論文の概要: Self-attention U-Net decoder for toric codes

• arxiv url: http://arxiv.org/abs/2506.02734v1
• Date: Tue, 03 Jun 2025 10:50:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:35.595031
• Title: Self-attention U-Net decoder for toric codes
• Title（参考訳）: トーリック符号に対する自己注意型U-Netデコーダ
• Authors: Wei-Wei Zhang, Zhuo Xia, Wei Zhao, Wei Pan, Haobin Shi,
• Abstract要約: 量子誤り訂正符号の適用には、スケーラブルな効率的なデコーダが最も望ましい。 本研究では,トーリックコードに対する自己注意型U-Net量子デコーダ(SU-NetQD)を提案する。 MWPMと比較して低い論理誤差率を達成し,ノイズバイアスの増加に伴ってコードしきい値の増大傾向を見出した。
• 参考スコア（独自算出の注目度）: 7.564303967741644
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the NISQ era, one of the most important bottlenecks for the realization of universal quantum computation is error correction. Stabiliser code is the most recognizable type of quantum error correction code. A scalable efficient decoder is most desired for the application of the quantum error correction codes. In this work, we propose a self-attention U-Net quantum decoder (SU-NetQD) for toric code, which outperforms the minimum weight perfect matching decoder, especially in the circuit level noise environments. Specifically, with our SU-NetQD, we achieve lower logical error rates compared with MWPM and discover an increased trend of code threshold as the increase of noise bias. We obtain a high threshold of 0.231 for the extremely biased noise environment. The combination of low-level decoder and high-level decoder is the key innovation for the high accuracy of our decoder. With transfer learning mechanics, our decoder is scalable for cases with different code distances. Our decoder provides a practical tool for quantum noise analysis and promotes the practicality of quantum error correction codes and quantum computing.
• Abstract（参考訳）: NISQ時代には、普遍的な量子計算を実現する上で最も重要なボトルネックの1つは誤り訂正である。 安定化符号は最も認識可能な量子誤り訂正符号である。 量子誤り訂正符号の適用には、スケーラブルな効率的なデコーダが最も望ましい。 本研究では,トーリック符号に対する自己アテンション型U-Net量子デコーダ(SU-NetQD)を提案する。 具体的には,SU-NetQDを用いて,MWPMと比較して論理誤差率を低くし,ノイズバイアスの増加に伴うコードしきい値の増加傾向を明らかにする。 極端に偏りのある騒音環境に対して、0.231の高閾値が得られる。 低レベルデコーダと高レベルデコーダの組み合わせは、デコーダの高精度化の鍵となるイノベーションである。 トランスファーラーニングの仕組みでは、コード距離が異なるケースに対して、デコーダはスケーラブルです。 我々のデコーダは、量子ノイズ解析の実用的なツールを提供し、量子誤り訂正符号と量子コンピューティングの実用性を促進する。

関連論文リスト

• Efficient and Universal Neural-Network Decoder for Stabilizer-Based Quantum Error Correction [44.698141103370546]
  本稿では,線形アテンションシーケンスモデリングとグラフニューラルネットワークに基づくユニバーサルデコーダを提案する。 実験により, このデコーダは, 精度と速度の両面において, 特殊アルゴリズムよりも優れていることを示した。
  論文  参考訳（メタデータ） (2025-02-27T10:56:53Z)
• Advantage of Quantum Neural Networks as Quantum Information Decoders [1.1842028647407803]
  位相安定化器ハミルトンの基底空間に符号化された量子情報の復号化問題について検討する。 まず、標準安定化器に基づく誤り訂正と復号化方式が、そのような量子符号において適切に摂動可能であることを証明した。 次に、量子ニューラルネットワーク(QNN)デコーダが読み出し誤差をほぼ2次的に改善することを証明する。
  論文  参考訳（メタデータ） (2024-01-11T23:56:29Z)
• Testing the Accuracy of Surface Code Decoders [55.616364225463066]
  大規模でフォールトトレラントな量子計算は量子エラー訂正符号(QECC)によって実現される 本研究は,QECC復号方式の精度と有効性をテストするための最初の体系的手法である。
  論文  参考訳（メタデータ） (2023-11-21T10:22:08Z)
• 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)
• 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)
• 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。