論文の概要: GAN decoder on a quantum toric code for noise-robust quantum teleportation

• arxiv url: http://arxiv.org/abs/2409.06984v3
• Date: Mon, 25 Aug 2025 14:18:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 14:31:50.365572
• Title: GAN decoder on a quantum toric code for noise-robust quantum teleportation
• Title（参考訳）: ノイズロス量子テレポーテーションのための量子トーリック符号上のGANデコーダ
• Authors: Jiaxin Li, Zhimin Wang, Alberto Ferrara, Yongjian Gu, Rosario Lo Franco,
• Abstract要約: 本稿では,量子トポロジカルコードに対するGANに基づくデコーダを提案する。 偏極雑音下での量子テレポーテーションプロトコルの拡張に応用する。
• 参考スコア（独自算出の注目度）: 21.80993228019571
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a generative adversarial network (GAN)-based decoder for quantum topological codes and apply it to enhance a quantum teleportation protocol under depolarizing noise. By constructing and training the GAN's generator and discriminator networks using eigenvalue datasets from the code, we obtain a decoder with a significantly improved decoding pseudo-threshold. Simulation results show that our GAN decoder achieves a pseudo-threshold of approximately $p=0.2108$, estimated from the crossing point of logical error rate curves for code distances $d=3$ and $d=5$, nearly double that of a classical decoder under the same conditions ($p \approx 0.1099$). Moreover, at the same target logical error rate, the GAN decoder consistently achieves higher logical fidelity compared to the classical decoder. When applied to quantum teleportation, the protocol optimized using our decoder demonstrates enhanced fidelity across noise regimes. Specifically, for code distance $d=3$, fidelity improves within the depolarizing noise threshold range $P<0.06503$; for $d=5$, the range extends to $P<0.07512$. Moreover, with appropriate training, our GAN decoder can generalize to other error models. This work positions GANs as powerful tools for decoding in topological quantum error correction, offering a flexible and noise-resilient framework for fault-tolerant quantum information processing.
• Abstract（参考訳）: 本稿では,量子トポロジカルコードに対するGANベースのデコーダを提案する。 GANのジェネレータと識別器ネットワークをコードから固有値データセットを用いて構築し、訓練することにより、擬似閾値を大幅に改善した復号器を得る。 シミュレーションの結果、GANデコーダは、コード距離$d=3$と$d=5$の論理誤差率曲線の交差点から推定される約$p=0.2108$の擬似閾値を達成している(p \approx 0.1099$)。 さらに、GANデコーダは、同じ目標の論理誤り率で、古典的デコーダよりも高い論理忠実性を達成する。 量子テレポーテーションに適用すると、デコーダを用いて最適化されたプロトコルは、ノイズレジーム間の忠実度を向上することを示した。 具体的には、コード距離$d=3$の場合、非分極ノイズしきい値範囲$P<0.06503$; for $d=5$では、その範囲は$P<0.07512$に拡張される。 さらに、適切なトレーニングを行うことで、GANデコーダを他のエラーモデルに一般化することができる。 この研究は、GANをトポロジカル量子誤り訂正におけるデコードのための強力なツールとして位置づけ、フォールトトレラントな量子情報処理のためのフレキシブルで耐雑音性のあるフレームワークを提供する。

