論文の概要: Neural Network-Based Design of Approximate Gottesman-Kitaev-Preskill Code

• arxiv url: http://arxiv.org/abs/2411.01265v1
• Date: Sat, 02 Nov 2024 14:34:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:38:34.663770
• Title: Neural Network-Based Design of Approximate Gottesman-Kitaev-Preskill Code
• Title（参考訳）: ニューラルネットワークによる近似型ゴッテマン・キタエフ・プレスキル符号の設計
• Authors: Yexiong Zeng, Wei Qin, Ye-Hong Chen, Clemens Gneiting, Franco Nori,
• Abstract要約: Gottesman-Kitaev-Preskill (GKP)エンコーディングは、連続変数のフォールトトレラント量子コンピューティングを約束する。 従来の近似GKP符号ワードは、複数の大振幅圧縮コヒーレント状態の重ね合わせである。 我々はニューラルネットワークを用いて最適近似GKP状態を生成する。
• 参考スコア（独自算出の注目度）: 2.209911250765614
• License:
• Abstract: Gottesman-Kitaev-Preskill (GKP) encoding holds promise for continuous-variable fault-tolerant quantum computing. While an ideal GKP encoding is abstract and impractical due to its nonphysical nature, approximate versions provide viable alternatives. Conventional approximate GKP codewords are superpositions of multiple {large-amplitude} squeezed coherent states. This feature ensures correctability against single-photon loss and dephasing {at short times}, but also increases the difficulty of preparing the codewords. To minimize this trade-off, we utilize a neural network to generate optimal approximate GKP states, allowing effective error correction with just a few squeezed coherent states. We find that such optimized GKP codes outperform the best conventional ones, requiring fewer squeezed coherent states, while maintaining simple and generalized stabilizer operators. Specifically, the former outperform the latter with just \textit{one third} of the number of squeezed coherent states at a squeezing level of 9.55 dB. This optimization drastically decreases the complexity of codewords while improving error correctability.
• Abstract（参考訳）: Gottesman-Kitaev-Preskill (GKP)エンコーディングは、連続変数のフォールトトレラント量子コンピューティングを約束する。 理想的なGKP符号化は非物理的性質のため抽象的で非現実的であるが、近似バージョンは実行可能な代替手段を提供する。 従来の近似GKP符号ワードは、複数の大振幅圧縮コヒーレント状態の重ね合わせである。 この機能により、単一光子損失に対する修正性と {at short time} の廃止が保証されるが、コードワードの作成の難しさも増大する。 このトレードオフを最小限に抑えるために,ニューラルネットワークを用いて最適近似GKP状態を生成する。 このような最適化されたGKP符号は、単純で一般化された安定化演算子を維持しながら、圧縮されたコヒーレントな状態を少なくし、従来のコードよりも優れていた。 具体的には、前者は、スクイーズレベル9.55dBで圧縮されたコヒーレント状態の数が、単に「textit{one third}」で後者を上回っている。 この最適化は、エラー訂正性を改善しながら、コードワードの複雑さを大幅に減らす。

関連論文リスト

• 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)
• The Near-optimal Performance of Quantum Error Correction Codes [2.670972517608388]
  任意の符号と雑音に対する簡潔で最適化のない計量である準最適チャネル忠実度を導出する。 従来の最適化手法と比較して、計算コストの削減により、以前はアクセス不能なサイズであったシステムをシミュレートすることができる。 熱力学符号とGottesman-Kitaev-Preskill (GKP)符号のほぼ最適性能を解析的に導出した。
  論文  参考訳（メタデータ） (2024-01-04T01:44:53Z)
• Correcting biased noise using Gottesman-Kitaev-Preskill repetition code with noisy ancilla [0.6802401545890963]
  Gottesman-Kitaev-Preskill (GKP)符号は位相空間の小さな変位誤差を補正するために提案されている。 位相空間のノイズが偏った場合、二乗格子GKP符号はXZZX曲面符号または繰り返し符号でアシラリー化することができる。 本稿では,GKP繰り返し符号と物理アンシラリーGKP量子ビットの重み付き雑音補正性能について検討する。
  論文  参考訳（メタデータ） (2023-08-03T06:14:43Z)
• 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)
• Biased Gottesman-Kitaev-Preskill repetition code [0.0]
  Gottesmann-Kitaev-Preskill (GKP)エンコーディングに基づく連続可変量子コンピューティングアーキテクチャが有望な候補として浮上している。 矩形格子GKPの符号容量挙動を,等方的ガウス変位チャネルの下で繰り返し符号化する。
  論文  参考訳（メタデータ） (2022-12-21T22:56:05Z)
• A Stable, Fast, and Fully Automatic Learning Algorithm for Predictive Coding Networks [65.34977803841007]
  予測符号化ネットワークは、ベイズ統計学と神経科学の両方にルーツを持つ神経科学にインスパイアされたモデルである。 シナプス重みに対する更新規則の時間的スケジュールを変更するだけで、元の規則よりもずっと効率的で安定したアルゴリズムが得られることを示す。
  論文  参考訳（メタデータ） (2022-11-16T00:11:04Z)
• 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)
• Enhancing distributed sensing with imperfect error correction [4.812718493682455]
  エンタングルメントは、分散量子センシングプロトコルを介して、センサネットワークにおける情報処理タスクの強化を約束している。 センサネットワークではノイズがユビキタスであるため,Gottesman, Kitaev, Preskill(GKP)状態に基づく誤り訂正スキームが要求される。 そこで, 不均質雑音モデルにおいて, 有限圧縮GKP状態に対する性能向上の解析を拡張した。
  論文  参考訳（メタデータ） (2022-01-17T16:42:17Z)
• Low overhead fault-tolerant quantum error correction with the surface-GKP code [60.44022726730614]
  本研究では, 平面GKP符号の有効利用, すなわち, 素二次元キュービットの代わりにボソニックGKP量子ビットからなる曲面符号を提案する。 論理的故障率の低い$p_L 10-7$は、適度なハードウェア要件で達成可能であることを示す。
  論文  参考訳（メタデータ） (2021-03-11T23:07:52Z)
• Efficient Concatenated Bosonic Code for Additive Gaussian Noise [0.0]
  ボソニック符号は量子情報処理のためのノイズレジリエンスを提供する。 本稿では,Gottesman-Kitaev-Preskill符号を用いて,デフォールトエラー発生キュービットと量子パリティ符号を用いて残差の処理を行う。 我々の研究は、幅広い量子計算と通信シナリオに応用できるかもしれない。
  論文  参考訳（メタデータ） (2021-02-02T08:01:30Z)

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。