Yhdistävä ja vertaileva huippuluokan kvanttivirheiden lieventämistekniikka

Julkaissut Platon

seuraajia: 0

Daniel Bultrini^1,2, Max Hunter Gordon³, Piotr Czarnik^1,4, Andrew Arrasmith^1,5, M. Cerezo^6,5, Patrick J. Coles^1,5ja Lukasz Cincio^1,5

¹Teoreettinen jako, Los Alamosin kansallinen laboratorio, Los Alamos, NM 87545, USA
²Theoretische Chemie, Physikalisch-Chemisches Institut, Universität Heidelberg, INF 229, D-69120 Heidelberg, Saksa
³Instituto de Física Teórica, UAM/CSIC, Universidad Autónoma de Madrid, Madrid, Espanja
⁴Teoreettisen fysiikan instituutti, Jagiellonian yliopisto, Krakova, Puola.
⁵Quantum Science Center, Oak Ridge, TN 37931, USA
⁶Informaatiotieteet, Los Alamos National Laboratory, Los Alamos, NM 87545, USA

Onko tämä artikkeli mielenkiintoinen vai haluatko keskustella? Scite tai jätä kommentti SciRate.

Abstrakti

Virheiden lieventäminen on olennainen osa käytännön kvanttiedun saavuttamista lähitulevaisuudessa, ja useita erilaisia lähestymistapoja on ehdotettu. Tässä työssä tunnistamme, että monilla huippuluokan virheiden lieventämismenetelmillä on yhteinen piirre: ne ovat dataohjattuja ja käyttävät klassista dataa, joka on saatu eri kvanttipiireistä. Esimerkiksi Zero-noise-ekstrapolaatio (ZNE) käyttää muuttuvaa kohinadataa ja Clifford-dataregressio (CDR) käyttää tietoja lähellä Clifford-piireistä. Osoitamme, että virtuaalista tislausta (VD) voidaan tarkastella samalla tavalla ottamalla huomioon klassiset tiedot, jotka on tuotettu eri määrästä tilavalmisteita. Tämän tosiasian huomioiminen antaa meille mahdollisuuden yhdistää nämä kolme menetelmää yleisen datapohjaisen virheiden lieventämiskehyksen alle, jota kutsumme UNIfied Technique for Error mitigation with Data (UNITED). Tietyissä tilanteissa huomaamme, että UNITED-menetelmämme voi toimia paremmin kuin yksittäiset menetelmät (eli kokonaisuus on parempi kuin yksittäiset osat). Tarkemmin sanottuna käytämme realistista kohinamallia, joka on saatu loukkuun jääneestä ioni-kvanttitietokoneesta UNITEDin vertailuun, sekä muita huipputekniikan menetelmiä lieventämään satunnaisista kvanttipiireistä ja sovelletusta Quantum Alternating Operator Ansatz (QAOA) tuotettuja havaintoja. Max-Cut-ongelmiin erilaisilla kubittimäärillä, piirien syvyyksillä ja laukausten kokonaismäärällä. Olemme huomanneet, että eri tekniikoiden suorituskyky riippuu voimakkaasti laukausbudjetista, ja tehokkaammat menetelmät vaativat enemmän laukauksia optimaalisen suorituskyvyn saavuttamiseksi. Huomasimme, että UNITED tarjoaa tarkimman lieventämisen suurimmalla harkitulla budjetillamme ($10^{10}$). Tästä syystä työmme edustaa nykyisten virheiden lieventämismenetelmien benchmarkingia ja tarjoaa oppaan järjestelmiin, joissa tietyt menetelmät ovat hyödyllisimpiä.

Suositeltu kuva: Kaavamainen yhteenveto UNIfied Technique -tekniikasta virheiden lieventämiseksi tietojen avulla.

