論文の概要: Equivariant Machine Learning Decoder for 3D Toric Codes
- arxiv url: http://arxiv.org/abs/2409.04300v1
- Date: Fri, 6 Sep 2024 14:19:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-09 15:34:51.369991
- Title: Equivariant Machine Learning Decoder for 3D Toric Codes
- Title(参考訳): 3次元トーリックコードのための等変機械学習デコーダ
- Authors: Oliver Weissl,
- Abstract要約: 量子コンピューティングでは、エラーが高速で無効な結果を伝播し、従来のシステムに比べて理論的な指数的な速度が時間的に増加する。
量子システムにおける誤りを訂正するために、誤り訂正符号が用いられる。現在、トポロジ的符号である符号のサブグループが多くの研究論文の焦点となっている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mitigating errors in computing and communication systems has seen a great deal of research since the beginning of the widespread use of these technologies. However, as we develop new methods to do computation or communication, we also need to reiterate the method used to deal with errors. Within the field of quantum computing, error correction is getting a lot of attention since errors can propagate fast and invalidate results, which makes the theoretical exponential speed increase in computation time, compared to traditional systems, obsolete. To correct errors in quantum systems, error-correcting codes are used. A subgroup of codes, topological codes, is currently the focus of many research papers. Topological codes represent parity check matrices corresponding to graphs embedded on a $d$-dimensional surface. For our research, the focus lies on the toric code with a 3D square lattice. The goal of any decoder is robustness to noise, which can increase with code size. However, a reasonable decoder performance scales polynomially with lattice size. As error correction is a time-sensitive operation, we propose a neural network using an inductive bias: equivariance. This allows the network to learn from a rather small subset of the exponentially growing training space of possible inputs. In addition, we investigate how transformer networks can help in correction. These methods will be compared with various configurations and previously published methods of decoding errors in the 3D toric code.
- Abstract(参考訳): コンピュータや通信システムにおけるエラーの軽減は、これらの技術の普及が始まって以来、多くの研究がなされてきた。
しかし、計算や通信を行う新しい手法を開発する際には、エラーに対処する手法を再検討する必要がある。
量子コンピューティングの分野では、エラーが高速で無効な結果を伝播できるため、エラー訂正が注目されている。
量子システムのエラーを修正するために、エラー訂正符号が使用される。
トポロジカルコードというコードの部分群は、現在多くの研究論文の焦点となっている。
位相符号は、$d$次元曲面に埋め込まれたグラフに対応するパリティチェック行列を表す。
私たちの研究は、3D四角い格子を持つトーリックコードに焦点を当てています。
デコーダの目標はノイズに対する堅牢性であり、コードサイズによって増加する可能性がある。
しかし、妥当なデコーダ性能は格子サイズで多項式的にスケールする。
誤差補正は時間に敏感な操作であるため,帰納的バイアスを用いたニューラルネットワークを提案する。
これにより、ネットワークはインプットの指数的に増加するトレーニング空間の比較的小さな部分集合から学習することができる。
さらに, 変圧器ネットワークが補正にどう役立つかを検討する。
これらのメソッドは、3Dトーリックコードでエラーを復号する様々な構成や以前に公開された方法と比較される。
関連論文リスト
- A blindness property of the Min-Sum decoding for the toric code [3.543432625843538]
北エフのトーリック符号は、フォールトトレラント量子計算の最も顕著なモデルの一つである。
近年,メッセージパス復号法におけるトーリック符号の誤り訂正性能の向上に力を入れている。
論文 参考訳(メタデータ) (2024-06-21T08:28:31Z) - Learning Linear Block Error Correction Codes [62.25533750469467]
本稿では,バイナリ線形ブロック符号の統一エンコーダデコーダトレーニングを初めて提案する。
また,コード勾配の効率的なバックプロパゲーションのために,自己注意マスキングを行うトランスフォーマーモデルを提案する。
論文 参考訳(メタデータ) (2024-05-07T06:47:12Z) - Tensor Network Decoding Beyond 2D [2.048226951354646]
テンソルネットワークデコーディングを高次元に一般化する手法をいくつか導入する。
提案手法の復号精度は3次元曲面符号における最先端デコーダよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-10-16T18:00:02Z) - Decoding algorithms for surface codes [0.0]
現在、表面コードは、短期的エラー修正量子ビットを構築する最も有望な候補である。
アルゴリズムの復号化における重要な側面は、量子状態が時間の経過とともにさらなるエラーに遭うため、その速度である。
本稿では、これらの復号法の中核となる原理と、改良された結果の約束を示す既存の変種について述べる。
論文 参考訳(メタデータ) (2023-07-27T16:34:52Z) - Data-driven decoding of quantum error correcting codes using graph
neural networks [0.0]
グラフニューラルネットワーク(GNN)を用いたモデルフリーでデータ駆動型デコーディングアプローチについて検討する。
GNNベースのデコーダは、シミュレーションデータのみを与えられた表面コード上での回路レベルのノイズに対する整合デコーダよりも優れていることを示す。
その結果、デコードに対する純粋にデータ駆動型アプローチが、実用的な量子誤り訂正のための実行可能な選択肢である可能性が示唆された。
論文 参考訳(メタデータ) (2023-07-03T17:25:45Z) - 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) - Error Correction Code Transformer [92.10654749898927]
本稿では,トランスフォーマーアーキテクチャを任意のブロック長で線形符号のソフトデコードに拡張することを提案する。
我々は,各チャネルの出力次元を高次元に符号化し,個別に処理すべきビット情報のより良い表現を行う。
提案手法は、トランスフォーマーの極端なパワーと柔軟性を示し、既存の最先端のニューラルデコーダを、その時間的複雑さのごく一部で大きなマージンで上回る。
論文 参考訳(メタデータ) (2022-03-27T15:25:58Z) - 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) - Cellular automaton decoders for topological quantum codes with noisy
measurements and beyond [68.8204255655161]
本稿では,トポロジカル量子符号を超える幅広い符号に適用可能なセルオートマトン,スイープルールに基づく誤り訂正手法を提案する。
単純化のために, 境界付きロンボックドデカヘドラル格子上の3次元トーリック符号に着目し, 得られた局所デコーダの誤差しきい値がゼロでないことを証明した。
この誤差補正法は, 測定誤差に対して極めて堅牢であり, また, 格子モデルやノイズモデルの詳細に敏感であることがわかった。
論文 参考訳(メタデータ) (2020-04-15T18:00:01Z) - Correcting spanning errors with a fractal code [7.6146285961466]
立方体符号のフラクタル特性を模倣した2次元古典符号であるフィボナッチ符号の効率的な復号器を提案する。
我々は,デコーダが一次元相関誤差に対して頑健であることを示す数値実験を行った。
論文 参考訳(メタデータ) (2020-02-26T19:00:06Z)
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。