関連論文リスト

• Threshold Selection for Iterative Decoding of $(v,w)$-regular Binary Codes [84.0257274213152]
  繰り返しビットフリップデコーダは、sparse $(v,w)$-regular符号の効率的な選択である。 閉形式モデルに基づくしきい値決定のための具体的な基準を提案する。
  論文  参考訳（メタデータ） (2025-01-23T17:38:22Z)
• Fault-tolerant hyperbolic Floquet quantum error correcting codes [0.0]
  ハイパボリックフロケット符号」と呼ばれる動的に生成された量子誤り訂正符号の族を導入する。 私たちの双曲的フロッケ符号の1つは、コード距離8の52の論理キュービットをエンコードするために400の物理キュービットを使用します。 小さなエラー率では、この符号に匹敵する論理的誤り抑制は、同じノイズモデルとデコーダを持つハニカム・フロケ符号を使用する場合、多くの物理量子ビット (1924) の5倍を必要とする。
  論文  参考訳（メタデータ） (2023-09-18T18:00:02Z)
• Neural network decoder for near-term surface-code experiments [0.7100520098029438]
  ニューラルネットワークデコーダは従来のデコーダに比べて論理的誤り率を低くすることができる。 これらのデコーダは物理エラー率に関する事前情報を必要としないため、高度に適応可能である。
  論文  参考訳（メタデータ） (2023-07-06T20:31:25Z)
• A Scalable, Fast and Programmable Neural Decoder for Fault-Tolerant Quantum Computation Using Surface Codes [12.687083899824314]
  量子誤り訂正符号(Quantum error-correcting codes, QECCs)は、量子アルゴリズムの実行の大きな障害である量子ノイズの負の効果を排除できる。 回転曲面符号(RSC)に対するFTQECの要件を満たすスケーラブルで高速でプログラム可能なニューラルデコーディングシステムを提案する。 本システムでは,197 nsのデコード遅延を極端に低くし,その精度はMWPMに近い。
  論文  参考訳（メタデータ） (2023-05-25T06:23:32Z)
• 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)
• Denoising Diffusion Error Correction Codes [92.10654749898927]
  近年、ニューラルデコーダは古典的デコーダ技術に対する優位性を実証している。 最近の最先端のニューラルデコーダは複雑で、多くのレガシデコーダの重要な反復的スキームが欠如している。 本稿では,任意のブロック長の線形符号のソフトデコードにデノナイズ拡散モデルを適用することを提案する。
  論文  参考訳（メタデータ） (2022-09-16T11:00:50Z)
• A local pre-decoder to reduce the bandwidth and latency of quantum error correction [3.222802562733787]
  フォールトトレラントな量子コンピュータは、量子ハードウェアと対面する古典的な復号システムによってサポートされる。 本稿では,標準整合デコーダに送信されるシンドロームデータの量を削減するために,グリーディ補正を行うローカルプリデコーダを提案する。 プリデコーダを用いてグローバルデコーダのランタイムと通信帯域幅を大幅に改善する。
  論文  参考訳（メタデータ） (2022-08-09T11:01:56Z)
• Graph Neural Networks for Channel Decoding [71.15576353630667]
  低密度パリティチェック(LDPC)やBCH符号など、様々な符号化方式の競合復号性能を示す。 ニューラルネットワーク(NN)は、与えられたグラフ上で一般化されたメッセージパッシングアルゴリズムを学習する。 提案するデコーダを,従来のチャネル復号法および最近のディープラーニングに基づく結果と比較した。
  論文  参考訳（メタデータ） (2022-07-29T15:29:18Z)
• 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)
• Adversarial Neural Networks for Error Correcting Codes [76.70040964453638]
  機械学習(ML)モデルの性能と適用性を高めるための一般的なフレームワークを紹介する。 本稿では,MLデコーダと競合する識別器ネットワークを組み合わせることを提案する。 我々のフレームワークはゲーム理論であり、GAN(Generative Adversarial Network)によって動機付けられている。
  論文  参考訳（メタデータ） (2021-12-21T19:14:44Z)
• Dynamic Neural Representational Decoders for High-Resolution Semantic Segmentation [98.05643473345474]
  動的ニューラル表現デコーダ(NRD)と呼ばれる新しいデコーダを提案する。 エンコーダの出力上の各位置がセマンティックラベルの局所的なパッチに対応するので、この研究では、これらの局所的なパッチをコンパクトなニューラルネットワークで表現する。 このニューラル表現により、意味ラベル空間に先行する滑らかさを活用することができ、デコーダをより効率的にすることができる。
  論文  参考訳（メタデータ） (2021-07-30T04:50:56Z)
• Scalable and Efficient Neural Speech Coding [24.959825692325445]
  本研究では,音声圧縮のためのスケーラブルかつ効率的なニューラル波形(NWC)を提案する。 提案するcnnオートエンコーダは、量子化と符号化を訓練可能なモジュールとして定義する。 他の自己回帰型デコーダベースのニューラルスピーチと比較すると、デコーダのアーキテクチャは大幅に小さい。
  論文  参考訳（メタデータ） (2021-03-27T00:10:16Z)
• Enhanced noise resilience of the surface-GKP code via designed bias [0.0]
  本研究では,標準のシングルモード Gottesman-Kitaev-Preskill (GKP) コードと曲面コードとを連結して得られたコードについて検討する。 各モードに単一モードの一意化を適用すると、(ガウス)変位誤差に対するこの表面GKP符号の耐雑音性が向上することを示す。
  論文  参考訳（メタデータ） (2020-04-01T16:08:52Z)
• Your GAN is Secretly an Energy-based Model and You Should use Discriminator Driven Latent Sampling [106.68533003806276]
  本研究では,潜時空間におけるサンプリングは,潜時空間の前対数密度と判別器出力スコアの和によって誘導されるエネルギーベースモデルに従って,潜時空間におけるサンプリングを行うことによって達成できることを示す。 判別器駆動潜時サンプリング(DDLS)は,高次元画素空間で動作する従来の手法と比較して,高効率であることを示す。
  論文  参考訳（メタデータ） (2020-03-12T23:33:50Z)
• 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。