Suosittu yhteenveto

Nykyiset kvanttitietokoneet kohtaavat virheitä, jotka asettavat haasteita ylittää parhaiden klassisten tietokoneiden suorituskyky. Kvanttilaitteiden potentiaalin täysimääräinen hyödyntäminen on ratkaisevan tärkeää korjata nämä haitalliset vaikutukset. Tämän ongelman ratkaisemiseksi käytetään virheiden lieventämismenetelmiä. Näistä menetelmistä dataan perustuva virheiden lieventäminen erottuu lupaavana lähestymistapana, joka sisältää kvanttimittaustulosten klassisen jälkikäsittelyn melun aiheuttamien vaikutusten korjaamiseksi. Tässä yhteydessä on käytetty erityyppisiä tietoja, mukaan lukien kohinan voimakkuuden skaalaus Zero Noise Extrapolation (ZNE) avulla, data Clifford-dataregression (CDR) käyttämistä lähellä Clifford-piireistä ja tiedot, jotka on saatu virtuaalisen tislauksen (VD) avulla valmistelemalla. useita kopioita kvanttitilasta. Näiden lähestymistapojen yhtenäistämiseksi ehdotamme UNIfied Technique for Error Mitigation with Data (UNITED), joka yhdistää kaikki nämä tietotyypit. Lisäksi osoitamme, että yhtenäinen menetelmä ylittää yksittäiset komponentit, kun käytettävissä on riittävästi kvanttiresursseja, käyttämällä realistista kohinamallia loukkuun jääneestä ioni-kvanttitietokoneesta ja kahdesta erityyppisestä kvanttipiiristä, joilla on vaihtelevat kubittien määrät ja syvyydet. Lopuksi tunnistamme suotuisimmat olosuhteet erilaisille datalähtöisille virheiden lieventämismenetelmille.

► BibTeX-tiedot

@artikkeli{Bultrini2023yhdistävä, doi = {10.22331/q-2023-06-06-1034}, url = {https://doi.org/10.22331/q-2023-06-06-1034}, otsikko = {Yhdistävä ja benchmarking state-of-the-art kvanttivirheiden lieventämistekniikoita}, kirjoittaja = {Bultrini, Daniel ja Gordon, Max Hunter ja Czarnik, Piotr ja Arrasmith, Andrew ja Cerezo, M. ja Coles, Patrick J. ja Cincio, Lukasz}, Journal = {{Kvantti}}, issn = {2521-327X}, kustantaja = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, volyymi = {7}, sivuja = {1034 }, kuukausi = kesä, vuosi = {2023} }

► Viitteet

[1] Xavi Bonet-Monroig, Ramiro Sagastizabal, M Singh ja TE O'Brien. Edullinen virheiden lieventäminen symmetriavarmennuksella. Physical Review A, 98 (6): 062339, 2018. https:///doi.org/10.1103/PhysRevA.98.062339.
https: / / doi.org/ 10.1103 / PhysRevA.98.062339

[2] Sergey Bravyi, Sarah Sheldon, Abhinav Kandala, David C Mckay ja Jay M Gambetta. Mittausvirheiden lieventäminen multiqubit-kokeissa. Physical Review A, 103 (4): 042605, 2021. https:///doi.org/10.1103/PhysRevA.103.042605.
https: / / doi.org/ 10.1103 / PhysRevA.103.042605

[3] Zhenyu Cai. Monieksponentiaalinen virheiden ekstrapolointi ja virheiden lieventämistekniikoiden yhdistäminen NISQ-sovelluksille. npj Quantum Information, 7 (1): 1–12, 2021a. https:///doi.org/10.1038/s41534-021-00404-3.
https://doi.org/10.1038/s41534-021-00404-3

[4] Zhenyu Cai. Kvanttivirheiden lieventäminen symmetrialaajennuksella. Quantum, 5: 548, 2021b. https:///doi.org/10.22331/q-2021-09-21-548.
https://doi.org/10.22331/q-2021-09-21-548

[5] Zhenyu Cai. Resurssitehokas puhdistukseen perustuva kvanttivirheiden lieventäminen. arXiv preprint arXiv:2107.07279, 2021c. URL-osoite https:///arxiv.org/abs/2107.07279.
arXiv: 2107.07279

[6] M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio ja Patrick J. Coles. Variaatiokvanttialgoritmit. Nature Reviews Physics, 3 (1): 625–644, 2021. https:///doi.org/10.1038/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9

[7] Lukasz Cincio, Yiğit Subaşı, Andrew T Sornborger ja Patrick J Coles. Tilan päällekkäisyyden kvanttialgoritmin oppiminen. New Journal of Physics, 20 (11): 113022, marraskuu 2018. https:///doi.org/10.1088/1367-2630/aae94a.
https: / / doi.org/ 10.1088 / 1367-2630 / aae94a

