Jan, 2023

深度量子纠错

PDF
TL;DR本文提出了一种基于神经网络的深度量子错误解码器，引入了综合编码对系统噪音的初始估计进行迭代优化，并实现了在重复综合抽样下的有效解码。通过以可微目标直接优化在有限场上计算的逻辑错误率，该方法实现了量子纠错码解码的高效性，超过了现有的神经网络和经典解码器。
quantum error correction codesneural decoderssyndrome decodinglogical error ratestopological codes
发现论文，激发创造
  • Transformer-QEC：具有可转移性的 Transformer 量子纠错码解码

    量子错误纠正是量子计算的一个关键挑战，本研究提出了一种基于 Transformer 的 QEC 解码器，它利用自注意力实现了全局感受野，结合了局部物理错误和全局奇偶标签损失的训练方法，以及其对不同码距的有效迁移学习能力，实现了较佳的逻辑错误率和节省 10 倍以上的训练成本。

    Nov, 2023

  • END: 量子纠错等变神经解码器

    本文介绍了一种利用问题对称性的、数据效率高的神经网络译码器来纠正量子计算中的错误，该译码器可以自适应噪声分布，能够与先前的神经网络译码器相比实现最先进的准确性。

    Apr, 2023

  • 量子误差纠正的机器学习模型基准测试

    机器学习在量子误差纠正中的应用研究发现通过利用远程辅助量子位可以显著提高误差纠正的准确性，最新的深度学习算法可以将卷积神经网络的准确性提高约 50%。

    Nov, 2023

  • 初学者的量子纠错

    该论文简要介绍量子纠错与容错的基本概念及其技术，不作严格的数学和计算机科学框架介绍，以详细例子为主，以方便近期实验主义者更好地理解和应用。

    May, 2009

  • 实现距离为三的表面码重复量子纠错

    本文研究使用 17 个物理量子位于一个超导电路中，使量子信息编码在距离为 3 的逻辑量子位上。通过量子纠错重复实验，作者在消除纠缠、控制精度受限等因素干扰时，测量和解码比特和相位翻转错误综合使用最小权完美匹配算法并进行后处理修正，以实现高性能、快速和重复的量子纠错周期，证明了量子纠错的可行性和表现良好。

    Dec, 2021

  • 强化学习解码器用于容错量子计算

    本文采用深度 Q 学习等方法，通过重复交互训练解码器和编码器，解决了表面码的复杂错误纠正问题。

    Oct, 2018

  • 利用强化学习发现最优量子纠错码

    利用强化学习玩游戏的方式，从量子 Lego 框架中提取出有关量子纠错代码的最佳解决方案，可以最大化代码距离，最小化偏向性 Pauli 噪声下逻辑错误概率等，并且可以应用于物理量子设备以调整代码。

    May, 2023

  • 一种低温记忆电阻神经解码器用于容错量子错误校正

    基于内存计算的神经解码器推理加速器在量子纠错中的设计和性能分析，以解决解码时间和可扩展性要求，研究了非理想性对解码准确性的影响，为集成的量子纠错提供了可扩展，快速和低功耗的低温内存计算硬件。

    Jul, 2023

  • 去噪扩散误差校正码

    本文提出了一种基于去噪扩散模型进行软解码的方法，通过引入迭代步骤、纠错编码和神经扩散解码器等创新性贡献，能够有效地实现 ECC，同时在单个反向扩散步骤下实现了优异的解码精度，较传统方法有很大提高。

    Sep, 2022

  • 实现可扩展容错量子计算平台中的一根线

    本文提出一种新的高保真度测量合成体系结构编码 (Surface code) 的基础，并使用超导回路中的三个量子比特进行了实验验证，准确度达到了 90% 和 91%，这为实现原始逻辑量子比特打下了基础。

    Nov, 2013