การรวมและการเปรียบเทียบเทคนิคการลดข้อผิดพลาดควอนตัมที่ล้ำสมัย

เผยแพร่ซ้ำโดยเพลโต

ผู้ติดตาม: 0

แดเนียล บูลตรินี่^1,2แม็กซ์ ฮันเตอร์ กอร์ดอน³, ปิโอเตอร์ ซาร์นิค^1,4, แอนดรูว์ อาร์ราสมิธ^1,5, ม. เซเรโซ^6,5, แพทริค เจ. โคลส์^1,5และลูคัส ซินซิโอ^1,5

¹แผนกทฤษฎี, Los Alamos National Laboratory, Los Alamos, NM 87545, USA
²Theoretische Chemie, สถาบัน Physikalisch-Chemisches, Universität Heidelberg, INF 229, D-69120 Heidelberg, Germany
³Instituto de Física Teórica, UAM/CSIC, Universidad Autónoma de Madrid, Madrid, สเปน
⁴สถาบันฟิสิกส์ทฤษฎี มหาวิทยาลัย Jagiellonian เมืองคราคูฟ ประเทศโปแลนด์
⁵ศูนย์วิทยาศาสตร์ควอนตัม โอ๊กริดจ์ TN 37931 สหรัฐอเมริกา
⁶สารสนเทศศาสตร์, Los Alamos National Laboratory, Los Alamos, NM 87545, USA

พบบทความนี้ที่น่าสนใจหรือต้องการหารือ? Scite หรือแสดงความคิดเห็นใน SciRate.

นามธรรม

การลดข้อผิดพลาดเป็นองค์ประกอบสำคัญในการบรรลุข้อได้เปรียบทางควอนตัมเชิงปฏิบัติในระยะเวลาอันใกล้นี้ และมีการเสนอแนวทางที่แตกต่างกันจำนวนหนึ่ง ในงานนี้ เราตระหนักดีว่าวิธีการลดข้อผิดพลาดที่ล้ำสมัยหลายวิธีมีคุณลักษณะร่วมกัน กล่าวคือ เป็นแบบขับเคลื่อนด้วยข้อมูล โดยใช้ข้อมูลแบบคลาสสิกที่ได้รับจากการรันวงจรควอนตัมที่แตกต่างกัน ตัวอย่างเช่น การประมาณค่าแบบ Zero-noise extrapolation (ZNE) ใช้ข้อมูลสัญญาณรบกวนแบบแปรผัน และการถดถอยข้อมูล Clifford (CDR) ใช้ข้อมูลจากวงจรใกล้คลิฟฟอร์ด เราแสดงให้เห็นว่าการกลั่นเสมือน (VD) สามารถดูได้ในลักษณะที่คล้ายกันโดยการพิจารณาข้อมูลคลาสสิกที่เกิดจากการเตรียมสถานะในจำนวนที่แตกต่างกัน การสังเกตข้อเท็จจริงนี้ช่วยให้เราสามารถรวมวิธีการทั้งสามนี้เข้าด้วยกันภายใต้กรอบงานการลดข้อผิดพลาดที่ขับเคลื่อนด้วยข้อมูลทั่วไป ที่เราเรียกว่า UNIfied Technique for Error mitigation with Data (UNITED) ในบางสถานการณ์ เราพบว่าวิธี UNITED ของเรามีประสิทธิภาพเหนือกว่าแต่ละวิธี (กล่าวคือ โดยรวมแล้วดีกว่าแต่ละส่วน) โดยเฉพาะอย่างยิ่ง เราใช้แบบจำลองสัญญาณรบกวนที่เหมือนจริงที่ได้รับจากคอมพิวเตอร์ควอนตัมไอออนที่ติดอยู่เพื่อวัดประสิทธิภาพ UNITED เช่นเดียวกับวิธีการล้ำสมัยอื่นๆ ในการบรรเทาสิ่งที่สังเกตได้จากวงจรควอนตัมแบบสุ่ม และใช้ Quantum Alternating Operator Ansatz (QAOA) ไปจนถึงปัญหา Max-Cut ที่มีจำนวนคิวบิต ความลึกของวงจร และจำนวนช็อตต่างๆ เราพบว่าประสิทธิภาพของเทคนิคที่แตกต่างกันนั้นขึ้นอยู่กับงบประมาณในการยิงเป็นอย่างมาก โดยวิธีการที่มีประสิทธิภาพมากกว่านั้นจะต้องใช้การยิงมากขึ้นเพื่อให้ได้ประสิทธิภาพสูงสุด สำหรับงบประมาณการยิงสูงสุดที่เราพิจารณา ($10^{10}$) เราพบว่า UNITED ให้การบรรเทาผลกระทบที่แม่นยำที่สุด ดังนั้น งานของเราจึงแสดงถึงการเปรียบเทียบวิธีการลดข้อผิดพลาดในปัจจุบัน และให้คำแนะนำสำหรับระบอบการปกครองเมื่อวิธีการบางอย่างมีประโยชน์มากที่สุด