[8] Lukasz Cincio, Kenneth Rudinger, Mohan Sarovar ja Patrick J. Coles. Melua vastustavien kvanttipiirien koneoppiminen. PRX Quantum, 2: 010324, helmikuu 2021. https:///doi.org/10.1103/PRXQuantum.2.010324.
https: / / doi.org/ 10.1103 / PRXQuantum.2.010324

[9] Piotr Czarnik, Andrew Arrasmith, Lukasz Cincio ja Patrick J Coles. Qubit-tehokas eksponentiaalinen virheiden vaimennus. arXiv preprint arXiv:2102.06056, 2021a. URL-osoite https:///arxiv.org/abs/2102.06056.
arXiv: 2102.06056

[10] Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles ja Lukasz Cincio. Virheiden lieventäminen Cliffordin kvanttipiiritiedoilla. Quantum, 5: 592, marraskuu 2021b. ISSN 2521-327X. https:///doi.org/10.22331/q-2021-11-26-592.
https://doi.org/10.22331/q-2021-11-26-592

[11] Piotr Czarnik, Michael McKerns, Andrew T Sornborger ja Lukasz Cincio. Oppimiseen perustuvan virheenhallinnan tehokkuuden parantaminen. arXiv preprint arXiv:2204.07109, 2022. URL https:///arxiv.org/abs/2204.07109.
arXiv: 2204.07109

[12] Eugene F Dumitrescu, Alex J McCaskey, Gaute Hagen, Gustav R Jansen, Titus D Morris, T Papenbrock, Raphael C Pooser, David Jarvis Dean ja Pavel Lougovski. Atomiytimen pilvikvanttilaskenta. Phys. Rev. Lett., 120 (21): 210501, 2018. https:///doi.org/10.1103/PhysRevLett.120.210501.
https: / / doi.org/ 10.1103 / PhysRevLett.120.210501

[13] Suguru Endo, Simon C Benjamin ja Ying Li. Käytännöllinen kvanttivirheiden lievennys lähitulevaisuuden sovelluksiin. Fyysinen katsaus X, 8 (3): 031027, 2018. https://doi.org/ 10.1103/PhysRevX.8.031027.
https: / / doi.org/ 10.1103 / PhysRevX.8.031027

[14] Suguru Endo, Zhenyu Cai, Simon C Benjamin ja Xiao Yuan. Hybridi-kvanttiklassiset algoritmit ja kvanttivirheiden lieventäminen. Journal of the Physical Society of Japan, 90 (3): 032001, 2021. https:///doi.org/10.7566/JPSJ.90.032001.
https: / / doi.org/ 10.7566 / JPSJ.90.032001

[15] P Erdös ja A Rényi. Satunnaisissa kaavioissa i. Publ. matematiikka. debrecen, 6 (290-297): 18, 1959. URL http:///snap.stanford.edu/class/cs224w-readings/erdos59random.pdf.
http:///snap.stanford.edu/class/cs224w-readings/erdos59random.pdf

[16] Edward Farhi, Jeffrey Goldstone ja Sam Gutmann. Kvantti -likimääräinen optimointialgoritmi. arXiv esipainatus arXiv: 1411.4028, 2014. URL -osoite https://arxiv.org/ abs/1411.4028.
arXiv: 1411.4028

[17] Tudor Giurgica-Tiron, Yousef Hindy, Ryan LaRose, Andrea Mari ja William J Zeng. Digitaalinen nollakohinan ekstrapolointi kvanttivirheiden lieventämiseksi. 2020 IEEE International Conference on Quantum Computing and Engineering (QCE), sivut 306–316, 2020. https:///doi.org/10.1109/QCE49297.2020.00045.
https: / / doi.org/ 10.1109 / QCE49297.2020.00045

[18] Daniel Gottesman. Kvanttitietokoneiden Heisenberg-esitys, keskustelu osoitteessa. Fysiikan ryhmäteoreettisia menetelmiä käsittelevässä kansainvälisessä konferenssissa. Citeseer, 1998. URL http:///citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.252.9446.
http:///citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.252.9446

