論文の概要: Comparative study of decoding the surface code using simulated annealing
under depolarizing noise
- arxiv url: http://arxiv.org/abs/2311.07973v1
- Date: Tue, 14 Nov 2023 08:00:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-15 15:04:28.622363
- Title: Comparative study of decoding the surface code using simulated annealing
under depolarizing noise
- Title(参考訳): 脱分極雑音下におけるシミュレートアニーリングによる表面コード復号の比較検討
- Authors: Yusaku Takeuchi, Yugo Takada, Tatsuya Sakashita, Jun Fujisaki,
Hirotaka Oshima, Shintaro Sato, Keisuke Fujii
- Abstract要約: 提案したIsing-based decoding approachは,雑音を非分極する最小値完全マッチング (MWPM) アルゴリズムよりも高い精度を実現する。
我々の結果は、量子コンピュータ制御デバイスで実現可能な効率的かつ高速なデコーダの開発に重要である。
- 参考スコア(独自算出の注目度): 0.6449786007855248
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We explored decoding methods for the surface code under depolarizing noise by
mapping the problem into the Ising model optimization. We consider two kinds of
mapping with and without a soft constraint and also various optimization
solvers, including simulated annealing implemented on a CPU, "Fujitsu Digital
Annealer" (DA), a hardware architecture specialized for the Ising problems, and
CPLEX, an exact integer programming solver. We find that the proposed
Ising-based decoding approaches provide higher accuracy compared to the
minimum-weight perfect matching (MWPM) algorithm for depolarizing noise and
comparable to minimum distance decoding using CPLEX. While decoding time is
longer than MWPM when we compare it with a single core CPU, our method is
amenable to parallelization and easy to implement on dedicated hardware,
suggesting potential future speedups. Regarding the mapping methods to the
Ising model with and without a soft constraint, the SA decoder yielded higher
accuracy without a soft constraint. In contrast, the DA decoder shows less
difference between the two mapping methods, which indicates that DA can find a
better solution with smaller number of iterations even under the soft
constraint. Our results are important for devising efficient and fast decoders
feasible with quantum computer control devices.
- Abstract(参考訳): この問題をイジングモデル最適化にマッピングすることにより,ノイズの非分極下での表面符号の復号法を検討した。
ソフト制約のない2種類のマッピングと、cpu上に実装されたシミュレーションアニーリング、 ising問題に特化したハードウェアアーキテクチャである"fujitsu digital annealer"(da)、厳密な整数プログラミングソルバであるcplexなど、様々な最適化ソルバについて検討する。
提案したIsing-based decoding 手法は,雑音を非分極する最小値完全マッチング (MWPM) アルゴリズムよりも精度が高く,CPLEX を用いた最小距離復号法に匹敵する。
単一コアCPUと比較すると,復号化時間はMWPMよりも長いが,並列化が可能であり,専用ハードウェアの実装が容易であり,将来的な高速化が期待できる。
ソフト制約のないイジングモデルへのマッピングについて,saデコーダはソフト制約を伴わずに高い精度を示した。
対照的に、DAデコーダは2つのマッピング方法の差が少なく、DAはソフト制約の下でも少ないイテレーション数でより良い解を見つけることができることを示している。
量子コンピュータ制御デバイスで効率的かつ高速にデコーダを実現するためには,この結果が重要である。
関連論文リスト
- Fast, Scalable, Warm-Start Semidefinite Programming with Spectral
Bundling and Sketching [53.91395791840179]
我々は、大規模なSDPを解くための、証明可能な正確で高速でスケーラブルなアルゴリズムであるUnified Spectral Bundling with Sketching (USBS)を提案する。
