論文の概要: Untangling Surface Codes: Bridging Braids and Lattice Surgery
- arxiv url: http://arxiv.org/abs/2511.22290v1
- Date: Thu, 27 Nov 2025 10:12:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-01 19:47:55.503047
- Title: Untangling Surface Codes: Bridging Braids and Lattice Surgery
- Title（参考訳）: 縫い目のない表面コード:ブリッジ編みと格子手術
- Authors: Alexandru Paler,
- Abstract要約: 本研究では, 耐故障性量子回路をそれらのブレイディングと格子状手術表現の間に翻訳する方式を提案する。
当社のフレームワークは,大規模サーフェスコードの自動検証,コンパイル,ベンチマークの基盤を提供する。
- 参考スコア（独自算出の注目度）: 51.748182660642776
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a systematic method for translating fault-tolerant quantum circuits between their braiding and lattice surgery (LS) representations within the surface code. Our approach employs the ZX calculus to establish an equivalence between these two paradigms, enabling verified, bidirectional conversion of arbitrary surface-code-level circuits. We show that both braiding and LS operations can be uniformly expressed as compositions of multibody measurements and demonstrate that the Raussendorf compression rule encompasses all known braid and bridge optimizations. We also introduce a novel CNOT circuit with LS. Our framework provides a foundation for the automated verification, compilation, and benchmarking of large-scale surface code computations, advancing toward a unified formal language for topological quantum computation.
- Abstract（参考訳）: 本稿では, 表面コード内の格子手術(LS)表現間のフォールトトレラント量子回路の変換方法を提案する。
提案手法では、ZX計算を用いて、これらの2つのパラダイム間の等価性を確立し、任意の曲面符号レベル回路の双方向変換を可能にする。
ブレイディングとLS演算を多体測定の合成として一様に表現できることを示し、ラッセンドルフ圧縮則が既知のすべてのブレイドとブリッジの最適化を含むことを示した。
LSを用いた新しいCNOT回路も導入する。
当社のフレームワークは,大規模表面コード計算の自動検証,コンパイル,ベンチマークの基盤を提供し,トポロジカル量子計算のための統一形式言語を目指しています。
関連論文リスト
- Unlocking Symbol-Level Precoding Efficiency Through Tensor Equivariant Neural Network [84.22115118596741]
シンボルレベルのプリコーディングにおいて,推論の複雑さの低いエンドツーエンドディープラーニング(DL)フレームワークを提案する。
提案手法は,従来の手法よりも約80倍の高速化を実現しつつ,SLPの大幅な性能向上を達成できることを示す。
論文 参考訳（メタデータ） (2025-10-02T15:15:50Z) - Surface-Code Hardware Hamiltonian [5.411640324412968]
表面符号量子プロセッサユニット(QPU)における多体相互作用を正確にモデル化するためのフレームワークを提案する。
提案手法は,高次長範囲のパウリ弦結合を効率よく評価し,完全チップレイアウトを正確なハミルトニアンにマップする。
このフレームワークは、次世代の高忠実なサーフェスコードハードウェアを最適化するための強力なガイドとして機能する。
論文 参考訳（メタデータ） (2025-07-08T17:27:32Z) - Two-Qubit Gate Synthesis via Linear Programming for Heterogeneous Instruction Sets [0.7468717050144966]
任意の2ビットのユニタリをネイティブゲート集合にコンパイルするセグメント化カルタン軌道法を提案する。
GULPSは、Qiskitのようなプラットフォームとの統合に適した、スケーラブルでISA対応のコンパイル戦略を提供する。
論文 参考訳（メタデータ） (2025-05-01T14:13:13Z) - Modeling and Performance Analysis for Semantic Communications Based on Empirical Results [53.805458017074294]
終端計測とSNRの関係をモデル化するためのAlpha-Beta-Gamma (ABG) 式を提案する。
画像再構成タスクでは、提案されたABG公式は、SCUNetやVision Transformerといった一般的なDLネットワークに適合する。
我々の知る限りでは、これはエンドツーエンドのパフォーマンス指標と意味コミュニケーションのためのSNRの間の最初の理論的表現である。
論文 参考訳（メタデータ） (2025-04-29T06:07:50Z) - Optimizing Quantum Circuits via ZX Diagrams using Reinforcement Learning and Graph Neural Networks [38.499527873574436]
量子回路最適化のためのZX計算,グラフニューラルネットワーク,強化学習に基づくフレームワークを提案する。
本手法は,強化学習と木探索を組み合わせることで,ZX計算の書き直し規則を最適に選択することの課題に対処する。
本稿では,多種多様なランダム回路上での最先端回路の一般化と能力について述べる。
論文 参考訳（メタデータ） (2025-04-04T13:19:08Z) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか?
我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。
そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Error correction of transversal CNOT gates for scalable surface code computation [0.37282630026096597]
制御NOT(tCNOT)ゲートは、コードブロック間の相関エラーを導入する。
本稿では,スケーラブルでフォールトトレラントな量子計算のためのtCのための3種類の復号法の性能を検証し,ベンチマークする。
論文 参考訳（メタデータ） (2024-08-02T17:09:08Z) - Transformers as Statisticians: Provable In-Context Learning with
In-Context Algorithm Selection [88.23337313766353]
この研究はまず、変換器がICLを実行するための包括的な統計理論を提供する。
コンテクストにおいて、トランスフォーマーは、幅広い種類の標準機械学習アルゴリズムを実装可能であることを示す。
エンフィングル変換器は、異なるベースICLアルゴリズムを適応的に選択することができる。
論文 参考訳（メタデータ） (2023-06-07T17:59:31Z)
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。