ภาพเด่น: สรุปแผนผังของเทคนิค UNIfied สำหรับการลดข้อผิดพลาดด้วยข้อมูล

สรุปยอดนิยม

คอมพิวเตอร์ควอนตัมในปัจจุบันเผชิญกับข้อผิดพลาดที่ก่อให้เกิดความท้าทายในการก้าวข้ามประสิทธิภาพของคอมพิวเตอร์คลาสสิกที่ดีที่สุด เพื่อควบคุมศักยภาพของอุปกรณ์ควอนตัมอย่างเต็มที่ การแก้ไขผลกระทบที่เป็นอันตรายเหล่านี้ถือเป็นสิ่งสำคัญ มีการใช้วิธีการลดข้อผิดพลาดเพื่อแก้ไขปัญหานี้ ในบรรดาวิธีการเหล่านี้ การลดข้อผิดพลาดที่ขับเคลื่อนด้วยข้อมูลมีความโดดเด่นในฐานะแนวทางที่น่าหวัง ซึ่งเกี่ยวข้องกับผลลัพธ์การวัดควอนตัมหลังการประมวลผลแบบคลาสสิกเพื่อแก้ไขผลกระทบที่เกิดจากเสียงรบกวน ข้อมูลประเภทต่างๆ ถูกนำมาใช้ในบริบทนี้ รวมถึงมาตราส่วนความแรงของเสียงผ่าน Zero Noise Extrapolation (ZNE) ข้อมูลจากวงจรใกล้คลิฟฟอร์ดที่ใช้โดย Clifford-data regression (CDR) และข้อมูลที่ได้รับผ่านการกลั่นเสมือน (VD) โดยการเตรียม สถานะควอนตัมหลายชุด เพื่อรวมแนวทางเหล่านี้เข้าด้วยกัน เราขอเสนอ UNIfied Technique for Error Mitigation with Data (UNITED) ซึ่งรวมประเภทข้อมูลเหล่านี้ทั้งหมดเข้าด้วยกัน นอกจากนี้ เรายังแสดงให้เห็นว่าวิธีการแบบครบวงจรนั้นเหนือกว่าส่วนประกอบแต่ละส่วนเมื่อมีทรัพยากรควอนตัมเพียงพอ โดยใช้แบบจำลองสัญญาณรบกวนที่สมจริงของคอมพิวเตอร์ควอนตัมไอออนที่ติดอยู่ และวงจรควอนตัมสองประเภทที่แตกต่างกันซึ่งมีจำนวนควิบิตและความลึกที่แตกต่างกัน สุดท้ายนี้ เราจะระบุเงื่อนไขที่เหมาะสมที่สุดสำหรับวิธีการลดข้อผิดพลาดที่ขับเคลื่อนด้วยข้อมูลแบบต่างๆ

► ข้อมูล BibTeX

@article{Bultrini2023unifying, doi = {10.22331/q-2023-06-06-1034}, url = {https://doi.org/10.22331/q-2023-06-06-1034}, title = {รวมและ การเปรียบเทียบเทคนิคการลดข้อผิดพลาดควอนตัมที่ล้ำสมัย} ผู้แต่ง = {Bultrini, Daniel และ Gordon, Max Hunter และ Czarnik, Piotr และ Arrasmith, Andrew และ Cerezo, M. และ Coles, Patrick J. และ Cincio, Lukasz}, Journal = {{Quantum}}, issn = {2521-327X}, ผู้จัดพิมพ์ = {{Verein zur F{"{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, เล่ม = {7}, หน้า = {1034 } เดือน = มิถุนายน ปี = {2023} }

► ข้อมูลอ้างอิง

[1] ชาบี โบเนต์-มอนโรจ, รามิโร ซากาสติซาบัล, เอ็ม ซิงห์ และทีอี โอไบรอัน การลดข้อผิดพลาดด้วยต้นทุนต่ำโดยการตรวจสอบความสมมาตร การตรวจร่างกาย A, 98 (6): 062339, 2018. https:///doi.org/10.1103/PhysRevA.98.062339.
https://doi.org/10.1103/PhysRevA.98.062339