[19] Stuart Hadfield, Zhihui Wang, Bryan O'Gorman, Eleanor G Rieffel, Davide Venturelli ja Rupak Biswas. Kvanttilikimääräisestä optimointialgoritmista kvanttivaihtuvaan operaattoriin ansatz. Algorithms, 12 (2): 34, 2019. https:///doi.org/10.3390/a12020034.
https: / / doi.org/ 10.3390 / a12020034

[20] Kathleen E Hamilton, Tyler Kharazi, Titus Morris, Alexander J McCaskey, Ryan S Bennink ja Raphael C Pooser. Skaalautuva kvanttiprosessorin kohinan karakterisointi. Vuonna 2020 IEEE International Conference on Quantum Computing and Engineering (QCE), sivut 430–440. IEEE, 2020. https:///doi.org/10.1109/QCE49297.2020.00060.
https: / / doi.org/ 10.1109 / QCE49297.2020.00060

[21] Andre He, Benjamin Nachman, Wibe A. de Jong ja Christian W. Bauer. Nollakohinan ekstrapolointi kvanttiportin virheen lieventämiseksi identiteetin lisäyksillä. Physical Review A, 102: 012426, heinäkuu 2020. https:///doi.org/10.1103/PhysRevA.102.012426.
https: / / doi.org/ 10.1103 / PhysRevA.102.012426

[22] William J Huggins, Sam McArdle, Thomas E O'Brien, Joonho Lee, Nicholas C Rubin, Sergio Boixo, K Birgitta Whaley, Ryan Babbush ja Jarrod R McClean. Virtuaalinen tislaus kvanttivirheiden lieventämiseksi. Physical Review X, 11 (4): 041036, 2021. https:///doi.org/10.1103/PhysRevX.11.041036.
https: / / doi.org/ 10.1103 / PhysRevX.11.041036

[23] Mingxia Huo ja Ying Li. Kaksitilapuhdistus käytännön kvanttivirheiden lieventämiseen. Physical Review A, 105 (2): 022427, 2022. https:///doi.org/10.1103/PhysRevA.105.022427.
https: / / doi.org/ 10.1103 / PhysRevA.105.022427

[24] Abhinav Kandala, Kristan Temme, Antonio D. Córcoles, Antonio Mezzacapo, Jerry M. Chow ja Jay M. Gambetta. Virheiden vähentäminen laajentaa kohinaisen kvanttiprosessorin laskennallista ulottuvuutta. Nature, 567 (7749): 491–495, maaliskuu 2019. ISSN 1476-4687. https:///doi.org/10.1038/s41586-019-1040-7.
https://doi.org/10.1038/s41586-019-1040-7

[25] Sumeet Khatri, Ryan LaRose, Alexander Poremba, Lukasz Cincio, Andrew T Sornborger ja Patrick J Coles. Kvanttiavusteinen kvanttikääntäminen. Quantum, 3: 140, 2019. https:///doi.org/10.22331/q-2019-05-13-140.
https://doi.org/10.22331/q-2019-05-13-140

[26] Bálint Koczor. Eksponentiaalinen virheen vaimennus lähiajan kvanttilaitteille. Physical Review X, 11 (3): 031057, 2021a. https:///doi.org/10.1103/PhysRevX.11.031057.
https: / / doi.org/ 10.1103 / PhysRevX.11.031057

[27] Bálint Koczor. Kohinaisen kvanttitilan hallitseva ominaisvektori. New Journal of Physics, 23 (12): 123047, 2021b. https:///doi.org/10.1088/1367-2630/ac37ae.
https:///doi.org/10.1088/1367-2630/ac37ae

[28] Angus Lowe, Max Hunter Gordon, Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles ja Lukasz Cincio. Yhtenäinen lähestymistapa datapohjaiseen kvanttivirheiden lieventämiseen. Phys. Rev. Research, 3: 033098, heinäkuu 2021. https:///doi.org/10.1103/PhysRevResearch.3.033098.
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033098

