Jan, 2024

量子神经网络作为量子信息解码器的优势

PDF
TL;DR一种保护量子信息免受噪音诱导错误的有前途的策略是将其编码到拓扑量子存储设备的低能态中。在现实情况下，对于这种存储器的读出错误却不为人所熟知。我们研究在存在诸如淬灭性紊乱等通用扰动的情况下，解码编码在拓扑稳定子哈密顿量的基态中的量子信息的问题。首先，我们通过证明在这种扰动的量子码中，基于稳定子的纠错和解码方案能够适当地发挥作用，从而使得解码误差按照基础未扰动码的距离呈指数下降。然后，我们证明了量子神经网络（QNN）编码器可以几乎使读出错误有二次改善。因此，我们证明了在解码现实量子纠错码时使用 QNN 的有利，这一结果使得在近期实验室环境中可以探索更广泛的非稳定子码范围。
发现论文，激发创造
  • 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

  • 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

  • 用递归的、基于变压器的神经网络学习解码表面码

    我们提出了一种基于循环和 Transformer 的神经网络解码器，可以学习解码表面码（surface code），并在真实世界的数据中击败现有的算法解码器，在距离为 3 和 5 的表面码上优于 Google 的 Sycamore 量子处理器。在模拟数据上的实验显示，我们的解码器在包括串扰、泄漏和模拟读出信号等现实噪声的情况下，能够保持其优势，并且在训练过的 25 个循环之外依然能够保持准确性。我们的研究展示了机器学习通过直接学习数据的能力，凸显出机器学习在解码量子计算中作为一个强有力的竞争对手。

    Oct, 2023

  • 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

  • 深度量子纠错

    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。

    Jan, 2023

  • 使用噪声量子神经网络进行量子态区分

    本篇研究探究了 QNN 在噪声量较高的量子计算机上进行状态辨别的效果，通过引入新的电路技术，并在当前的量子硬件噪声水平下对其进行验证，发现其在较高噪声水平下仍能收敛于有用的参数并用于量子生成对抗网络的分类器。

    Nov, 2019

  • 关于量子神经网络的可学习性

    本文研究使用变分混合量子 - 经典方案构建的量子神经网络（QNN）的可学习性，我们得出了它对经验风险最小化的效用边界，证明了它可以作为一个差分私有模型来对待，并展示了使用 QNN 可以对某些任务进行运行加速的量子统计查询（QSQ）模型的有效模拟。

    Jul, 2020

  • 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

  • 量子神经网络中量子态学习过程的统计分析

    本文开发了一个不可能定理，证明了使用量子神经网络（QNNs）从高保真度的初始状态开始，学习未知量子态的概率随比特数指数级下降，而与电路深度多项式增长，从而对改善 QNNs 的可学习性和可扩展性的好的初始猜测和自适应方法提出了普遍限制，并深化了先验信息在 QNNs 中的作用的理解。

    Sep, 2023

  • 相干前馈量子神经网络

    我们提出了一种真正的量子神经网络模型，其与传统的呈适应性中间层和节点的前馈神经网络具有相同的灵活性，并且具有较低的电路深度和所需的 C-NOT 门数量，从而优于现有的量子神经网络模型。通过对基准数据集进行测试，我们证明了我们的方法的优越性能，并且使用更少的量子资源要求，为将量子神经网络应用于实际相关的机器学习问题铺平了道路。

    Feb, 2024