論文の概要: Neural-Network Decoders for Quantum Error Correction using Surface
Codes:A Space Exploration of the Hardware Cost-Performance Trade-Offs
- arxiv url: http://arxiv.org/abs/2202.05741v1
- Date: Fri, 11 Feb 2022 16:27:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-26 02:41:37.691094
- Title: Neural-Network Decoders for Quantum Error Correction using Surface
Codes:A Space Exploration of the Hardware Cost-Performance Trade-Offs
- Title（参考訳）: 表面符号を用いた量子エラー補正のためのニューラルネットワークデコーダ:ハードウェアコスト-パフォーマンストレードオフの空間探索
- Authors: Ramon Overwater, Masoud Babaie, Fabio Sebastiano
- Abstract要約: 本研究は,短距離表面符号のための完全接続フィードフォワードNNデコーダの空間探索について述べる。
目標は、最小限のハードウェア実装を維持しながら、ニューラルネットワークを高い復号化性能に最適化することだ。
我々は、ハードウェアベースのNNデコーダが、他の最先端デコーダアルゴリズムに匹敵する高いデコーダ性能を実現することを実証した。
- 参考スコア（独自算出の注目度）: 0.07734726150561086
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum Error Correction (QEC) is required in quantum computers to mitigate
the effect of errors on physical qubits. When adopting a QEC scheme based on
surface codes, error decoding is the most computationally expensive task in the
classical electronic back-end. Decoders employing neural networks (NN) are
well-suited for this task but their hardware implementation has not been
presented yet. This work presents a space exploration of fully-connected
feed-forward NN decoders for small distance surface codes. The goal is to
optimize the neural network for high decoding performance, while keeping a
minimalistic hardware implementation. This is needed to meet the tight delay
constraints of real-time surface code decoding. We demonstrate that hardware
based NN-decoders can achieve high decoding performance comparable to other
state-of-the-art decoding algorithms whilst being well below the tight delay
requirements $(\approx 440\ \mathrm{ns})$ of current solid-state qubit
technologies for both ASIC designs $(<30\ \mathrm{ns})$ and FPGA
implementations $(<90\ \mathrm{ns})$. These results designates NN-decoders as
fitting candidates for an integrated hardware implementation in future
large-scale quantum computers.
- Abstract（参考訳）: 量子誤り補正(Quantum Error Correction, QEC)は、量子コンピュータにおいて物理量子ビットに対する誤差の影響を軽減するために必要である。
表面符号に基づくQEC方式を採用する場合、エラー復号化は古典的な電子バックエンドにおいて最も計算コストのかかるタスクである。
ニューラルネットワーク(NN)を使用するデコーダはこのタスクに適しているが、ハードウェア実装はまだ発表されていない。
本研究は,小型表面符号のための完全接続フィードフォワードNNデコーダの空間探索を行う。
目標は、最小限のハードウェア実装を維持しながら、ニューラルネットワークを高いデコードパフォーマンスに最適化することだ。
これは、リアルタイムサーフェスコードデコーディングの厳密な遅延制約を満たすために必要である。
ハードウェアベースのNNデコーダは、他の最先端のデコードアルゴリズムに匹敵する高いデコード性能を達成できる一方で、タイトな遅延要件$(\approx 440\ \mathrm{ns})$ ASIC設計とFPGA実装$(<30\ \mathrm{ns})$ と FPGA実装$(<90\ \mathrm{ns})$ をはるかに下回っている。
これらの結果は、NNデコーダを将来の大規模量子コンピュータにおける統合ハードウェア実装の候補として指定する。
関連論文リスト
- A Cryogenic Memristive Neural Decoder for Fault-tolerant Quantum Error Correction [0.0]