[29] Andrea Mari, Nathan Shammah ja William J Zeng. Kvanttitodennäköisyysvirheiden kumoamisen laajentaminen kohinan skaalauksella. Physical Review A, 104 (5): 052607, 2021. https:///doi.org/10.1103/PhysRevA.104.052607.
https: / / doi.org/ 10.1103 / PhysRevA.104.052607

[30] Dmitri Maslov. Peruspiirien kokoamistekniikat ioniloukkukvanttikoneelle. New Journal of Physics, 19 (2): 023035, 2017. https:///doi.org/10.1088/1367-2630/aa5e47.
https://doi.org/10.1088/1367-2630/aa5e47

[31] Sam McArdle, Xiao Yuan ja Simon Benjamin. Virheitä vähentävä digitaalinen kvanttisimulaatio. Phys. Rev. Lett., 122: 180501, toukokuu 2019. https:///doi.org/10.1103/PhysRevLett.122.180501.
https: / / doi.org/ 10.1103 / PhysRevLett.122.180501

[32] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush ja Hartmut Neven. Karu tasango kvanttihermoverkkojen koulutusmaisemissa. Nature Communications, 9 (1): 1–6, 2018. https:///doi.org/10.1038/s41467-018-07090-4.
https://doi.org/10.1038/s41467-018-07090-4

[33] Ashley Montanaro ja Stasja Stanisic. Virheiden lieventäminen harjoittelemalla fermionisella lineaarioptiikalla. arXiv preprint arXiv:2102.02120, 2021. URL https:///arxiv.org/abs/2102.02120.
arXiv: 2102.02120

[34] Prakash Murali, Jonathan M. Baker, Ali Javadi-Abhari, Frederic T. Chong ja Margaret Martonosi. Kohinaadaptiivinen kääntäjäkartoitukset meluisille keskikokoisille kvanttitietokoneille. ASPLOS '19, sivu 1015–1029, New York, NY, USA, 2019. Association for Computing Machinery. ISBN 9781450362405. https:///doi.org/10.1145/3297858.3304075.
https: / / doi.org/ 10.1145 / +3297858.3304075

[35] Thomas E. O'Brien, Stefano Polla, Nicholas C. Rubin, William J. Huggins, Sam McArdle, Sergio Boixo, Jarrod R. McClean ja Ryan Babbush. Virheiden lieventäminen vahvistetun vaiheen arvioinnin avulla. PRX Quantum, 2: 020317, toukokuu 2021. https:///doi.org/10.1103/PRXQuantum.2.020317.
https: / / doi.org/ 10.1103 / PRXQuantum.2.020317

[36] Matthew Otten ja Stephen K Gray. Meluttoman kvanttihavainnon palauttaminen. Physical Review A, 99 (1): 012338, 2019. https:///doi.org/10.1103/PhysRevA.99.012338.
https: / / doi.org/ 10.1103 / PhysRevA.99.012338

[37] Matthew Otten, Cristian L Cortes ja Stephen K Gray. Melua kestävää kvanttidynamiikkaa käyttämällä symmetriaa säilyttäviä ansatseja. arXiv preprint arXiv:1910.06284, 2019. URL https:///arxiv.org/abs/1910.06284.
arXiv: 1910.06284

[38] Lewis Fry Richardson ja J. Arthur Gaunt. VIII. viivästetty lähestyminen rajaan. Lontoon kuninkaallisen seuran filosofiset tapahtumat. A-sarja, sisältää matemaattisia tai fyysisiä kirjoituksia, 226 (636-646): 299-361, tammikuu 1927. https://doi.org/10.1098/rsta.1927.0008.
https: / / doi.org/ 10.1098 / rsta.1927.0008

[39] Kunal Sharma, Sumeet Khatri, M. Cerezo ja Patrick J Coles. Variaatiokvanttikääntämisen melunsietokyky. New Journal of Physics, 22 (4): 043006, 2020. https:///doi.org/10.1088/1367-2630/ab784c.
https: / / doi.org/ 10.1088 / 1367-2630 / ab784c

[40] John A. Smolin ja David P. DiVincenzo. Viisi kaksibittistä kvanttiporttia riittää toteuttamaan kvanttifredkin-portin. Physical Review A, 53: 2855–2856, 1996. https:///doi.org/10.1103/PhysRevA.53.2855.
https: / / doi.org/ 10.1103 / PhysRevA.53.2855