USBSは、20億以上の決定変数を持つインスタンス上で、最先端のスケーラブルなSDP解決器よりも500倍のスピードアップを提供する。
論文 参考訳(メタデータ) (2023-12-19T02:27:22Z) - Compilation for Surface Code Quantum Computers [8.093450284837559]
表面符号を実装した量子コンピュータにおける量子回路のコンパイル問題について検討する。
問題となるのは、(1)回路キュービットをデバイスキュービットにマッピングし、(2)相互作用するキュービットのペア間で実行経路をルーティングすることである。
例えば,ノード不連続経路の問題を解くために,グリーディアルゴリズムを利用してSCMRを効率的に緩和する手法を提案する。
論文 参考訳(メタデータ) (2023-11-29T19:36:19Z) - Check-Agnosia based Post-Processor for Message-Passing Decoding of Quantum LDPC Codes [3.4602940992970908]
ハードウェアフレンドリーな方向性を持つ新しい後処理アルゴリズムを導入し、最先端技術と競合する誤り訂正性能を提供する。
FPGA基板上では,1マイクロ秒に近いレイテンシ値が得られることを示すとともに,ASIC実装においてより低いレイテンシ値が得られることを示す。
論文 参考訳(メタデータ) (2023-10-23T14:51:22Z) - Machine Learning-Aided Efficient Decoding of Reed-Muller Subcodes [59.55193427277134]
Reed-Muller (RM) 符号は、一般的なバイナリインプットメモリレス対称チャネルの容量を達成する。
RM符号は制限されたレートのみを許容する。
効率的なデコーダは、RM符号に対して有限長で利用可能である。
論文 参考訳(メタデータ) (2023-01-16T04:11:14Z) - Decoder Tuning: Efficient Language Understanding as Decoding [84.68266271483022]
本稿では,タスク固有のデコーダネットワークを出力側で最適化するデコーダチューニング(DecT)を提案する。
勾配ベースの最適化により、DecTは数秒以内にトレーニングでき、サンプル毎に1つのPクエリしか必要としない。
我々は、広範囲にわたる自然言語理解実験を行い、DecTが200ドル以上のスピードアップで最先端のアルゴリズムを大幅に上回っていることを示す。
論文 参考訳(メタデータ) (2022-12-16T11:15:39Z) - A Practical and Scalable Decoder for Topological Quantum Error
Correction with Digital Annealer [0.5658123802733283]
富士通デジタルアニール(DA)を用いた量子誤り訂正のための効率的でスケーラブルなデコーダを提案する。
特に,提案したDAデコーダを表面コードに実装し,様々なコードに対して詳細な数値実験を行い,その性能とスケーラビリティを検証した。
また、DAデコーダはハードウェア実装を含む様々な観点からUnion-Find(UF)デコーダよりも利点があることが示されている。
論文 参考訳(メタデータ) (2022-03-29T07:48:51Z) - 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) - An Adaptive Device-Edge Co-Inference Framework Based on Soft
Actor-Critic [72.35307086274912]
高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。
本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。
レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
論文 参考訳(メタデータ) (2022-01-09T09:31:50Z) - Fast Convergence Algorithm for Analog Federated Learning [30.399830943617772]
無線チャネル上での効率的なアナログフェデレーション学習のためのAirCompベースのFedSplitアルゴリズムを提案する。
提案アルゴリズムは, 目的関数が強く凸かつ滑らかであるという仮定の下で, 最適解に線形収束することを示す。
我々のアルゴリズムは、他のベンチマークFLアルゴリズムと比較して、より高速な収束を伴う不条件問題に対して、より堅牢であることが理論的および実験的に検証されている。
論文 参考訳(メタデータ) (2020-10-30T10:59:49Z) - Adaptive Sampling for Best Policy Identification in Markov Decision
Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。
最先端アルゴリズムの利点を論じ、解説する。
論文 参考訳(メタデータ) (2020-09-28T15:22:24Z) - Communication-Efficient Gradient Coding for Straggler Mitigation in
Distributed Learning [17.454251607446555]
サーバがワーカマシン間で勾配計算を分散するグラデーションベースのメソッドの分散実装では、2つの制限を克服する必要がある。
Ye氏とAbe氏(ICML 2018)は、ワーカ毎の計算負荷、ワーカ毎の通信オーバーヘッド、ストラグラートレランスの基本的なトレードオフを特徴付ける、コーディング理論のパラダイムを提案した。
これらの欠点を克服するための通信効率のよい勾配符号化フレームワークを開発した。
論文 参考訳(メタデータ) (2020-05-14T17:57:13Z)
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。