[2] เซอร์เกย์ บราวี, ซาราห์ เชลดอน, อภินาฟ กันดาลา, เดวิด ซี แมคเคย์ และเจย์ เอ็ม แกมเบตตา การบรรเทาข้อผิดพลาดในการวัดในการทดลองมัลติคิวบิต การตรวจร่างกาย A, 103 (4): 042605, 2021. https:///doi.org/10.1103/PhysRevA.103.042605.
https://doi.org/10.1103/PhysRevA.103.042605

[3] เจิ้นหยู่ไช่. การประมาณค่าข้อผิดพลาดแบบเอ็กซ์โปเนนเชียลหลายค่าและการรวมเทคนิคการลดข้อผิดพลาดสำหรับแอปพลิเคชัน NISQ ข้อมูลควอนตัม npj, 7 (1): 1–12, 2021a. https:///doi.org/10.1038/s41534-021-00404-3.
https://doi.org/10.1038/s41534-021-00404-3

[4] เจิ้นหยู่ไช่. การลดข้อผิดพลาดควอนตัมโดยใช้การขยายแบบสมมาตร ควอนตัม 5: 548, 2021b. https:///doi.org/10.22331/q-2021-09-21-548.
https://doi.org/10.22331/q-2021-09-21-548

[5] เจิ้นหยู่ไช่. การลดข้อผิดพลาดควอนตัมโดยอาศัยการทำให้บริสุทธิ์อย่างมีประสิทธิภาพด้านทรัพยากร arXiv พิมพ์ล่วงหน้า arXiv:2107.07279, 2021c URL https:///arxiv.org/abs/2107.07279.
arXiv: 2107.07279

[6] เอ็ม. เซเรโซ, แอนดรูว์ อาร์ราสมิธ, ไรอัน บาบบุช, ไซมอน ซี เบนจามิน, ซูกุรุ เอนโด, เคสุเกะ ฟูจิอิ, จาร์รอด อาร์ แม็คคลีน, โคสุเกะ มิทาไร, เซียว หยวน, ลูคัส ซินซิโอ และแพทริค เจ. โคลส์ อัลกอริธึมควอนตัมแปรผัน ฟิสิกส์บทวิจารณ์ธรรมชาติ 3 (1): 625–644, 2021. https:///doi.org/10.1038/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9

[7] ลูคัส ซินซิโอ, ยีกิต ซูบาซิ, แอนดรูว์ ที ซอร์นบอร์เกอร์ และแพทริค เจ โคลส์ การเรียนรู้อัลกอริธึมควอนตัมสำหรับการทับซ้อนของสถานะ New Journal of Physics, 20 (11): 113022, พ.ย. 2018 https:///doi.org/10.1088/1367-2630/aae94a.
https://doi.org/10.1088/1367-2630/aae94a

[8] ลูคัส ซินซิโอ, เคนเน็ธ รูดิงเกอร์, โมฮาน ซาโรวาร์ และแพทริค เจ. โคลส์ การเรียนรู้ของเครื่องของวงจรควอนตัมที่ทนทานต่อเสียงรบกวน PRX Quantum, 2: 010324, ก.พ. 2021 https:///doi.org/10.1103/PRXQuantum.2.010324
https://doi.org/10.1103/PRXQuantum.2.010324

[9] พิโอเตอร์ ซาร์นิค, แอนดรูว์ อาร์ราสมิธ, ลูคัส ซินซิโอ และแพทริค เจ โคลส์ การปราบปรามข้อผิดพลาดแบบเอ็กซ์โปเนนเชียลที่มีประสิทธิภาพ Qubit arXiv พิมพ์ล่วงหน้า arXiv:2102.06056, 2021a URL https:///arxiv.org/abs/2102.06056.
arXiv: 2102.06056

[10] พิโอเตอร์ ซาร์นิค, แอนดรูว์ อาร์ราสมิธ, แพทริค เจ. โคลส์ และลูคัส ซินซิโอ การลดข้อผิดพลาดด้วยข้อมูลวงจรควอนตัมของ Clifford ควอนตัม 5: 592 พฤศจิกายน 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 และ Lukasz Cincio การปรับปรุงประสิทธิภาพการลดข้อผิดพลาดจากการเรียนรู้ arXiv พิมพ์ล่วงหน้า arXiv:2204.07109, 2022. URL https:///arxiv.org/abs/2204.07109
arXiv: 2204.07109

