論文の概要: Threshold Behavior of ZX and ZY Surface Codes Under Circuit-Level Biased and Crosstalk Noise
- arxiv url: http://arxiv.org/abs/2609.10876v1
- Date: Wed, 09 Sep 2026 22:34:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.156642
- Title: Threshold Behavior of ZX and ZY Surface Codes Under Circuit-Level Biased and Crosstalk Noise
- Title（参考訳）: 回路レベルバイアスおよびクロストーク雑音下におけるZXおよびZY表面符号の閾値挙動
- Abstract要約: 以前の研究では、$Z$型安定化器を$Y$型安定化器に置き換えることで、コード容量レベルの劣化雑音下でのコードしきい値を大幅に改善することを示した。
本研究では、$X$型安定化器を$Y$型安定化器に置き換えることで、$ZY$曲面コードを構築し、研究する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Studying the threshold behavior of surface codes under biased noise models is an active area of research. Previous work Tuckett et al. (2018), using an optimal tensor-network decoder, demonstrated that replacing $Z$-type stabilizers with $Y$-type stabilizers significantly improves the surface code threshold under code-capacity level dephasing noise. In this work, we construct and study a $ZY$ surface code by replacing the $X$-type stabilizers with $Y$-type stabilizers. We compare it with the standard $ZX$ surface code under circuit-level Pauli-$X$ biased noise, with and without an additional gate-based $XX$ crosstalk noise. We find that for the $ZX$ surface code, the $X$-memory threshold increases monotonically with bias while the $Z$-memory threshold decreases and saturates. For the $ZY$ surface code, the $Y$-memory threshold is nearly constant across all bias values. The $Z$-memory thresholds of the $ZX$ and $ZY$ codes are consistent within the uncertainty. Adding $XX$ crosstalk reduces the $Z$-memory threshold beyond the fitting uncertainty while leaving the $X$ memory threshold largely unaffected. The choice of CNOT ordering redistributes threshold performance between the two logical memories. Our work extends prior observations from code-capacity level noise to circuit-level noise. It also indicates the need for decoders capable of jointly reasoning over correlated syndrome information so that tailored stabilizer structures could be fully utilized for quantum error correction.
- Abstract（参考訳）: バイアスノイズモデルに基づく表面符号のしきい値挙動の研究は活発な研究分野である。
以前のTuckett et al (2018)は、最適なテンソルネットワークデコーダを使用して、$Z$型安定化器を$Y$型安定化器に置き換えることで、コード容量レベルのデフォーカスノイズの下で表面コードしきい値を大幅に改善することを示した。
本研究では、$X$型安定化器を$Y$型安定化器に置き換えることで、$ZY$曲面コードを構築し、研究する。
回路レベルのPauli-$X$バイアスドノイズの下での標準的な$ZX$サーフェスコードと比較する。
ZX$曲面符号の場合、$X$メモリ閾値はバイアスとともに単調に増加し、$Z$メモリ閾値は減少し飽和する。
サーフェスコード$ZY$の場合、$Y$メモリ閾値はすべてのバイアス値に対してほぼ一定である。
$ZX$と$ZY$コードの$Z$-Memoryしきい値は、不確実性の中で一貫性がある。
XX$のクロストークを追加することで、$Z$のメモリしきい値が不確実性を超え、$X$のメモリしきい値がほとんど影響を受けないままになる。
CNOTオーダの選択は、2つの論理記憶間のしきい値性能を再分配する。
我々の研究は、コード容量レベルのノイズから回路レベルのノイズまで、事前の観測を延長する。
また、相関するシンドローム情報を共同で推論できるデコーダの必要性も示しており、量子誤り訂正のために調整されたスタビライザー構造を十分に活用できることを示している。
関連論文リスト
- Execution-transcript privacy for fault-tolerant surface-code memories [2.8225611777999906]
フォールトトレラントな量子コンピュータはテレメトリストリームロギング症候群の後ろを走る。
論理的な入力を明らかにすることはできますか?
