論文の概要: Machine-learned syndrome post-selection for reliable quantum error correction
- arxiv url: http://arxiv.org/abs/2607.19563v1
- Date: Tue, 21 Jul 2026 20:39:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 18:51:37.927021
- Title: Machine-learned syndrome post-selection for reliable quantum error correction
- Title（参考訳）: 信頼性量子誤り訂正のための機械学習症候群後選択法
- Abstract要約: 量子エラー訂正は、論理的失敗を引き起こす可能性のある実行を後選択することで強化することができる。
本稿では,症候群データから直接学習する,事実上のデコーダに依存しないポストセレクション手法を提案する。
- 参考スコア（独自算出の注目度）: 0.3181700357675698
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum error correction can be enhanced by post-selecting out runs that are likely to produce a logical failure, but the most accurate measures for that require costly decoder-level information. We introduce a practical, decoder-agnostic post-selection method that learns directly from syndrome data. The method trains a supervised classifier to distinguish between syndromes from low- and high-noise regimes, and then uses the classifier's output as an abort score for new runs, without requiring logical-error labels, correction operators, or code-specific likelihood calculations. We validate the approach in three complementary settings: circuit-level simulations of the Gross bivariate-bicycle code, code-capacity simulations of the surface code, and experimental logical magic-state distillation data from the QuEra neutral-atom processor. In the Gross and surface codes, learned syndrome post-selection reduces the conditional logical error rate at a fixed acceptance rate, with performance comparable to syndrome-weight filtering. For the surface code, the learned classifier reveals a post-selection transition distinct from the conventional decoding threshold. In the experimental data, the machine-learning score outperforms syndrome-weight post-selection and, when combined with logical-gap filtering, improves the output fidelity beyond using the logical gap alone. These results show that syndrome-only learning provides a scalable and hardware-compatible route to improving the reliability of quantum error correction.
- Abstract（参考訳）: 量子エラー訂正は、論理的失敗を引き起こす可能性のある実行を後から選択することで向上することができるが、それに対する最も正確な測定には、コストのかかるデコーダレベルの情報が必要である。
本稿では,症候群データから直接学習する,事実上のデコーダに依存しないポストセレクション手法を提案する。
この方法は、教師付き分類器を訓練して、低ノイズ状態と高ノイズ状態とを区別し、その後、論理エラーラベル、補正演算子、コード固有の確率計算を必要とせず、その分類器の出力を新しい実行の中止スコアとして使用する。
提案手法は,Gross二変量二サイクル符号の回路レベルシミュレーション,表面符号のコード容量シミュレーション,QuEra中性原子プロセッサによる論理的マジック状態蒸留データという3つの相補的な設定で検証する。
グロス符号と表面符号では、学習したシンドローム選択後、条件付き論理的誤り率を一定の受け入れ率で減少させ、その性能はシンドローム重みフィルタリングに匹敵する。
表面コードに対して、学習した分類器は、従来の復号しきい値とは異なる選択後の遷移を明らかにする。
実験データでは、学習スコアは、シンドロームの重み付け後選択よりも優れ、論理ギャップのみを用いることで、出力の忠実度が向上する。
これらの結果から,シンドロームのみの学習は,量子誤り訂正の信頼性を向上させるために,スケーラブルでハードウェア互換の経路を提供することが示された。
関連論文リスト
- Probabilistic Error Cancellation for Single-Mode Gottesman-Kitaev-Preskill Codes [45.91504150103373]
本稿では,Gottesman-Kitaev-Preskill符号の文脈における確率的誤差キャンセル(probabilistic error cancel)と呼ばれる量子誤差軽減法について検討する。
我々は,GKP符号の安定化サブシステム分解を用いて,雑音処理のための効果的な論理チャネルを得る。
論文 参考訳（メタデータ） (2026-09-15T12:29:45Z) - 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) - Syndrome resampling enhances quantum error correction thresholds [0.9744114320491685]
我々は,任意のデコーダのQEC閾値を高める手法であるシンドローム再サンプリングを導入する。
その結果,シンドローム再サンプリングは最適なデコーダと準最適デコーダの閾値を大幅に上昇させることがわかった。
この手法を既存の実験的なQECデータに適用すると、論理誤差率の最大2桁の削減が得られる。
論文 参考訳（メタデータ） (2026-05-07T12:16:39Z) - How LLMs Fail and Generalize in RTL Coding for Hardware Design? [56.361436215029045]
我々は,認知理論に触発された問題解決性に基づく新しい誤り分類法を導入する。
我々の分類学は、障害を構文、意味、解決可能な機能、解決不可能な機能タイプに分類する。
論文 参考訳（メタデータ） (2026-04-26T14:34:49Z) - Efficient learning of logical noise from syndrome data [1.2109342530966007]
我々は,サンプルの複雑さと計算コストを保証できる効率的な推定器を開発した。
本研究は,フォールトトレラント量子デバイスにおける論理チャネルを特徴付けるための実践的アプローチとして,シンドロームに基づく学習を確立した。
論文 参考訳（メタデータ） (2026-01-29T20:02:00Z) - Quantum Patch-Based Autoencoder for Anomaly Segmentation [44.99833362998488]
画像の異常セグメンテーションのためのパッチベースの量子オートエンコーダ(QPB-AE)を提案する。
QPB-AEは、組み込まれた入力パッチの量子状態を再構成し、測定から直接異常マップを計算する。
複数のデータセットとパラメータ構成でその性能を評価する。
論文 参考訳（メタデータ） (2024-04-26T08:42:58Z) - Transformer-QEC: Quantum Error Correction Code Decoding with
Transferable Transformers [18.116657629047253]
本稿では,変圧器を用いた量子誤り訂正(QEC)デコーダを提案する。
全ての入力症候群にまたがるグローバルな受容野を達成するために、自己認識を用いる。
これは、局所的な物理的エラーとグローバルなパリティラベルの損失を組み合わせた混合損失トレーニングアプローチを取り入れている。
論文 参考訳（メタデータ） (2023-11-27T18:52:25Z) - Testing the Accuracy of Surface Code Decoders [55.616364225463066]
大規模でフォールトトレラントな量子計算は量子エラー訂正符号(QECC)によって実現される
本研究は,QECC復号方式の精度と有効性をテストするための最初の体系的手法である。
論文 参考訳（メタデータ） (2023-11-21T10:22:08Z) - 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) - 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) - Error-rate-agnostic decoding of topological stabilizer codes [0.0]
我々は、位相フリップとビットフリップの相対確率というバイアスに依存するデコーダを開発するが、誤差率には依存しない。
我々のデコーダは、与えられたシンドロームの同値類における最も可能性の高いエラー連鎖の数と有効重みを数えることに基づいている。
論文 参考訳（メタデータ） (2021-12-03T15:45:12Z) - Performance of teleportation-based error correction circuits for bosonic
codes with noisy measurements [58.720142291102135]
テレポーテーションに基づく誤り訂正回路を用いて、回転対称符号の誤り訂正能力を解析する。
マイクロ波光学における現在達成可能な測定効率により, ボソニック回転符号の破壊ポテンシャルは著しく低下することが判明した。
論文 参考訳（メタデータ） (2021-08-02T16:12:13Z)
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。