論文の概要: Noise-strength-adapted approximate quantum codes inspired by machine learning

• arxiv url: http://arxiv.org/abs/2503.11783v1
• Date: Fri, 14 Mar 2025 18:17:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:28:47.670916
• Title: Noise-strength-adapted approximate quantum codes inspired by machine learning
• Title（参考訳）: 機械学習にインスパイアされた雑音強度適応近似量子符号
• Authors: Shuwei Liu, Shiyu Zhou, Zi-Wen Liu, Jinmin Yi,
• Abstract要約: 我々は2つの新しい種類のノイズ強度適応型AQEC符号、すなわち自己補完型コードとペア補完型コードを構築した。 4ビットの自己補完型NSAコードは、非NSAコードよりも忠実さとKnill-Laflamme条件違反で優れています。 さらに、任意のシステムサイズを持つNSA AD符号の族へのアプローチと、単一光子損失のための0-2-4二項符号のNSA変種へのアプローチを一般化する。
• 参考スコア（独自算出の注目度）: 4.538820014490075
• License:
• Abstract: We demonstrate that machine learning provides a powerful tool for discovering new approximate quantum error-correcting (AQEC) codes beyond conventional algebraic frameworks. Building upon results from hybrid quantum-classical learning, we construct two novel types of noise-strength-adapted (NSA) AQEC codes, namely a self-complementary code and a pair-complementary code, which can outperform conventional codes for amplitude damping (AD) noise. The 4-qubit self-complementary NSA code outperforms its non-NSA counterpart in fidelity and Knill-Laflamme condition violation. The pair-complementary code, which has no known non-NSA analog, achieves even better performance with higher-order loss suppression and better fidelity. We further generalize both approaches to families of NSA AD codes of arbitrary system size, as well as an NSA variant of the 0-2-4 binomial code for single-photon loss. Our results demonstrate that adaptation to noise strength can lead to significant improvements in error correction capability, and highlight how machine learning can help discover new valuable codes that may be missed through conventional algebraic approaches.
• Abstract（参考訳）: 我々は、機械学習が従来の代数的フレームワークを超えて、新しい近似量子誤り訂正(AQEC)コードを発見する強力なツールを提供することを示した。 ハイブリッド量子古典学習の結果に基づき、振幅減衰(AD)ノイズの従来の符号よりも優れた自己補完符号と対補完符号の2つの新しい種類のノイズ強度適応型AQEC符号を構築した。 4ビットの自己補完型NSAコードは、非NSAコードよりも忠実さとKnill-Laflamme条件違反で優れています。 対補完コードは、非NSAアナログを知らないが、高次損失抑制と忠実度の向上により、さらにパフォーマンスの向上を実現している。 さらに、任意のシステムサイズを持つNSA AD符号の族へのアプローチと、単一光子損失のための0-2-4二項符号のNSA変種へのアプローチを一般化する。 以上の結果から,従来の代数的手法で欠落する可能性のある新しい価値コードを発見する上で,機械学習がいかに有効かを明らかにすることができた。

関連論文リスト

• Optimizing hypergraph product codes with random walks, simulated annealing and reinforcement learning [4.642647756403864]
  ハイパーグラフ製品は、2つの古典的なLDPCコードから構築された量子低密度パリティチェック(LDPC)コードである。 本研究では,量子消去チャネルに対する性能の最適化に焦点をあてる。 このチャネルの重要な利点は、効率的な最大形デコーダの存在である。
  論文  参考訳（メタデータ） (2025-01-16T16:01:02Z)
• Smallest quantum codes for amplitude damping noise [6.58877386288094]
  振幅減衰(AD)ノイズを補正する最小の量子誤り訂正符号(QEC)について述べる。 我々はこの構成を、減衰強度の任意の一定の順序でADノイズを補正する一連の符号に一般化する。
  論文  参考訳（メタデータ） (2024-09-30T18:55:09Z)
• Near-optimal decoding algorithm for color codes using Population Annealing [44.99833362998488]
  回復操作を高い確率で行うデコーダを実装した。 異なる雑音モデルの下で4.8.8色符号格子上でのデコーダ性能について検討する。
  論文  参考訳（メタデータ） (2024-05-06T18:17:42Z)
• Simultaneous Discovery of Quantum Error Correction Codes and Encoders with a Noise-Aware Reinforcement Learning Agent [0.0]
  本研究は,QECコード発見における強化学習の能力を大幅に拡張するものである。 本稿では,所定のゲートセットに対して,QEC符号と符号化回路の両方を自動的に検出するRLエージェントを訓練する。 本稿では,様々なノイズモデルのための符号化戦略を同時に生成することを学ぶ,ノイズ対応メタエージェントの概念を紹介する。
  論文  参考訳（メタデータ） (2023-11-08T15:19:16Z)
• Analog information decoding of bosonic quantum LDPC codes [3.34006871348377]
  本稿では,ボソニック量子ビット読み出しから得られたシンドローム情報を明示的に活用する新しい復号法を提案する。 その結果,アナログ情報を用いた一般的な復号アルゴリズムの基礎となり,フォールトトレラント量子計算の方向に有望な結果を示すことができた。
  論文  参考訳（メタデータ） (2023-11-02T15:41:03Z)
• Neural Belief Propagation Decoding of Quantum LDPC Codes Using Overcomplete Check Matrices [60.02503434201552]
  元のチェック行列における行の線形結合から生成された冗長な行を持つチェック行列に基づいてQLDPC符号を復号する。 このアプローチは、非常に低い復号遅延の利点を付加して、復号性能を著しく向上させる。
  論文  参考訳（メタデータ） (2022-12-20T13:41:27Z)
• Optimal quantum control via genetic algorithms for quantum state engineering in driven-resonator mediated networks [68.8204255655161]
  進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。 我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。 アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
  論文  参考訳（メタデータ） (2022-06-29T14:34:00Z)
• 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)
• One Loss for All: Deep Hashing with a Single Cosine Similarity based Learning Objective [86.48094395282546]
  ディープハッシュモデルは通常、学習されたバイナリハッシュコードの識別と量子化エラーの最小化という2つの学習目標を持つ。 本稿では,1つの学習目的しか持たない新しい深層ハッシュモデルを提案する。 我々のモデルは,3つの大規模インスタンス検索ベンチマークにおいて,最先端のマルチロスハッシュモデルより優れている。
  論文  参考訳（メタデータ） (2021-09-29T14:27:51Z)
• SUNRISE: A Simple Unified Framework for Ensemble Learning in Deep Reinforcement Learning [102.78958681141577]
  SUNRISEは単純な統一アンサンブル法であり、様々な非政治的な深層強化学習アルゴリズムと互換性がある。 SUNRISEは, (a) アンサンブルに基づく重み付きベルマンバックアップと, (b) 最上位の自信境界を用いて行動を選択する推論手法を統合し, 効率的な探索を行う。
  論文  参考訳（メタデータ） (2020-07-09T17:08:44Z)

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。