インメモリ・クロスバー(IMC)アーキテクチャに基づくニューラルデコーダの設計と解析を行う。
ハードウェアを意識したリトレーニング手法を開発し、フィデリティ損失を軽減する。
この研究は、フォールトトレラントQECの統合のためのスケーラブルで高速で低消費電力のMCCハードウェアへの経路を提供する。
論文 参考訳（メタデータ） (2023-07-18T17:46:33Z) - A Scalable, Fast and Programmable Neural Decoder for Fault-Tolerant
Quantum Computation Using Surface Codes [12.687083899824314]
量子誤り訂正符号(Quantum error-correcting codes, QECCs)は、量子アルゴリズムの実行の大きな障害である量子ノイズの負の効果を排除できる。
回転曲面符号(RSC)に対するFTQECの要件を満たすスケーラブルで高速でプログラム可能なニューラルデコーディングシステムを提案する。
本システムでは,197 nsのデコード遅延を極端に低くし,その精度はMWPMに近い。
論文 参考訳（メタデータ） (2023-05-25T06:23:32Z) - The END: An Equivariant Neural Decoder for Quantum Error Correction [73.4384623973809]
データ効率のよいニューラルデコーダを導入し、この問題の対称性を活用する。
本稿では,従来のニューラルデコーダに比べて精度の高い新しい同変アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-04-14T19:46:39Z) - 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) - NEO-QEC: Neural Network Enhanced Online Superconducting Decoder for
Surface Codes [2.2749157557381245]
本稿では, SCと格子手術 (LS) の動作を, 精度, 高速, 低消費電力デコーダで復号化可能なNN型デコーダを提案する。
単一論理量子ビット保護のための量子誤差シミュレータによるデコーダの性能評価と,最大13個のコードによるLSの最小動作について検討した。
論文 参考訳（メタデータ） (2022-08-11T11:37:09Z) - Improved decoding of circuit noise and fragile boundaries of tailored
surface codes [61.411482146110984]
高速かつ高精度なデコーダを導入し、幅広い種類の量子誤り訂正符号で使用することができる。
我々のデコーダは、信仰マッチングと信念フィンドと呼ばれ、すべてのノイズ情報を活用し、QECの高精度なデモを解き放つ。
このデコーダは, 標準の正方形曲面符号に対して, 整形曲面符号において, より高いしきい値と低い量子ビットオーバーヘッドをもたらすことがわかった。
論文 参考訳（メタデータ） (2022-03-09T18:48:54Z) - FPGA-optimized Hardware acceleration for Spiking Neural Networks [69.49429223251178]
本研究は,画像認識タスクに適用したオフライントレーニングによるSNN用ハードウェアアクセラレータの開発について述べる。
この設計はXilinx Artix-7 FPGAをターゲットにしており、利用可能なハードウェアリソースの40%を合計で使用している。
分類時間を3桁に短縮し、ソフトウェアと比較すると精度にわずか4.5%の影響を与えている。
論文 参考訳（メタデータ） (2022-01-18T13:59:22Z) - A scalable and fast artificial neural network syndrome decoder for
surface codes [0.8078491757252693]
任意の形状と大きさの曲面符号をデコードできるスケーラブルで高速なシンドロームデコーダを開発した。
5000万を超えるランダムな量子エラーインスタンスの厳格なトレーニングに基づいて、ANNデコーダは1000を超えるコード距離で動作することを示した。
論文 参考訳（メタデータ） (2021-10-12T09:41:09Z) - A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。
MNIST画像データセットがそのような条件を満たすことを数値的に示す。
我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
論文 参考訳（メタデータ） (2021-07-19T23:41:03Z) - Quantized Neural Networks via {-1, +1} Encoding Decomposition and
Acceleration [83.84684675841167]
本稿では,量子化されたニューラルネットワーク(QNN)をマルチブランチバイナリネットワークに分解するために,-1,+1を用いた新しい符号化方式を提案する。
本稿では,大規模画像分類,オブジェクト検出,セマンティックセグメンテーションにおける提案手法の有効性を検証する。
論文 参考訳（メタデータ） (2021-06-18T03:11:15Z) - NISQ+: Boosting quantum computing power by approximating quantum error
correction [6.638758213186185]
我々は,短期量子コンピュータの計算能力を高める手法を設計する。
完全一致する誤り訂正機構を近似することにより、計算量を増やすことができる。
近距離量子システムにおいて、近似誤り復号をオンラインで実現できるという概念実証を実証する。
論文 参考訳（メタデータ） (2020-04-09T20:17:28Z)
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。