論文の概要: Unifying flavors of fault tolerance with the ZX calculus

• arxiv url: http://arxiv.org/abs/2303.08829v3
• Date: Wed, 12 Jun 2024 14:36:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-14 01:52:33.859170
• Title: Unifying flavors of fault tolerance with the ZX calculus
• Title（参考訳）: ZX計算による耐故障性の統一化
• Authors: Hector Bombin, Daniel Litinski, Naomi Nickerson, Fernando Pastawski, Sam Roberts,
• Abstract要約: トポロジカルなフォールトトレランス(特に表面コード)のモデルに焦点を当てる。 これらのモデルは全て、基盤となる安定化器の耐故障構造の異なるフレーバーと見なすことができる。
• 参考スコア（独自算出の注目度）: 39.58317527488534
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: There are several models of quantum computation which exhibit shared fundamental fault-tolerance properties. This article makes commonalities explicit by presenting these different models in a unifying framework based on the ZX calculus. We focus on models of topological fault tolerance - specifically surface codes - including circuit-based, measurement-based and fusion-based quantum computation, as well as the recently introduced model of Floquet codes. We find that all of these models can be viewed as different flavors of the same underlying stabilizer fault-tolerance structure, and sustain this through a set of local equivalence transformations which allow mapping between flavors. We anticipate that this unifying perspective will pave the way to transferring progress among the different views of stabilizer fault-tolerance and help researchers familiar with one model easily understand others.
• Abstract（参考訳）: 量子計算のいくつかのモデルがあり、共通の基本耐故障性を示す。 この記事では、ZX計算に基づく統一フレームワークでこれらの異なるモデルを提示することで、共通性を明示する。 我々は、最近導入されたフロケ符号のモデルと同様に、回路ベース、計測ベース、核融合ベースの量子計算を含むトポロジカルフォールトトレランス(特に表面コード)のモデルに焦点を当てる。 これらのモデルはすべて、基盤となる安定化器の耐故障構造の異なるフレーバーと見なすことができ、フレーバー間のマッピングが可能な局所同値変換によってこれを維持できる。 この統一的な視点は、安定したフォールトトレランスの異なる視点間で進捗を伝達する方法を開拓し、あるモデルに詳しい研究者が容易に他のモデルを理解するのに役立つことを期待する。

関連論文リスト

• Making Quantum Collision Models Exact [0.7499722271664147]
  量子衝突(Quantum collision)は、粗い粒度の環境との繰り返し相互作用を通して開かれた量子系を記述する。 システムオブザーバブルのシミュレーションに関する完全なエラー境界は確立されていない。 連鎖写像法を用いてマルコフ衝突モデルと非マルコフ衝突モデルを解析的に復元できることが示される。
  論文  参考訳（メタデータ） (2024-11-20T10:01:10Z)
• Effect of Correlated Errors on Quantum Memory [1.3198143828338362]
  隠れ乱数場に基づく古典的相関モデルを導入し,長距離相関による誤差をモデル化する。 このモデルでは, 結合(システムと入浴)ハミルトンモデルによって捕捉されないある種の相関パターンを, ペア項で捉えることができることを示す。
  論文  参考訳（メタデータ） (2024-08-16T14:59:10Z)
• Surrogate Modeling for Physical Systems with Preserved Properties and Adjustable Tradeoffs [0.0]
  代理モデルを生成するためのモデルベースおよびデータ駆動型戦略を提案する。 後者は、前提となる位相構造に人工的関係を組み込むことで解釈可能な代理モデルを生成する。 我々のフレームワークは、分散パラメータモデルのための様々な空間離散化スキームと互換性がある。
  論文  参考訳（メタデータ） (2022-02-02T17:07:02Z)
• Estimation of Bivariate Structural Causal Models by Variational Gaussian Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
  因果機構は構造因果モデルによって記述できる。 最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
  論文  参考訳（メタデータ） (2021-09-06T14:52:58Z)
• Evaluating Sensitivity to the Stick-Breaking Prior in Bayesian Nonparametrics [85.31247588089686]
  変分ベイズ法はベイズモデルのパラメトリック的および非パラメトリック的側面に対して感性が得られることを示す。 ベイズ感度分析に対する変動的アプローチの理論的および経験的支援を提供する。
  論文  参考訳（メタデータ） (2021-07-08T03:40:18Z)
• Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [54.94763543386523]
  現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。 本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。 次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
  論文  参考訳（メタデータ） (2020-10-25T18:51:15Z)
• Structural Causal Models Are (Solvable by) Credal Networks [70.45873402967297]
  因果推論は、干潟網の更新のための標準的なアルゴリズムによって得ることができる。 この貢献は, 干潟ネットワークによる構造因果モデルを表現するための体系的なアプローチと見なされるべきである。 実験により, 実規模問題における因果推論には, クレーダルネットワークの近似アルゴリズムがすぐに利用できることがわかった。
  論文  参考訳（メタデータ） (2020-08-02T11:19:36Z)
• Accounting for Unobserved Confounding in Domain Generalization [107.0464488046289]
  本稿では,データセットの組み合わせから頑健で一般化可能な予測モデルを学習する際の問題点について検討する。 堅牢なモデルを学ぶことの課題の一部は、保存されていない共同設立者の影響にある。 異なるモダリティの医療データに対するアプローチの実証的性能を実証する。
  論文  参考訳（メタデータ） (2020-07-21T08:18:06Z)
• Considering discrepancy when calibrating a mechanistic electrophysiology model [41.77362715012383]
  不確実性定量化(英: Uncertainty Quantification、UQ)は、数学的モデルとシミュレーションを用いて決定を行うための重要なステップである。 この記事では、モデル構造や方程式自体における不確実性という、我々の予測における重要かつ未適応な不確実性の源に注意を向ける。
  論文  参考訳（メタデータ） (2020-01-13T13:26:13Z)

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。