フォールトトレランスは、トランスクリプトのプライバシを許さない。それをリロケーションし、論理状態のみに、回路の同一性に限らない。
論文 参考訳（メタデータ） (2026-09-08T18:20:46Z) - Constrained Online Learning with Noisy Constraint Values [55.29259818039367]
LEDGERは、非負のバランスでネット消費を観測した。
LEDGERは、$O(sqrt T/V)$期待の後悔と$O(sqrt V,T3/4+sqrt T)$期待の予算違反を$Vin[T-1/2,1]$で達成する。
論文 参考訳（メタデータ） (2026-09-07T01:38:41Z) - Noise Resilience of Quantum Support Vector Machine with Selected Feature Maps [0.0]
ゲートレベルのノイズは、NISQハードウェア上のQSVMの分類精度を低下させる。
我々は、Z、ZZ、パウリ、振幅にインスパイアされた特徴写像を非分極、ビットフリップ、位相フリップのノイズチャネルでテストした。
論文 参考訳（メタデータ） (2026-08-18T08:23:53Z) - Robust Average-Reward Markov Decision Processes: Minimax-Optimal Learning via Plug-in Reductions [51.50375419691955]
分布的に堅牢なマルコフ決定プロセスは、モデルの不確実性の下でのシーケンシャルな意思決定のための原則化されたフレームワークを提供する。
我々は,平均回帰基準の下で,$varepsilon$-Optimal robust policyを学習するのに必要なサンプル数と十分なサンプル数について検討した。
論文 参考訳（メタデータ） (2026-08-06T19:49:48Z) - Quantum non-demolition measurements as a practical primitive for fault-tolerant computation against biased noise [1.0499611180329804]
高忠実性量子非破壊(QND)マルチキュービットのPauli $Z$測定は、等しく強力だがよりアクセスしやすいプリミティブを提供することを示す。
電子スピンアンシラに結合した固体核スピンと超伝導キャットキュービットの2つのプラットフォームに対して、このプリミティブの具体的物理実装を提案する。
論文 参考訳（メタデータ） (2026-05-22T22:27:52Z) - $ε$-Softmax: Approximating One-Hot Vectors for Mitigating Label Noise [99.91399796174602]
ノイズラベルは、正確なディープニューラルネットワークをトレーニングする上で共通の課題となる。
我々は,ソフトマックス層の出力を制御可能な誤差で1ホットベクトルに近似させる,$epsilon$-softmaxを提案する。
理論的には、$epsilon$-softmaxは、ほぼ任意の損失関数に対して制御可能な過剰リスクを持つ耐雑音学習を実現することができる。
論文 参考訳（メタデータ） (2025-08-04T13:10:48Z) - Improved Algorithm for Adversarial Linear Mixture MDPs with Bandit
Feedback and Unknown Transition [71.33787410075577]
線形関数近似,未知遷移,および逆損失を用いた強化学習について検討した。
我々は高い確率で$widetildeO(dsqrtHS3K + sqrtHSAK)$ regretを実現する新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-03-07T15:03:50Z) - Exact results on finite size corrections for surface codes tailored to biased noise [0.0]
位相バイアス雑音下でのXYとXZZXの表面符号について検討する。
厳密な解は特別な乱れ点で見つかる。
我々は,論理的失敗率の総数だけでなく,位相とビットフリップの論理的失敗率の独立性に基づくしきい値を計算することにより,より確実な推定値が得られることを示した。
論文 参考訳（メタデータ） (2024-01-08T16:38:56Z) - Approximate Function Evaluation via Multi-Armed Bandits [51.146684847667125]
既知の滑らかな関数 $f$ の値を未知の点 $boldsymbolmu in mathbbRn$ で推定する問題について検討する。
我々は、各座標の重要性に応じてサンプルを学習するインスタンス適応アルゴリズムを設計し、少なくとも1-delta$の確率で$epsilon$の正確な推定値である$f(boldsymbolmu)$を返す。
論文 参考訳（メタデータ） (2022-03-18T18:50:52Z) - Improved decoding of circuit noise and fragile boundaries of tailored
surface codes [61.411482146110984]
高速かつ高精度なデコーダを導入し、幅広い種類の量子誤り訂正符号で使用することができる。
我々のデコーダは、信仰マッチングと信念フィンドと呼ばれ、すべてのノイズ情報を活用し、QECの高精度なデモを解き放つ。
このデコーダは, 標準の正方形曲面符号に対して, 整形曲面符号において, より高いしきい値と低い量子ビットオーバーヘッドをもたらすことがわかった。
論文 参考訳（メタデータ） (2022-03-09T18:48:54Z) - The XYZ$^2$ hexagonal stabilizer code [0.0]
XYZ$2$"コードは、ウートンが議論した「マッチングコード」の単純な実現法である。
この符号は、三角形格子の3方向に沿って一方向のプラケット欠陥を持つ特異なシンドローム特性を有する。
論文 参考訳（メタデータ） (2021-12-11T17:47:16Z) - Random quantum circuits transform local noise into global white noise [118.18170052022323]
低忠実度状態におけるノイズランダム量子回路の測定結果の分布について検討する。
十分に弱くユニタリな局所雑音に対して、一般的なノイズ回路インスタンスの出力分布$p_textnoisy$間の相関(線形クロスエントロピーベンチマークで測定)は指数関数的に減少する。
ノイズが不整合であれば、出力分布は、正確に同じ速度で均一分布の$p_textunif$に近づく。
論文 参考訳（メタデータ） (2021-11-29T19:26:28Z)
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。