[41] Alejandro Sopena, Max Hunter Gordon, German Sierra ja Esperanza López. Simuloidaan sammutusdynamiikkaa digitaalisella kvanttitietokoneella dataohjatulla virheiden lievennyksellä. Quantum Science and Technology, 2021. https:///doi.org/10.1088/2058-9565/ac0e7a.
https://doi.org/10.1088/2058-9565/ac0e7a

[42] Daniel Stilck França ja Raul Garcia-Patron. Optimointialgoritmien rajoitukset meluisissa kvanttilaitteissa. Nature Physics, 17 (11): 1221–1227, 2021. https:///doi.org/10.1038/s41567-021-01356-3.
https://doi.org/10.1038/s41567-021-01356-3

[43] Armands Strikis, Dayue Qin, Yanzhu Chen, Simon C Benjamin ja Ying Li. Oppimiseen perustuva kvanttivirheiden lieventäminen. PRX Quantum, 2 (4): 040330, 2021. https:///doi.org/10.1103/PRXQuantum.2.040330.
https: / / doi.org/ 10.1103 / PRXQuantum.2.040330

[44] Ryuji Takagi. Optimaalinen resurssikustannus virheiden lieventämiseen. Phys. Rev. Res., 3: 033178, elokuu 2021. https:///doi.org/10.1103/PhysRevResearch.3.033178.
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033178

[45] Kristan Temme, Sergey Bravyi ja Jay M. Gambetta. Virheiden lieventäminen lyhyen syvyyden kvanttipiireille. Phys. Rev. Lett., 119: 180509, marraskuu 2017. https:///doi.org/10.1103/PhysRevLett.119.180509.
https: / / doi.org/ 10.1103 / PhysRevLett.119.180509

[46] Colin J Trout, Muyuan Li, Mauricio Gutiérrez, Yukai Wu, Sheng-Tao Wang, Luming Duan ja Kenneth R Brown. Matkan 3 pintakoodin suorituskyvyn simulointi lineaarisessa ionilukossa. New Journal of Physics, 20 (4): 043038, 2018. https: / / doi.org/ 10.1088 / 1367-2630 / aab341.
https: / / doi.org/ 10.1088 / 1367-2630 / aab341

[47] Miroslav Urbanek, Benjamin Nachman, Vincent R Pascuzzi, Andre He, Christian W Bauer ja Wibe A de Jong. Depolarisoivan kohinan lieventäminen kvanttitietokoneissa kohinanestimointipiireillä. Phys. Rev. Lett., 127 (27): 270502, 2021. https:///doi.org/10.1103/PhysRevLett.127.270502.
https: / / doi.org/ 10.1103 / PhysRevLett.127.270502

[48] Joseph Vovrosh, Kiran E Khosla, Sean Greenaway, Christopher Self, Myungshik S Kim ja Johannes Knolle. Yksinkertainen globaalien depolarisaatiovirheiden lieventäminen kvanttisimulaatioissa. Physical Review E, 104 (3): 035309, 2021. 10.1103/PhysRevE.104.035309.
https: / / doi.org/ 10.1103 / PhysRevE.104.035309

[49] Kun Wang, Yu-Ao Chen ja Xin Wang. Kvanttivirheiden lieventäminen typistetyn Neumann-sarjan avulla. arXiv preprint arXiv:2111.00691, 2021a. URL-osoite https:///arxiv.org/abs/2111.00691.
arXiv: 2111.00691

[50] Samson Wang, Enrico Fontana, M. Cerezo, Kunal Sharma, Akira Sone, Lukasz Cincio ja Patrick J Coles. Kohinan aiheuttamat karut tasangot variaatiokvanttialgoritmeissa. Nature Communications, 12 (1): 1–11, 2021b. https:///doi.org/10.1038/s41467-021-27045-6.
https://doi.org/10.1038/s41467-021-27045-6

[51] Yifeng Xiong, Soon Xin Ng ja Lajos Hanzo. Permutaatiosuodatukseen perustuva kvanttivirheiden lieventäminen. IEEE Transactions on Communications, 70 (3): 1927–1942, 2022. https:///doi.org/10.1109/TCOMM.2021.3132914.
https://doi.org/ 10.1109/TCOMM.2021.3132914

