論文の概要: Reconstruction of detector error model for quantum error correction

• arxiv url: http://arxiv.org/abs/2606.16288v2
• Date: Wed, 17 Jun 2026 15:05:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 13:57:35.202553
• Title: Reconstruction of detector error model for quantum error correction
• Title（参考訳）: 量子誤り訂正のための検出器誤差モデルの再構成
• Authors: Cheng Ye, Pan Zhang,
• Abstract要約: 本稿では,実験症候群統計を直接離散的物理ハイパーグラフに変換するための一貫した枠組みを提案する。 本研究では, 高次から低次まで, 絶対的な統計的分散が線形に蓄積されるような, 密度コードにおける正確な連続パラメータ抽出が, テキスト分散カスケードによって制限されていることを示す。 これは、現実的な量子ハードウェアにおいて、非常に相関性の高いノイズを特徴付け、デコードするための実践的なアプローチを提供する。
• 参考スコア（独自算出の注目度）: 6.505803823301456
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fault-tolerant quantum computing fundamentally relies on the accurate characterization of circuit-level noise to optimize decoding algorithms. However, extracting complex multi-body error correlations remains challenging. Contemporary greedy inference algorithms can suffer from statistical distortion, discarding true physical mechanisms while introducing many unphysical false positives. Here, we introduce the Correlation-Analysis-based Hypergraph Reconstruction (CAHR) algorithm, a globally consistent framework to invert experimental syndrome statistics directly into discrete physical hypergraphs. By coupling exact algebraic correlation equations with a top-down concurrent-pruning strategy, CAHR recovers the fault topology without false positives for both $d=5$ rotated surface codes and dense 8-body 2D color codes in our benchmark settings. Furthermore, we show that exact continuous parameter extraction in dense codes is limited by a \textit{variance cascade}, where absolute statistical variance accumulates linearly from high- to low-degree mechanisms. This motivates a two-stage inference paradigm: utilizing CAHR to extract the fault topology, followed by continuous probability optimization. This provides a practical approach for characterizing and decoding highly correlated noise in realistic quantum hardware.
• Abstract（参考訳）: フォールトトレラントな量子コンピューティングは、デコードアルゴリズムを最適化するために、回路レベルのノイズの正確な特徴に依存している。 しかし, 複雑な多体誤差相関の抽出は依然として困難である。 現代の欲求推論アルゴリズムは、多くの非物理的偽陽性を導入しながら、真の物理的メカニズムを捨て、統計的歪みに悩まされることがある。 本稿では,相関解析に基づくハイパーグラフ再構成(CAHR)アルゴリズムについて紹介する。 正確な代数的相関方程式をトップダウンの並列計算戦略と結合することにより, ベンチマーク設定において, $d=5$回転曲面符号と高密度8体2Dカラー符号の両方に対して, 偽陽性のない断層位相を復元する。 さらに,高次から低次への絶対的統計的分散が線形に蓄積されるような,高次符号における正確な連続的パラメータ抽出は, {textit{variance cascade} によって制限されることを示す。 これは、CAHRを利用して断層トポロジーを抽出し、続いて連続確率最適化という、2段階の推論パラダイムを動機付けている。 これは、現実的な量子ハードウェアにおいて、非常に相関性の高いノイズを特徴付け、デコードするための実践的なアプローチを提供する。

