論文の概要: A Pair Measurement Surface Code on Pentagons
- arxiv url: http://arxiv.org/abs/2206.12780v1
- Date: Sun, 26 Jun 2022 03:55:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-07 23:54:05.354830
- Title: A Pair Measurement Surface Code on Pentagons
- Title(参考訳): 五角形の対測定面符号
- Authors: Craig Gidney
- Abstract要約: 表面コードを2体パリティ測定(ペア計測)にコンパイルする方法を提案し、カイロ・ペンタゴナル・タイリングの端に沿ってペアの測定を行う。
これらの改善は、$approx 0.2%$から$approx 0.4%$までのペア測定にコンパイルする場合、表面コードのしきい値を増加させることを示す。
また、平面的なハニカムコードと比較すると、この作業は表面コードとハニカムコードの間のギャップを著しく減らしますが、ハニカムコードはより効率的です。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, I present a way to compile the surface code into two-body
parity measurements ("pair measurements"), where the pair measurements run
along the edges of a Cairo pentagonal tiling. The resulting circuit improves on
prior work by Chao et al. by using fewer pair measurements per four-body
stabilizer measurement (5 instead of 6) and fewer time steps per round of
stabilizer measurement (6 instead of 10). Using Monte Carlo sampling, I show
that these improvements increase the threshold of the surface code when
compiling into pair measurements from $\approx 0.2\%$ to $\approx 0.4\%$, and
also that they improve the teraquop footprint at a $0.1\%$ physical gate error
rate from $\approx6000$ qubits to $\approx3000$ qubits. However, I also show
that Chao et al's construction will have a smaller teraquop footprint for
physical gate error rates below $\approx 0.03\%$ (due to bidirectional hook
errors in my construction). I also compare to the planar honeycomb code,
showing that although this work does noticeably reduce the gap between the
surface code and the honeycomb code (when compiling into pair measurements),
the honeycomb code is still more efficient (threshold $\approx 0.8\%$, teraquop
footprint at $0.1\%$ of $\approx 1000$).
- Abstract(参考訳): 本稿では,カイロ・ペンタゴナル・タイリングの端面に沿ってペアの測定を行う2体パリティ測定(ペア計測)に表面コードをコンパイルする方法を提案する。
この回路は、四体安定度測定(6ではなく5)あたりのペア測定を減らし、安定度測定(10ではなく6)あたりのタイムステップを減らし、Chaoらによる先行作業を改善する。
モンテカルロサンプリングを用いて、これらの改良により、対の計測値である$\approx 0.2\%$ から$\approx 0.4\%$ へのコンパイル時の表面コードのしきい値が向上し、teraquopのフットプリントが$0.1\%$の物理ゲートエラーレートで$\approx6000$ qubits から $\approx3000$ qubits に向上することを示した。
しかし、Chao氏とal氏の構成では、物理的なゲートエラー率を$\approx 0.03\%$以下に抑えるために、テラクアップのフットプリントが小さくなることも示しています。
私はまた、平面ハニカムコードと比較し、この作業が表面コードとハニカムコードの間のギャップを著しく減少させる(ペアの計測にコンパイルする場合)が、ハニカムコードは依然として効率的であることを示している(ただし、テラクロップのフットプリントは$0.1\%$で$\approx 1000$である)。
関連論文リスト
- Improved Algorithm for Adversarial Linear Mixture MDPs with Bandit
Feedback and Unknown Transition [71.33787410075577]