[52] Nobuyuki Yoshioka, Hideaki Hakoshima, Yuichiro Matsuzaki, Yuuki Tokunaga, Yasunari Suzuki ja Suguru Endo. Yleistetty kvanttialiavaruuden laajennus. Phys. Rev. Lett., 129: 020502, heinäkuu 2022. https:///doi.org/10.1103/PhysRevLett.129.020502.
https: / / doi.org/ 10.1103 / PhysRevLett.129.020502

Viitattu

[1] Ryuji Takagi, Hiroyasu Tajima ja Mile Gu, "Universaalit näytteenoton alarajat kvanttivirheiden lieventämiseen", arXiv: 2208.09178, (2022).

[2] C. Huerta Alderete, Alaina M. Green, Nhung H. Nguyen, Yingyue Zhu, Norbert M. Linke ja BM Rodríguez-Lara, "Para-particle oscillator simulations on a trapped ion quantum computer" arXiv: 2207.02430, (2022).

[3] Samson Wang, Piotr Czarnik, Andrew Arrasmith, M. arXiv: 2109.01051, (2021).

[4] He-Liang Huang, Xiao-Yue Xu, Chu Guo, Guojing Tian, Shi-Jie Wei, Xiaoming Sun, Wan-Su Bao ja Gui-Lu Long, "Lähiajan kvanttilaskentatekniikat: vaihtelevat kvanttialgoritmit, virheiden lieventäminen, piirien käännös, benchmarking ja klassinen simulointi”, Science China Physics, Mechanics and Astronomy 66 5, 250302 (2023).

[5] Alessio Calzona ja Matteo Carrega, "Multi-mode-arkkitehtuurit kohinaa sietäville suprajohtaville kubiteille", Superconductor Science Technology 36 2, 023001 (2023).

[6] Abdullah Ash Saki, Amara Katabarwa, Salonik Resch ja George Umbrarescu, "Hypothesis Testing for Error Mitigation: How to Evaluate Error Mitigation", arXiv: 2301.02690, (2023).

[7] Andrea Mari, Nathan Shammah ja William J. Zeng, "Extending quantum probabilistic error cancellation by noise scaling", Fyysinen arvio A 104 5, 052607 (2021).

[8] Michael Krebsbach, Björn Trauzettel ja Alessio Calzona, "Optimization of Richardson extrapolation for quantum error mitigation". Fyysinen arvio A 106 6, 062436 (2022).

[9] Benjamin A. Cordier, Nicolas PD Sawaya, Gian G. Guerreschi ja Shannon K. McWeeney, "Biologia ja lääketiede kvanttietujen maisemassa", arXiv: 2112.00760, (2021).

[10] Thomas Ayral, Pauline Besserve, Denis Lacroix ja Edgar Andres Ruiz Guzman, "Kvanttilaskenta monen kehon fysiikan kanssa ja sitä varten", arXiv: 2303.04850, (2023).

[11] Joris Kattemölle ja Jasper van Wezel, "Variational quantum ominaisratkaisija Heisenbergin antiferromagneetille kagomen hilassa", Fyysinen arviointi B 106 21, 214429 (2022).

[12] Ryan LaRose, Andrea Mari, Vincent Russo, Dan Strano ja William J. Zeng, "Virheiden lieventäminen lisää kvanttitietokoneiden tehokasta kvanttitilavuutta", arXiv: 2203.05489, (2022).

[13] Dayue Qin, Xiaosi Xu ja Ying Li, "Yleiskatsaus kvanttivirheiden lieventämiskaaviin", Chinese Physics B 31 9, 090306 (2022).

[14] Zhenyu Cai, "Kvanttivirheiden lieventämisen käytännön kehys", arXiv: 2110.05389, (2021).

[15] Alejandro Sopena, Max Hunter Gordon, Diego García-Martín, Germán Sierra ja Esperanza López, "Algebraic Bethe Circuits", Kvantti 6, 796 (2022).

[16] Noah F. Berthusen, Thaís V. Trevisan, Thomas Iadecola ja Peter P. Orth, "Kvanttidynamiikan simulaatiot koherenssiajan jälkeen meluisissa keskimittakaavaisissa kvanttilaitteistoissa vaihtelevalla Trotter-kompressiolla". Fyysisen tarkastelun tutkimus 4 2, 023097 (2022).

