論文の概要: Performance enhancement of surface codes via recursive MWPM decoding
- arxiv url: http://arxiv.org/abs/2212.11632v4
- Date: Wed, 19 Jul 2023 07:53:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-20 17:55:22.939663
- Title: Performance enhancement of surface codes via recursive MWPM decoding
- Title（参考訳）: 再帰的MWPM復号による表面符号の性能向上
- Authors: Antonio deMarti iOlius, Josu Etxezarreta Martinez, Patricio Fuentes
and Pedro M. Crespo
- Abstract要約: 従来のMWPMデコーダを、バイアス、非均一性、および$X$、$Y$および$Z$エラーの関係を考慮するように修正する。
また、バイアスノイズと独立に分布する非識別誤差モデル(i.ni.d.)を考慮すると、性能が大幅に向上する。
- 参考スコア（独自算出の注目度）: 0.28675177318965034
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The minimum weight perfect matching (MWPM) decoder is the standard decoding
strategy for quantum surface codes. However, it suffers a harsh decrease in
performance when subjected to biased or non-identical quantum noise. In this
work, we modify the conventional MWPM decoder so that it considers the biases,
the non-uniformities and the relationship between $X$, $Y$ and $Z$ errors of
the constituent qubits of a given surface code. Our modified approach, which we
refer to as the recursive MWPM decoder, obtains an $18\%$ improvement in the
probability threshold $p_{th}$ under depolarizing noise. We also obtain
significant performance improvements when considering biased noise and
independent non-identically distributed (i.ni.d.) error models derived from
measurements performed on state-of-the-art quantum processors. In fact, when
subjected to i.ni.d. noise, the recursive MWPM decoder yields a performance
improvement of $105.5\%$ over the conventional MWPM strategy and, in some
cases, it even surpasses the performance obtained over the well-known
depolarizing channel.
- Abstract（参考訳）: 最小重み完全マッチング(MWPM decoder)は、量子曲面符号の標準的な復号法である。
しかし、バイアスまたは非同一の量子ノイズを受けると、性能が著しく低下する。
本研究では,従来のMWPMデコーダを改良し,与えられた曲面符号の構成量子ビットのバイアス,非均一性,および$X$,$Y$および$Z$の関係を考察する。
再帰的MWPMデコーダ(recursive MWPM decoder)と呼ぶ我々の修正手法は、偏極雑音下での確率閾値$p_{th}$の18 %$の改善が得られる。
また、偏りのあるノイズや、最先端の量子プロセッサで実施した測定結果から導かれた独立な非同定分散(ni.d.)誤差モデルを考えると、性能が大幅に向上する。
事実 i.ni.d.の対象となると
ノイズ、再帰的なMWPMデコーダは従来のMWPM戦略よりも105.5\%の性能向上をもたらし、場合によってはよく知られた脱分極チャネルよりも性能を上回っている。
関連論文リスト
- Progressive Mixed-Precision Decoding for Efficient LLM Inference [49.05448842542558]
我々は,デコーディングのメモリバウンドネスに対処するために,プログレッシブ・ミックス・プレシジョン・デコーディング(PMPD)を導入する。
PMPDはfp16モデルの行列ベクトル乗算において1.4$-$12.2$times$ Speedupを達成する。
我々の手法は、fp16モデルよりも3.8$-$8.0$times$、均一量子化アプローチよりも1.54$times$のスループット向上をもたらす。
論文 参考訳（メタデータ） (2024-10-17T11:46:33Z) - Accelerating Error Correction Code Transformers [56.75773430667148]
本稿では,トランスを用いたデコーダの高速化手法を提案する。
最新のハードウェアでは、90%の圧縮比を実現し、算術演算エネルギー消費を少なくとも224倍削減する。