線形関数近似,未知遷移,および逆損失を用いた強化学習について検討した。
我々は高い確率で$widetildeO(dsqrtHS3K + sqrtHSAK)$ regretを実現する新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-03-07T15:03:50Z) - Exact results on finite size corrections for surface codes tailored to
biased noise [0.0]
位相バイアス雑音下でのXYとXZZXの表面符号について検討する。
我々は、独立に$X_L$ (phase-flip), $Y_L$, $Z_L$ (bit-flip)論理的故障率の閾値を推定すると、より確実な閾値推定が得られることを示した。
論文 参考訳(メタデータ) (2024-01-08T16:38:56Z) - Corruption-Robust Offline Reinforcement Learning with General Function
Approximation [60.91257031278004]
一般関数近似を用いたオフライン強化学習(RL)における劣化問題について検討する。
我々のゴールは、崩壊しないマルコフ決定プロセス(MDP)の最適方針に関して、このような腐敗に対して堅牢で、最適でないギャップを最小限に抑える政策を見つけることである。
論文 参考訳(メタデータ) (2023-10-23T04:07:26Z) - A Quadratic Synchronization Rule for Distributed Deep Learning [71.54020787903627]
本研究は、擬似同期規則(QSR)と呼ばれる$H$を決定するための理論基底法を提案する。
ResNet と ViT の実験により、QSR を用いた局所勾配法は、他の同期戦略よりもテスト精度を一貫して向上することが示された。
論文 参考訳(メタデータ) (2023-10-22T21:38:57Z) - Constructions and performance of hyperbolic and semi-hyperbolic Floquet
codes [5.33024001730262]
閉双曲曲面のカラーコードタイリングから派生したフロケ符号の族を構築する。
また、距離スケーリングを改善した半双曲型フロケット符号も構築する。
論文 参考訳(メタデータ) (2023-08-07T17:54:45Z) - Minimax Optimal $Q$ Learning with Nearest Neighbors [56.29748742084386]
推定$Q$関数の収束率は$tildeO(T-1/(d+3))$であり、$tildeOmega(T-1/(d+2))$よりも遅い。
本稿では,収束率のギャップを埋める2つの新しいQ$学習法を提案し,そのうちの1つはオフラインで,もう1つはオンラインである。
論文 参考訳(メタデータ) (2023-08-03T01:08:53Z) - Inplace Access to the Surface Code Y Basis [0.0]
表面コードパッチを斜めに横切るねじれ欠陥は、$lfloor d/2 rfloor + 2$ roundsでY基底に達する。
Y塩基測定はSゲートとマジックステートファクトリーのコストを低減し、空間制限ハードウェア上の表面コード量子ビットのパウリ計測トモグラフィーをアンロックする。
論文 参考訳(メタデータ) (2023-02-14T23:34:18Z) - Benchmarking the Planar Honeycomb Code [1.5293427903448025]
我々は、追加の物理的接続を必要としない境界を記述し、キュービットパッチの形状を最適化することにより、平面ハニカムコードを改善する。
我々はモンテカルロサンプリングを用いて、論理誤差率を推定し、しきい値、テラクオップ量子ビット数を含むメトリクスを導出するコードをベンチマークした。
その結果,ハニカム符号は,疎結合な2次元量子ビットアーキテクチャの候補として期待できるものとなった。
論文 参考訳(メタデータ) (2022-02-24T00:49:27Z) - TURF: A Two-factor, Universal, Robust, Fast Distribution Learning
Algorithm [64.13217062232874]
最も強力で成功したモダリティの1つは、全ての分布を$ell$距離に近似し、基本的に最も近い$t$-piece次数-$d_$の少なくとも1倍大きい。
本稿では,この数値をほぼ最適に推定する手法を提案する。
論文 参考訳(メタデータ) (2022-02-15T03:49:28Z) - A Fault-Tolerant Honeycomb Memory [1.8160945635344528]
ハニカム符号で保存された論理量子ビットのロバスト性を定量化する。
我々は、ハニカムコードは600ドルの物理量子ビットしか持たないテラクオプ体制に到達できると予測している。
論文 参考訳(メタデータ) (2021-08-24T00:44:23Z) - Deep Learning Meets Projective Clustering [66.726500395069]
NLPネットワークを圧縮するための一般的なアプローチは、埋め込み層を行列 $AinmathbbRntimes d$ としてエンコードすることである。
計算幾何学から遠射的クラスタリングに着想を得て、この部分空間を$k$部分空間の集合で置き換えることを提案する。
論文 参考訳(メタデータ) (2020-10-08T22:47:48Z)
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。