論文の概要: Discovering autonomous quantum error correction via deep reinforcement learning
- arxiv url: http://arxiv.org/abs/2511.12482v1
- Date: Sun, 16 Nov 2025 07:31:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-18 14:36:24.193231
- Title: Discovering autonomous quantum error correction via deep reinforcement learning
- Title（参考訳）: 深部強化学習による自律的量子誤り訂正
- Authors: Yue Yin, Tailong Xiao, Xiaoyang Deng, Ming He, Jianping Fan, Guihua Zeng,
- Abstract要約: 本研究では,ボーソニック符号の発見に,カリキュラム学習を活用した深層強化学習を利用する。
この2段階学習エージェントは最適なコードワードの集合を見つけることができる。
また,位相減衰および振幅減衰雑音に対する符号の頑健性も解析した。
- 参考スコア（独自算出の注目度）: 10.881124265851327
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum error correction is essential for fault-tolerant quantum computing. However, standard methods relying on active measurements may introduce additional errors. Autonomous quantum error correction (AQEC) circumvents this by utilizing engineered dissipation and drives in bosonic systems, but identifying practical encoding remains challenging due to stringent Knill-Laflamme conditions. In this work, we utilize curriculum learning enabled deep reinforcement learning to discover Bosonic codes under approximate AQEC framework to resist both single-photon and double-photon losses. We present an analytical solution of solving the master equation under approximation conditions, which can significantly accelerate the training process of reinforcement learning. The agent first identifies an encoded subspace surpassing the breakeven point through rapid exploration within a constrained evolutionary time-frame, then strategically fine-tunes its policy to sustain this performance advantage over extended temporal horizons. We find that the two-phase trained agent can discover the optimal set of codewords, i.e., the Fock states $\ket{4}$ and $\ket{7}$ considering the effect of both single-photon and double-photon loss. We identify that the discovered code surpasses the breakeven threshold over a longer evolution time and achieve the state-of-art performance. We also analyze the robustness of the code against the phase damping and amplitude damping noise. Our work highlights the potential of curriculum learning enabled deep reinforcement learning in discovering the optimal quantum error correct code especially in early fault-tolerant quantum systems.
- Abstract（参考訳）: フォールトトレラント量子コンピューティングには量子エラー補正が不可欠である。
しかし、アクティブな測定に依存する標準的な手法は、さらなるエラーをもたらす可能性がある。
自律量子誤り訂正(AQEC)は、工学的な散逸とボソニックシステムでの駆動を利用してこれを回避しているが、クニル・ラフラム条件が強いため、実用的な符号化の特定は依然として困難である。
本研究は, カリキュラム学習を利用した深層強化学習を用いて, 近似AQECフレームワーク下でのボソニック符号を発見し, 単光子損失と二重光子損失の両方に抵抗する。
近似条件下でのマスター方程式の解法として,強化学習の学習過程を著しく高速化できる解析解を提案する。
エージェントはまず、制限された進化時間枠内での迅速な探索を通じて、破壊点を超える符号化された部分空間を特定し、その後、時間的地平線よりもこの性能上の優位性を維持するための戦略を戦略的に微調整する。
2相訓練されたエージェントは最適なコードワードの集合、すなわちFock状態の$\ket{4}$と$\ket{7}$を、単光子損失と二重光子損失の両方の影響を考慮して発見できる。
検出されたコードは、長い進化時間で破壊しきい値を超え、最先端のパフォーマンスを達成する。
また,位相減衰および振幅減衰雑音に対する符号の頑健性も解析した。
我々の研究は、特に早期のフォールトトレラント量子システムにおける最適量子誤り訂正符号の発見において、カリキュラム学習が深層強化学習を可能にした可能性を強調した。
関連論文リスト
- Reinforcement Learning Control of Quantum Error Correction [108.70420561323692]
量子コンピュータは、エラーから直接自己改善することを学び、決してコンピューティングを止めない。
この研究によって新しいパラダイムが実現された: 量子コンピュータは、そのエラーから直接自己改善を学び、決してコンピューティングを止めない。
論文 参考訳（メタデータ） (2025-11-11T17:32:25Z) - Autonomous Floquet Engineering of Bosonic Codes via Reinforcement Learning [4.78580425445851]
ボソニック符号は連続変数計算システムにおける量子誤り訂正への有望な経路を示す。
本稿では,一般,効率的,耐雑音性に優れたボソニックコードの自動作成のための強化学習支援Floquetエンジニアリング手法を提案する。
論文 参考訳（メタデータ） (2025-10-25T09:14:55Z) - Quantum Error Correction with Superpositions of Squeezed Fock States [36.94429692322632]
我々は、$proptoexp(-7r)$とスケールするエラー訂正機能を備えた圧縮されたFock状態の重ね合わせに基づくコードを提案する。
この符号は、中程度のスクイーズレベルであっても、単光子損失と復調の両方の高精度な誤差補正を実現する。
論文 参考訳（メタデータ） (2025-10-05T13:52:08Z) - Purest Quantum State Identification [14.22473588576799]
我々は、量子計算と通信の精度を向上させるために使用できる、最も純粋な量子状態同定を導入する。
非コヒーレントな戦略に対しては、エラー確率$expleft(-Omegaleft(fracN H_1log(K) 2nfracright)$を達成し、量子特性学習を根本的に改善する最初の適応アルゴリズムを導出する。
論文 参考訳（メタデータ） (2025-02-20T07:42:16Z) - Optical Quantum Sensing for Agnostic Environments via Deep Learning [59.088205627308]
本稿では,革新的な深層学習に基づく量子センシング手法を提案する。
これにより、光学量子センサーは、非依存環境でハイゼンベルク限界(HL)に達することができる。
我々の発見は、光学量子センシングタスクを加速する新しいレンズを提供する。
論文 参考訳（メタデータ） (2023-11-13T09:46:05Z) - 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) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-04-04T12:47:35Z) - 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) - Experimental realization of deterministic and selective photon addition in a bosonic mode assisted by an ancillary qubit [33.7054351451505]
ボソニック量子誤り訂正符号は、主に単一光子損失を防ぐために設計されている。
エラー修正には、エラー状態 -- 逆のパリティを持つ -- をコード状態にマッピングするリカバリ操作が必要です。
ここでは、ボソニックモード上での光子数選択同時光子加算演算のコレクションを実現する。
論文 参考訳（メタデータ） (2022-12-22T23:32:21Z)
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。