論文の概要: Achieving Optimal-Distance Atom-Loss Correction via Pauli Envelope

• arxiv url: http://arxiv.org/abs/2603.04156v1
• Date: Wed, 04 Mar 2026 15:12:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-05 21:29:15.364719
• Title: Achieving Optimal-Distance Atom-Loss Correction via Pauli Envelope
• Title（参考訳）: Pauli Envelopeによる最適距離原子損失補正
• Authors: Pengyu Liu, Shi Jie Samuel Tan, Eric Huang, Umut A. Acar, Hengyun Zhou, Chen Zhao,
• Abstract要約: 原子損失は中性原子量子コンピュータの主要なエラー源である。 パウリの誤りとは異なり、原子の喪失はシンドローム抽出とデコードの両方に重大な課題をもたらす。 本稿では,低重量で効率よく計算可能でありながら,原子損失の影響を限定したパウリ封筒を提案する。
• 参考スコア（独自算出の注目度）: 9.065183806999142
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Atom loss is a major error source in neutral-atom quantum computers, accounting for over 40% of the total physical errors in recent experiments. Unlike Pauli errors, atom loss poses significant challenges for both syndrome extraction and decoding due to its nonlinearity and correlated nature. Current syndrome extraction circuits either require additional physical overhead or do not provide optimal loss tolerance. On the decoding side, existing methods are either computationally inefficient, achieve suboptimal logical error rates, or rely on machine learning without provable guarantees. To address these challenges, we propose the Pauli Envelope framework. This framework constructs a Pauli envelope that bounds the effect of atom loss while remaining low weight and efficiently computable. Guided by this framework, we first design a new atom-replenishing syndrome extraction circuit, the Mid-SWAP syndrome extraction, that reduces error propagation with no additional space-time cost. We then propose an optimal decoder for Mid-SWAP syndrome extraction: the Envelope-MLE decoder formulated as an MILP that achieves optimal effective code distance dloss ~ d for atom-loss errors. Inspired by the exclusivity constraint of the optimal decoder, we also propose an Envelope-Matching decoder to approximately enforce the exclusivity constraint within the MWPM framework. This decoder achieves d_loss ~ 2d/3, surpassing the previous best algorithmic decoder, which achieves dloss ~ d/2 even with an MILP formulation. Circuit-level simulations demonstrate that our approach attains up to 40% higher thresholds and 30% higher effective distances compared with existing algorithmic decoders and syndrome extraction circuits in the loss-dominated regime. On recent experimental data, our Envelope-MLE decoder improves the error suppression factor of a hybrid MLE--machine-learning decoder from 2.14 to 2.24.
• Abstract（参考訳）: 原子損失は中性原子量子コンピュータの主要なエラー源であり、最近の実験では物理誤差の40%以上を占めている。 パウリの誤りとは異なり、原子の損失は、その非線形性と相関性により、シンドロームの抽出と復号の両方に重大な課題をもたらす。 現在のシンドローム抽出回路は、追加の物理的オーバーヘッドを必要とするか、最適損失耐性を提供していない。 デコード側では、既存の手法は計算的に非効率であり、最適以下の論理誤差率を達成するか、証明可能な保証なしに機械学習に頼るかのいずれかである。 これらの課題に対処するために、Pauli Envelopeフレームワークを提案する。 このフレームワークは、低重量で効率的な計算が可能ながら、原子損失の影響を束縛するパウリエンベロープを構成する。 このフレームワークで導かれた新しい原子除去シンドローム抽出回路であるMid-SWAPシンドローム抽出回路を設計した。 次に,Mid-SWAPシンドローム抽出のための最適デコーダを提案し,このデコーダをMILPとして定式化した。 また,最適デコーダの排他的制約に着想を得て,MWPMフレームワーク内での排他的制約をほぼ強制するEnvelope-Matching Decoderを提案する。 このデコーダはd_loss ~ 2d/3を達成し、MILP定式化してもdloss ~ d/2を達成している。 回路レベルのシミュレーションにより,既存のアルゴリズムデコーダや障害抽出回路と比較して最大40%高いしきい値と30%高い有効距離が得られることが示された。 最近の実験データでは、Envelope-MLEデコーダは、ハイブリッドMLE-機械学習デコーダのエラー抑制係数を2.14から2.24に改善する。