[12] ยูจีน เอฟ ดูมิเทรสคู, อเล็กซ์ เจ แม็กคาสกี้, เกาต์ ฮาเก้น, กุสตาฟ อาร์ แจนเซน, ไทตัส ดี มอร์ริส, ที ปาเพนบร็อค, ราฟาเอล ซี พูเซอร์, เดวิด จาร์วิส ดีน และพาเวล ลูกอฟสกี้ การคำนวณควอนตัมคลาวด์ของนิวเคลียสของอะตอม ฟิสิกส์ สาธุคุณเลตต์ 120 (21): 210501, 2018. https:///doi.org/10.1103/PhysRevLett.120.210501.
https://doi.org/10.1103/PhysRevLett.120.210501

[13] ซูกุรุ เอนโด, ไซม่อน ซี เบนจามิน และ หยิง ลี่ การลดข้อผิดพลาดของควอนตัมในทางปฏิบัติสำหรับแอปพลิเคชันในอนาคตอันใกล้ การตรวจร่างกาย X, 8 (3): 031027, 2018 https://doi.org/10.1103/PhysRevX.8.031027.
https://doi.org/10.1103/PhysRevX.8.031027

[14] ซูกุรุ เอ็นโดะ, เจิ้นหยู่ ไฉ, ไซมอน ซี เบนจามิน และเซียว หยวน อัลกอริธึมควอนตัมคลาสสิกแบบไฮบริดและการลดข้อผิดพลาดควอนตัม วารสาร 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] พี. เออร์โดส และเอ เรนยี. บนกราฟสุ่ม i มหาชน คณิตศาสตร์. เดเบรเซน 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] เอ็ดเวิร์ด ฟาร์ฮี, เจฟฟรีย์ โกลด์สโตน และแซม กัทมันน์ อัลกอริธึมการเพิ่มประสิทธิภาพโดยประมาณควอนตัม พิมพ์ล่วงหน้า arXiv arXiv:1411.4028, 2014. URL https://arxiv.org/abs/1411.4028
arXiv: 1411.4028

[17] ทิวดอร์ จูร์จิกา-ทิรอน, ยูเซฟ ฮินดี, ไรอัน ลาโรส, อันเดรีย มารี และวิลเลียม เจ เซง การประมาณค่าสัญญาณรบกวนเป็นศูนย์แบบดิจิทัลสำหรับการลดข้อผิดพลาดทางควอนตัม การประชุมนานาชาติ IEEE ปี 2020 ว่าด้วยคอมพิวเตอร์ควอนตัมและวิศวกรรม (QCE) หน้า 306–316, 2020 https:///doi.org/10.1109/QCE49297.2020.00045
https://doi.org/10.1109/QCE49297.2020.00045

[18] แดเนียล ก็อตเตสแมน. การเป็นตัวแทนของไฮเซนเบิร์กของคอมพิวเตอร์ควอนตัม พูดคุยที่ ในการประชุมนานาชาติเรื่องวิธีทฤษฎีกลุ่มทางฟิสิกส์ 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] สจ๊วร์ต แฮดฟิลด์, จิฮุย หวัง, ไบรอัน โอ'กอร์แมน, เอลีนอร์ จี รีฟเฟล, ดาวิเด เวนเจอร์ลี และรูปัค บิสวาส จากอัลกอริธึมการหาค่าเหมาะที่สุดโดยประมาณของควอนตัม ไปจนถึงตัวดำเนินการสลับควอนตัม ansatz อัลกอริทึม 12 (2): 34, 2019. https:///doi.org/10.3390/a12020034.
https://doi.org/10.3390/a12020034

[20] แคธลีน อี แฮมิลตัน, ไทเลอร์ คาราซี, ไททัส มอร์ริส, อเล็กซานเดอร์ เจ แม็กคาสกี้, ไรอัน เอส เบนนิงค์ และ ราฟาเอล ซี พูเซอร์ ลักษณะสัญญาณรบกวนของโปรเซสเซอร์ควอนตัมที่ปรับขนาดได้ ในการประชุมนานาชาติ IEEE เรื่องคอมพิวเตอร์ควอนตัมและวิศวกรรม (QCE) ปี 2020 หน้า 430–440 IEEE, 2020. https:///doi.org/10.1109/QCE49297.2020.00060.
https://doi.org/10.1109/QCE49297.2020.00060

