論文の概要: Quantum Error Correction and Dynamical Decoupling: Better Together or Apart?

• arxiv url: http://arxiv.org/abs/2602.19042v1
• Date: Sun, 22 Feb 2026 04:35:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.457426
• Title: Quantum Error Correction and Dynamical Decoupling: Better Together or Apart?
• Title（参考訳）: 量子エラー補正と動的デカップリング: 相性は良いか?
• Authors: Victor Kasatkin, Mario Morford-Oberst, Arian Vezvaee, Daniel A. Lidar,
• Abstract要約: QEC(Quantum error correct)とDD(Dynamical Decoupling)は、量子情報を保護するツールである。 DDを論理的に(LDD)実装するハイブリッドメモリサイクルを$[n,k,d]$安定化器符号の正規化要素を用いて解析する。 LDDが選択したリカバリマップに対して,少なくとも1つの最小重補正不能なパウリ誤差を抑える方法を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Quantum error correction (QEC) and dynamical decoupling (DD) are tools for protecting quantum information. A natural goal is to combine them to outperform either approach alone. Such a benefit is not automatic: physical DD can conflict with an encoded subspace, and QEC performance is governed by the errors that survive decoding, not necessarily those DD suppresses. We analyze a hybrid memory cycle where DD is implemented logically (LDD) using normalizer elements of an $[[n,k,d]]$ stabilizer code, followed by a round of syndrome measurement and recovery (or, in the detection setting, postselection on a trivial syndrome). In an effective Pauli model with physical error probability $p$, LDD suppression factor $p_{DD}$, and recovery imperfection rate $p_{QEC}$ (or $p_{QED}$), we derive closed-form entanglement-fidelity expressions for QEC-only, LDD-only, physical DD, and the hybrid LDD+QEC protocol. The formulas are expressed via a small set of code-dependent weight enumerator polynomials, making the role of the decoder and the LDD group explicit. For ideal recovery LDD+QEC outperforms QEC-only iff the conditional fraction of uncorrectable Pauli errors is larger in the LDD-suppressed sector than in the unsuppressed sector. In the low-noise regime, a sufficient design rule guaranteeing hybrid advantage is that LDD suppresses at least one minimum-weight uncorrectable Pauli error for the chosen recovery map. We show how stabilizer-equivalent choices of LDD generators can be used to enforce this condition. We supplement our analysis with numerical results for the $[[7,1,3]]$ Steane code and a $[[13,1,3]]$ code, mapping regions of hybrid-protocol advantage in parameter space beyond the small-$p$ regime. Our work illustrates the need for co-design of the code, decoder, and logical decoupling group, and clarifies the conditions under which the hybrid LDD+QEC protocol is advantageous.
• Abstract（参考訳）: QEC(Quantum error correct)とDD(Dynamical Decoupling)は、量子情報を保護するツールである。 自然なゴールは、それらを組み合わせることで、どちらのアプローチよりも優れていることです。 物理DDは符号化された部分空間と競合し、QEC性能は復号後も残るエラーによって制御される。 DDが論理的に実装されるハイブリッドメモリサイクルを$[n,k,d]$安定化器符号の正規化要素を用いて解析し、続いて症候群計測と回復のラウンド(または検出設定では、自明な症候群に対するポストセレクション)を行う。 物理誤差確率$p$, LDD抑制係数$p_{DD}$, リカバリ不完全率$p_{QEC}$(または$p_{QED}$)の有効パウリモデルでは, QECのみ, LDDのみ, 物理DD, ハイブリッドLDD+QECプロトコルの閉形式エンタングルメント・フィデリティ式を導出する。 式はコード依存の重み付き列挙多項式によって表現され、デコーダとLCDグループの役割が明確になる。 理想的なリカバリ LDD+QEC は、補正不能なパウリ誤差の条件分画をQECのみのフで上回る。 低ノイズ方式では、LDDが選択したリカバリマップに対して少なくとも1つの最小1つの補正不能なパウリ誤差を抑えるのが十分な設計規則である。 本稿では, LDDジェネレータの安定化と等価な選択が, どのようにしてこの条件を強制できるかを示す。 我々は、[[7,1,3]]$ Steane コードと $[[13,1,3]]$ コードに対する数値的な結果で分析を補足する。 我々の研究は、コード、デコーダ、論理デカップリンググループの共同設計の必要性を示し、ハイブリッド LDD+QEC プロトコルが有利である条件を明らかにする。