関連論文リスト

• Maximum Likelihood Decoding of Quantum Error Correction Codes [13.939243286249486]
  量子誤り訂正(QEC)は、フォールトトレラントな量子計算を実現するには不可欠であるが、その有効性は古典的復号アルゴリズムに批判的である。 最大確率復号法(MLD)は、論理クラス内の全ての可能なエラーを和って論理群を最大の確率で特定するので、証明可能な最適である。 最適性にもかかわらず、MLDは一般に計算的に難解であり(#P-hard)、正確なアルゴリズムと近似アルゴリズムの豊かな景観を動機付けている。
  論文  参考訳（メタデータ） (2026-05-17T02:32:52Z)
• Variational Rectification Inference for Learning with Noisy Labels [74.85528327499662]
  損失関数の適応的補正を定式化するために, 変分補正推論(VRI)を提案する。 VRIは、補正ベクトルを潜在変数として扱うことによって階層ベイズとして構成される。 VRIで変分項を導入することにより、条件付き後部を正確に推定し、ディラックデルタ関数への崩壊を避ける。
  論文  参考訳（メタデータ） (2026-03-18T01:25:08Z)
• $\bf{D^3}$QE: Learning Discrete Distribution Discrepancy-aware Quantization Error for Autoregressive-Generated Image Detection [85.9202830503973]
  視覚的自己回帰(AR)モデルは、離散トークン予測を通じて画像を生成する。 本稿では,離散分布離散性を考慮した量子化誤差(D$3$QE)を自己回帰画像検出に活用することを提案する。
  論文  参考訳（メタデータ） (2025-10-07T13:02:27Z)
• Quantum Error Detection For Early Term Fault-Tolerant Quantum Algorithms [1.9556053645976448]
  本稿では,量子アルゴリズムのフォールトトレラントコンパイルとシミュレーションのためのフレームワークを提案する。 最適なシンドロームスケジュールを見つけることは、アルゴリズムの成功確率を平均6.7倍改善する。 本稿では,フォールトトレラントコンパイルパラメータを予測するための単純なデータ駆動型手法を提案する。
  論文  参考訳（メタデータ） (2025-03-13T18:34:01Z)
• The surface code beyond Pauli channels: Logical noise coherence, information-theoretic measures, and errorfield-double phenomenology [0.0]
  我々は、コヒーレントなコンポーネントと非コヒーレントなコンポーネントの両方を特徴とするエラーの下で、表面コードを考える。 非ゼロ非コヒーレントノイズ成分に対して、論理ノイズのコヒーレンスを指数関数的にコード距離で抑制することを示す。
  論文  参考訳（メタデータ） (2024-12-30T16:14:55Z)
• Error Feedback under $(L_0,L_1)$-Smoothness: Normalization and Momentum [56.37522020675243]
  機械学習の幅広い問題にまたがる正規化誤差フィードバックアルゴリズムに対する収束の最初の証明を提供する。 提案手法では,許容可能なステップサイズが大きくなったため,新しい正規化エラーフィードバックアルゴリズムは,各種タスクにおける非正規化エラーよりも優れていた。
  論文  参考訳（メタデータ） (2024-10-22T10:19:27Z)
• Witnessing entanglement in trapped-ion quantum error correction under realistic noise [41.94295877935867]
  量子誤り補正(Quantum Error Correction, QEC)は、論理情報を複数の物理量子ビットに符号化することで冗長性を利用する。 トラップイオンプラットフォームで使用される2量子光シフトゲートの平均ゲート不忠実度を推定するために,詳細な顕微鏡誤差モデルを提案する。 次に、この現実的な誤差モデルを適用し、QECビルディングブロックとして機能する回路によって生成されるマルチパーティントの絡み合いを定量化する。
  論文  参考訳（メタデータ） (2022-12-14T20:00:36Z)
• Machine Learning for Continuous Quantum Error Correction on Superconducting Qubits [1.8249709209063887]
  連続的な量子誤差補正は離散的な量子誤差補正に対して一定の利点があることがわかった。 本稿では,繰り返しニューラルネットワークを用いた連続量子誤り訂正のための機械学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-10-20T05:13:37Z)
• On the Double Descent of Random Features Models Trained with SGD [78.0918823643911]
  勾配降下(SGD)により最適化された高次元におけるランダム特徴(RF)回帰特性について検討する。 本研究では, RF回帰の高精度な非漸近誤差境界を, 定常および適応的なステップサイズSGD設定の下で導出する。 理論的にも経験的にも二重降下現象を観察する。
  論文  参考訳（メタデータ） (2021-10-13T17:47:39Z)

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。