Moreover, we find that, even in the presence of moderate noise in the quantum autoencoders themselves, they may still be successfully used to perform beneficial quantum error correction.
• Abstract（参考訳）: アクティブ量子誤差補正は、堅牢な量子プロセッサを実現するための中心的な要素である。 本稿では,量子誤り訂正のための量子機械学習の可能性を検討する。 具体的には、量子オートエンコーダという形で量子ニューラルネットワークを訓練することで、空間的相関のある計算エラーや量子ビットロスを含む、エラーのアクティブな検出と修正のための最適な戦略を学習できることを実証する。 量子オートエンコーダの復号化能力は、特定の状態の保護に限らず、論理的コード空間全体に拡張されることを強調した。 また,量子ニューラルネットワークを用いて,基礎となる雑音に最適に適応した新しい論理エンコーディングを探索できることを示す。 さらに,量子オートエンコーダ自体に中程度のノイズが存在する場合でも,有効な量子誤り訂正を行うのに有効であることが判明した。

関連論文リスト

• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Power Characterization of Noisy Quantum Kernels [52.47151453259434]
  一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。 我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
  論文  参考訳（メタデータ） (2024-01-31T01:02:16Z)
• Advantage of Quantum Neural Networks as Quantum Information Decoders [1.1842028647407803]
  位相安定化器ハミルトンの基底空間に符号化された量子情報の復号化問題について検討する。 まず、標準安定化器に基づく誤り訂正と復号化方式が、そのような量子符号において適切に摂動可能であることを証明した。 次に、量子ニューラルネットワーク(QNN)デコーダが読み出し誤差をほぼ2次的に改善することを証明する。
  論文  参考訳（メタデータ） (2024-01-11T23:56:29Z)
• 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)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Automated error correction in superdense coding, with implementation on superconducting quantum computer [0.28675177318965034]
  本稿では,制限された量子状態に対して完全な保護を提供するタスク固有誤差補正手法を提案する。 具体的には, n-qubit 一般化ベル状態を用いたスーパーデンス符号化アルゴリズムにおいて, 自動誤り訂正を行う。 我々は, 7-qubit 超伝導 IBM 量子コンピュータと27-qubit 量子シミュレータ上で, ノイズの存在下での3種類の超高密度符号化アルゴリズムに対して, 自動誤り訂正手法を実験的に実現した。
  論文  参考訳（メタデータ） (2022-10-27T04:02:13Z)
• Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
  本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。 特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
  論文  参考訳（メタデータ） (2021-12-27T21:15:35Z)
• Quantum readout error mitigation via deep learning [2.4936576553283283]
  本稿では,量子ハードウェア上での読み出し誤差を低減するためのディープラーニングベースのプロトコルを提案する。 ニューラルネットワークとディープラーニングでは、非線形ノイズを補正することが可能であり、既存の線形反転法では不可能である。
  論文  参考訳（メタデータ） (2021-12-07T09:26:57Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Testing a Quantum Error-Correcting Code on Various Platforms [5.0745290104790035]
  本稿では,検出振幅減衰チャネルに対する簡単な量子誤り訂正符号を提案する。 我々は,光プラットフォーム,IBM Qシステム,核磁気共鳴システム上でのエンコーディング,チャネル,リカバリを実装している。
  論文  参考訳（メタデータ） (2020-01-22T13:15:16Z)

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。