論文 参考訳（メタデータ） (2024-10-08T11:07:55Z) - Fault-tolerant quantum architectures based on erasure qubits [49.227671756557946]
我々は、支配的なノイズを既知の場所での消去に効率よく変換することで、消去量子ビットの考え方を利用する。
消去量子ビットと最近導入されたFloquet符号に基づくQECスキームの提案と最適化を行う。
以上の結果から, 消去量子ビットに基づくQECスキームは, より複雑であるにもかかわらず, 標準手法よりも著しく優れていることが示された。
論文 参考訳（メタデータ） (2023-12-21T17:40:18Z) - DGR: Tackling Drifted and Correlated Noise in Quantum Error Correction via Decoding Graph Re-weighting [14.817445452647588]
量子オーバーヘッドを伴わない効率的なデコードグラフエッジ再重み付け戦略を提案する。
DGRは、平均ケースノイズミスマッチで論理誤差率を3.6倍にし、最悪のケースミスマッチで5000倍以上の改善を行う。
論文 参考訳（メタデータ） (2023-11-27T18:26:16Z) - Quality-Aware Translation Models: Efficient Generation and Quality Estimation in a Single Model [77.19693792957614]
そこで我々は,ニューラルネットワーク翻訳(NMT)モデルを用いて,その品質を学習し,その品質を推定する手法を提案する。
我々は、単一パスの復号化の効率性よりも、品質向上や品質改善のアプローチよりも優れた品質向上を得る。
論文 参考訳（メタデータ） (2023-10-10T15:33:51Z) - Performance of surface codes in realistic quantum hardware [0.24466725954625884]
表面符号は一般に、表面符号格子を構成する各量子ビットが独立して均等に分布するノイズ(すなわち、d)に直面するという仮定に基づいて研究される。
量子ビットのドコヒーレンスパラメータの非一様挙動を考慮に入れたデコヒーレンスモデルである独立な非同一分散ノイズモデル(i.ni.d.)を導入する。
i.ni.d.ノイズ下での平面符号の性能を向上させる2つの手法について検討・記述する。
論文 参考訳（メタデータ） (2022-03-29T15:57:23Z) - Improved decoding of circuit noise and fragile boundaries of tailored
surface codes [61.411482146110984]
高速かつ高精度なデコーダを導入し、幅広い種類の量子誤り訂正符号で使用することができる。
我々のデコーダは、信仰マッチングと信念フィンドと呼ばれ、すべてのノイズ情報を活用し、QECの高精度なデモを解き放つ。
このデコーダは, 標準の正方形曲面符号に対して, 整形曲面符号において, より高いしきい値と低い量子ビットオーバーヘッドをもたらすことがわかった。
論文 参考訳（メタデータ） (2022-03-09T18:48:54Z) - Efficient Decoding of Surface Code Syndromes for Error Correction in
Quantum Computing [0.09236074230806578]
本稿では,2レベル(低レベル,高レベル)のMLベースの復号法を提案し,第1レベルが物理量子ビット上の誤りを訂正し,第2レベルが既存の論理的誤りを訂正する。
その結果,提案手法は擬似閾値としきい値のそれぞれ$sim10倍,$sim2倍の値が得られることがわかった。
より高度な訓練/テスト時間を持つMLモデルの使用は、デコーダの性能に大きな改善をもたらすものではないことを示す。
論文 参考訳（メタデータ） (2021-10-21T04:54:44Z) - Modeling and mitigation of cross-talk effects in readout noise with
applications to the Quantum Approximate Optimization Algorithm [0.0]
雑音の緩和は、上界を導出する誤差まで行うことができる。
ノイズモデルとエラー軽減スキームの両方をテストするためにIBMのデバイスを使用した15(23)量子ビットの実験。
浅層深度ランダム回路によって生成されるHaar-random量子状態と状態に対して、同様の効果が期待できることを示す。
論文 参考訳（メタデータ） (2021-01-07T02:19:58Z) - Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。
我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。
数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文 参考訳（メタデータ） (2020-11-18T16:40:45Z) - Deep Q-learning decoder for depolarizing noise on the toric code [0.0]
トーリック符号上の非分極雑音の量子誤差補正のためのAIベースの復号化エージェントを提案する。
エージェントは、深層強化学習(DRL)を使用してトレーニングされ、人工知能ニューラルネットワークは、エラー修正のための$X$、$Y$、および$Z$ Pauli操作の状態をQ値にエンコードする。
DRL型デコーダは,将来的なトポロジカル符号の誤り訂正のためのフレームワークとして期待できる。
論文 参考訳（メタデータ） (2019-12-30T13:27:07Z)
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。