関連論文リスト

• Even More Efficient Soft-Output Decoding with Extra-Cluster Growth and Early Stopping [2.370310454459195]
  本稿では,境界クラスタギャップとクラスタ外ギャップという2種類の新しいソフトアウトプットを紹介する。 後者は、クラスタ外ギャップであるデコーダの信頼性を、デコーダによって得られたクラスタの小さな追加的な成長によって定量化する。 これらの技術は計算の複雑さを低くし、ハードウェアの互換性を高める。
  論文  参考訳（メタデータ） (2026-02-03T10:00:40Z)
• Neural Minimum Weight Perfect Matching for Quantum Error Codes [7.525883733645578]
  NMWPM(Neural Minimum Weight Perfect Matching)と呼ばれるデータ駆動デコーダを提案する。 その結果,標準基準値よりも論理誤差率 (LER) が有意に低下した。
  論文  参考訳（メタデータ） (2026-01-01T07:25:51Z)
• Fast and Robust Remote Two-Qubit Gates on Distributed Qubits [13.099136824902303]
  本稿では,パラメトリック変調を用いた遠隔量子幾何ゲートスキームを提案し,実証する。 高速リモートSWAPと$sqrttextSWAP$ゲートを高忠実度で実現し,約30秒で動作を完了した。
  論文  参考訳（メタデータ） (2025-11-03T10:12:16Z)
• Joint Transmit and Pinching Beamforming for Pinching Antenna Systems (PASS): Optimization-Based or Learning-Based? [89.05848771674773]
  MISO (Multiple-input Single-output) フレームワークを提案する。 それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。 PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
  論文  参考訳（メタデータ） (2025-02-12T18:54:10Z)
• Efficient Approximate Degenerate Ordered Statistics Decoding for Quantum Codes via Reliable Subset Reduction [5.625796693054094]
  我々は、近似縮退復号法の概念を導入し、順序付き統計復号法(OSD)と統合する。 コードキャパシティノイズモデルにおけるOSD効率を大幅に向上するADOSDアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-30T17:45:08Z)
• EoRA: Fine-tuning-free Compensation for Compressed LLM with Eigenspace Low-Rank Approximation [84.70637613266835]
  EoRAは、圧縮されたLarge Language Modelを低ランク行列で拡張する微調整不要な手法である。 EoRAは、圧縮LDMの精度を回復するために、トレーニングなしの低ランク法よりも一貫して優れている。
  論文  参考訳（メタデータ） (2024-10-28T17:59:03Z)
• Fast Flux-Activated Leakage Reduction for Superconducting Quantum Circuits [84.60542868688235]
  量子ビット実装のマルチレベル構造から生じる計算部分空間から漏れること。 パラメトリックフラックス変調を用いた超伝導量子ビットの資源効率向上のためのユニバーサルリーク低減ユニットを提案する。 繰り返し重み付け安定化器測定におけるリーク低減ユニットの使用により,検出されたエラーの総数を,スケーラブルな方法で削減できることを実証した。
  論文  参考訳（メタデータ） (2023-09-13T16:21:32Z)
• Complexity Matters: Rethinking the Latent Space for Generative Modeling [65.64763873078114]
  生成的モデリングにおいて、多くの成功したアプローチは、例えば安定拡散のような低次元の潜在空間を利用する。 本研究では, モデル複雑性の観点から潜在空間を再考することにより, 未探索の話題に光を当てることを目的としている。
  論文  参考訳（メタデータ） (2023-07-17T07:12:29Z)
• 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)
• Sparse Blossom: correcting a million errors per core second with minimum-weight matching [0.03320194947871346]
  本稿では,MWPMデコーダの高速実装について述べる。 我々のアルゴリズムはスパース・フラワーと呼ばれ、量子誤り訂正に関連する復号問題を直接解決するフラワー・アルゴリズムの変種である。
  論文  参考訳（メタデータ） (2023-03-28T12:42:54Z)
• 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)
• Reducing Redundancy in the Bottleneck Representation of the Autoencoders [98.78384185493624]
  オートエンコーダは教師なしニューラルネットワークの一種であり、様々なタスクを解くのに使用できる。 本稿では,ボトルネック表現における特徴冗長性を明示的に罰する手法を提案する。 我々は,3つの異なるデータセットを用いた次元削減,MNISTデータセットを用いた画像圧縮,ファッションMNISTを用いた画像デノナイズという,さまざまなタスクにまたがってアプローチを検証した。
  論文  参考訳（メタデータ） (2022-02-09T18:48:02Z)

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。