[21] อังเดร เฮ, เบนจามิน แนชแมน, วิบ์ เอ. เดอ ยอง และคริสเตียน ดับเบิลยู. บาวเออร์ การประมาณค่าแบบไร้สัญญาณรบกวนสำหรับการลดข้อผิดพลาดควอนตัมเกตด้วยการแทรกข้อมูลประจำตัว การทบทวนทางกายภาพ A, 102: 012426, ก.ค. 2020 https:///doi.org/10.1103/PhysRevA.102.012426
https://doi.org/10.1103/PhysRevA.102.012426

[22] วิลเลียม เจ ฮักกินส์, แซม แม็คอาร์เดิล, โธมัส อี โอ'ไบรอัน, จุนโฮ ลี, นิโคลัส ซี รูบิน, เซอร์จิโอ โบอิโซ, เค เบอร์กิตต้า เวลีย์, ไรอัน แบบบุช และจาร์รอด อาร์ แม็คคลีน การกลั่นเสมือนจริงเพื่อลดข้อผิดพลาดทางควอนตัม การทบทวนทางกายภาพ X, 11 (4): 041036, 2021. https:///doi.org/10.1103/PhysRevX.11.041036
https://doi.org/10.1103/PhysRevX.11.041036

[23] หมิงเซีย ฮั่ว และ หยิง ลี่ การทำให้บริสุทธิ์แบบสองสถานะเพื่อลดข้อผิดพลาดเชิงควอนตัมในทางปฏิบัติ การตรวจร่างกาย A, 105 (2): 022427, 2022. https:///doi.org/10.1103/PhysRevA.105.022427.
https://doi.org/10.1103/PhysRevA.105.022427

[24] อภินาฟ กันดาลา, คริสตัน เทมเม, อันโตนิโอ ดี. กอร์โกเลส, อันโตนิโอ เมซซากาโป, เจอร์รี เอ็ม. โชว และเจย์ เอ็ม. แกมเบตตา การลดข้อผิดพลาดจะขยายขอบเขตการประมวลผลของโปรเซสเซอร์ควอนตัมที่มีสัญญาณรบกวน ธรรมชาติ 567 (7749): 491–495 มี.ค. 2019 ISSN 1476-4687 https:///doi.org/10.1038/s41586-019-1040-7.
https://doi.org/10.1038/s41586-019-1040-7

[25] สุเมธ คาตรี, ไรอัน ลาโรส, อเล็กซานเดอร์ โปเรมบา, ลูคัส ซินซิโอ, แอนดรูว์ ที ซอร์นบอร์เกอร์ และแพทริค เจ โคลส์ การรวบรวมควอนตัมที่ใช้ควอนตัมช่วย ควอนตัม, 3: 140, 2019. https:///doi.org/10.22331/q-2019-05-13-140.
https://doi.org/10.22331/q-2019-05-13-140

[26] บาลินท์ ค็อกเซอร์. การปราบปรามข้อผิดพลาดเอ็กซ์โปเนนเชียลสำหรับอุปกรณ์ควอนตัมระยะสั้น การตรวจร่างกาย X, 11 (3): 031057, 2021a. https:///doi.org/10.1103/PhysRevX.11.031057.
https://doi.org/10.1103/PhysRevX.11.031057

[27] บาลินท์ ค็อกเซอร์. eigenvector ที่โดดเด่นของสถานะควอนตัมที่มีเสียงดัง วารสารฟิสิกส์ใหม่ 23 (12): 123047, 2021b. https:///doi.org/10.1088/1367-2630/ac37ae.
https://doi.org/10.1088/1367-2630/ac37ae

[28] แองกัส โลว์, แม็กซ์ ฮันเตอร์ กอร์ดอน, พิโอเตอร์ ซาร์นิค, แอนดรูว์ อาร์ราสมิธ, แพทริค เจ. โคลส์ และลูคัส ซินซิโอ แนวทางแบบครบวงจรในการลดข้อผิดพลาดควอนตัมที่ขับเคลื่อนด้วยข้อมูล ฟิสิกส์ รายได้การวิจัย, 3: 033098, ก.ค. 2021. https:///doi.org/10.1103/PhysRevResearch.3.033098.
https://doi.org/10.1103/PhysRevResearch.3.033098

[29] อันเดรีย มารี, นาธาน ชัมมาห์ และวิลเลียม เจ เซง การขยายการยกเลิกข้อผิดพลาดความน่าจะเป็นควอนตัมโดยการปรับสเกลสัญญาณรบกวน การตรวจร่างกาย A, 104 (5): 052607, 2021. https:///doi.org/10.1103/PhysRevA.104.052607
https://doi.org/10.1103/PhysRevA.104.052607