関連論文リスト

• INC: An Indirect Neural Corrector for Auto-Regressive Hybrid PDE Solvers [61.84396402100827]
  本稿では,学習した補正を支配方程式に統合する間接ニューラルコレクタ(mathrmINC$)を提案する。 $mathrmINC$は、$t-1 + L$の順番でエラー増幅を減らし、$t$はタイムステップ、$L$はリプシッツ定数である。 大規模なベンチマークで$mathrmINC$をテストし、1Dカオスシステムから3D乱流まで、多くの異なる解法、神経バックボーン、テストケースをカバーした。
  論文  参考訳（メタデータ） (2025-11-16T20:14:28Z)
• Surface code scaling on heavy-hex superconducting quantum processors [36.94429692322632]
  我々は、ネイティブ接続がコードにマッチしないハードウェア上で、サーフェスコード量子メモリのサブスレッショルドスケーリングを実証する。 DDはコヒーレントなZZクロストークと非マルコフ的デフォーカスを抑制する。 我々は、X-およびZ-basis論理エラーデータから直接計算され、サイクルごとのSPAM対応境界を提供するエンタングルメント忠実度指標を導出する。
  論文  参考訳（メタデータ） (2025-10-21T17:37:40Z)
• Exploiting Pre-trained Models for Drug Target Affinity Prediction with Nearest Neighbors [58.661454334877256]
  薬物-標的結合親和性(DTA)予測は、薬物発見に不可欠である。 DTA予測へのディープラーニング手法の適用にもかかわらず、達成された精度は依然として準最適である。 事前学習したDTA予測モデルに適用した非表現埋め込みに基づく検索手法である$k$NN-DTAを提案する。
  論文  参考訳（メタデータ） (2024-07-21T15:49:05Z)
• Conservative DDPG -- Pessimistic RL without Ensemble [48.61228614796803]
  DDPGは過大評価バイアス問題によって妨げられている。 このバイアスに対する伝統的な解決策は、アンサンブルに基づく方法を含んでいる。 本稿では,Q$-targetと行動クローン(BC)損失ペナルティを組み込んだ簡単なソリューションを提案する。
  論文  参考訳（メタデータ） (2024-03-08T23:59:38Z)
• Approximate Autonomous Quantum Error Correction with Reinforcement Learning [4.015029887580199]
  自律量子誤り訂正(AQEC)は、工学的な散逸によって論理量子ビットを保護する。 単一光子損失がエラーの原因となるボソニック符号空間は、AQECの有望な候補である。 我々はKnill-Laflamme条件を緩和し,近似AQECのためのボソニック符号を提案する。
  論文  参考訳（メタデータ） (2022-12-22T12:42:52Z)
• Training \beta-VAE by Aggregating a Learned Gaussian Posterior with a Decoupled Decoder [0.553073476964056]
  VAEトレーニングの現在の実践は、しばしば、再構成の忠実さと、潜伏空間の連続性$/$$分散の間のトレードオフをもたらす。 本稿では,2つの損失の対角的機構の直観と注意深い解析を行い,VAEを訓練するための簡易で効果的な2段階法を提案する。 本手法は, 3次元頭蓋骨再建と形状完成を目的とした医療データセットを用いて評価し, 提案手法を用いてトレーニングしたVAEの有望な生成能力を示す。
  論文  参考訳（メタデータ） (2022-09-29T13:49:57Z)
• DPO: Dynamic-Programming Optimization on Hybrid Constraints [26.704502486686128]
  ベイズ推定において、最も可能性の高い説明(MPE)問題は、いくつかの証拠から最も高い確率で変数のインスタンス化を要求する。 ブール MPE は (部分重み付き) MaxSAT への還元によって解けることが知られている。 我々はDPMC上に構築し,MPEを正確に解く動的プログラミングであるDPOを導入する。
  論文  参考訳（メタデータ） (2022-05-17T21:18:54Z)
• Highly Parallel Autoregressive Entity Linking with Discriminative Correction [51.947280241185]
  自己回帰リンクを全ての潜在的な言及に対して並列化する,非常に効率的な手法を提案する。 我々のモデルは以前の生成法より70倍高速で精度が高い。
  論文  参考訳（メタデータ） (2021-09-08T17:28:26Z)
• Projection-free Graph-based Classifier Learning using Gershgorin Disc Perfect Alignment [59.87663954467815]
  グラフベースのバイナリ学習では、既知のラベルのサブセット$hatx_i$を使って未知のラベルを推論する。 ラベルの$x_i$をバイナリ値に制限する場合、問題はNPハードである。 代わりに線形プログラム(LP)の列を解くことにより,高速なプロジェクションフリー手法を提案する。
  論文  参考訳（メタデータ） (2021-06-03T07:22:48Z)

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。