[17] Yifeng Xiong, Soon Xin Ng ja Lajos Hanzo, "Quantum Error Mitigation Relying on Permutation Filtering", arXiv: 2107.01458, (2021).

[18] Xuanqiang Zhao, Benchi Zhao, Zihan Xia ja Xin Wang, "Information recovery of noisy quantum states", Kvantti 7, 978 (2023).

[19] Piotr Czarnik, Michael McKerns, Andrew T. Sornborger ja Lukasz Cincio, "Oppimiseen perustuvan virheiden lieventämisen tehokkuuden parantaminen". arXiv: 2204.07109, (2022).

[20] Shi-Xin Zhang, Zhou-Quan Wan, Chang-Yu Hsieh, Hong Yao ja Shengyu Zhang, "Variational Quantum-Neural Hybrid Error Mitigation", arXiv: 2112.10380, (2021).

[21] Max Gordon, "Uusimpien kvanttivirheiden lieventämistekniikoiden yhdistäminen ja vertailu, APS March Meeting Abstracts 2022, S40.012 (2022).

[22] Vasily Sazonov ja Mohamed Tamaazousti, "Quantum error mitigation for parametric circuits", Fyysinen arvio A 105 4, 042408 (2022).

[23] Andrew Arrasmith, Andrew Patterson, Alice Boughton ja Marco Paini, "Development and Demonstration of an Efficient Readout Error Mitigation Technique for use in in NISQ Algorithms". arXiv: 2303.17741, (2023).

[24] Jin-Min Liang, Qiao-Qiao Lv, Zhi-Xi Wang ja Shao-Ming Fei, "Unified multivariate trace estimation and kvanttivirheiden lieventäminen", Fyysinen arvio A 107 1, 012606 (2023).

Yllä olevat sitaatit ovat peräisin SAO: n ja NASA: n mainokset (viimeksi päivitetty onnistuneesti 2023-06-06 22:08:53). Lista voi olla puutteellinen, koska kaikki julkaisijat eivät tarjoa sopivia ja täydellisiä viittaustietoja.

On Crossrefin siteerattu palvelu tietoja teosten viittaamisesta ei löytynyt (viimeinen yritys 2023-06-06 22:08:51).

Tämä kirja on julkaistu Quantum - lehdessä Creative Commons Nimeäminen 4.0 Kansainvälinen (CC BY 4.0) lisenssin. Tekijänoikeudet säilyvät alkuperäisillä tekijänoikeuksien haltijoilla, kuten tekijöillä tai heidän instituutioillaan.

SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
PlatoAiStream. Web3 Data Intelligence. Tietoa laajennettu. Pääsy tästä.
Tulevaisuuden lyöminen Adryenn Ashley. Pääsy tästä.
Osta ja myy osakkeita PRE-IPO-yhtiöissä PREIPO®:lla. Pääsy tästä.
Lähde: https://quantum-journal.org/papers/q-2023-06-06-1034/

Aikaleima: Kesäkuu 6, 2023

Aikaleima: Heinäkuu 11, 2023

Julkaissut Platon

Groverin nopeuksien kvantifiointi asymptoottisen analyysin lisäksi

Pariteettikvanttioptimointi: koodausrajoitukset

Koostumuksellisesti turvallinen laiteriippumaton salaus sertifioidulla poistolla

Sivukäyrät ja tyypillinen kietoutuminen lineaarioptiikassa

Koherentti tieto kvanttikanavasta tai sen komplementista on yleisesti positiivista

Tarkkuuden heikkenemisen havaittavuus Ljapunovin nopeudella muutaman kvbitin kvanttisimulaatioissa

Tarkoittaako kausaalinen dynamiikka paikallisia vuorovaikutuksia?

Ohjatut-dissipatiiviset topologiset vaiheet parametrisissä resonaattoriryhmissä

Kvanttikorrelaatiot ei-signalointirajalla: itsetestaus ja paljon muuta

Tietoa Meistä

Pystysuuntainen haku ja Ai

foorumi

Pysy yhteydessä

Tili