[30] ดิมิทรี มาสลอฟ. เทคนิคการรวบรวมวงจรพื้นฐานสำหรับเครื่องควอนตัมกับดักไอออน 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] แซม แม็กอาร์เดิล, เซียว หยวน และไซมอน เบนจามิน การจำลองควอนตัมดิจิทัลที่ลดข้อผิดพลาด ฟิสิกส์ สาธุคุณเลตต์ 122: 180501 พฤษภาคม 2019 https:///doi.org/10.1103/PhysRevLett.122.180501.
https://doi.org/10.1103/PhysRevLett.122.180501

[32] จาร์ร็อด อาร์ แมคคลีน, เซอร์จิโอ โบโซ, วาดิม เอ็น สเมเลียนสกี้, ไรอัน แบบบุช และฮาร์ทมุท เนเวน ที่ราบแห้งแล้งในภูมิทัศน์การฝึกอบรมเครือข่ายประสาทควอนตัม การสื่อสารธรรมชาติ, 9 (1): 1–6, 2018. https:///doi.org/10.1038/s41467-018-07090-4.
https://doi.org/10.1038/s41467-018-07090-4

[33] แอชลีย์ มอนตานาโร และสตาสย่า สตานิซิช การลดข้อผิดพลาดโดยการฝึกด้วยเลนส์เฟอร์มิโอนิกเชิงเส้น arXiv พิมพ์ล่วงหน้า arXiv:2102.02120, 2021. URL https:///arxiv.org/abs/2102.02120
arXiv: 2102.02120

[34] ปรากาช มูราลี, โจนาธาน เอ็ม. เบเกอร์, อาลี จาวาดี-อับฮารี, เฟรเดริก ที. ชอง และมาร์กาเร็ต มาร์โตโนซี การแมปคอมไพเลอร์แบบปรับสัญญาณรบกวนสำหรับคอมพิวเตอร์ควอนตัมระดับกลางที่มีสัญญาณรบกวน ASPLOS '19, หน้า 1015–1029, New York, NY, USA, 2019. สมาคมเครื่องจักรคอมพิวเตอร์ ไอ 9781450362405. https:///doi.org/10.1145/3297858.3304075.
https://doi.org/10.1145/3297858.3304075

[35] โธมัส อี. โอไบรอัน, สเตฟาโน พอลลา, นิโคลัส ซี. รูบิน, วิลเลียม เจ. ฮักกินส์, แซม แม็คอาร์เดิล, เซอร์จิโอ โบอิโซ, จาร์รอด อาร์. แม็คคลีน และไรอัน แบบบุช การลดข้อผิดพลาดผ่านการประมาณค่าเฟสที่ตรวจสอบแล้ว PRX Quantum, 2: 020317 พฤษภาคม 2021 https:///doi.org/10.1103/PRXQuantum.2.020317
https://doi.org/10.1103/PRXQuantum.2.020317

[36] แมทธิว ออตเทน และสตีเฟน เค. เกรย์ การกู้คืนควอนตัมที่สังเกตได้โดยปราศจากเสียงรบกวน การตรวจร่างกาย 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 และ Stephen K Gray ไดนามิกควอนตัมที่ยืดหยุ่นต่อเสียงรบกวนโดยใช้แอนซาทซ์ที่รักษาสมมาตร พิมพ์ล่วงหน้า arXiv arXiv:1910.06284, 2019. URL https://arxiv.org/abs/1910.06284.
arXiv: 1910.06284

[38] ลูอิส ฟราย ริชาร์ดสัน และ เจ. อาร์เธอร์ ก๊อนท์ 226. วิธีการเลื่อนออกไปจนถึงขีดจำกัด ธุรกรรมเชิงปรัชญาของราชสมาคมแห่งลอนดอน ชุด A, ประกอบด้วยเอกสารทางคณิตศาสตร์หรือลักษณะกายภาพ, 636 (646-299): 361–1927, มกราคม 10.1098 https:///doi.org/1927.0008/rsta.XNUMX
https://doi.org/10.1098/rsta.1927.0008

[39] คูนัล ชาร์มา, สุมีต คาตรี, เอ็ม. เซเรโซ และแพทริค เจ โคลส์ ความยืดหยุ่นทางเสียงของการรวบรวมควอนตัมแบบแปรผัน วารสารฟิสิกส์ใหม่, 22 (4): 043006, 2020. https:///doi.org/10.1088/1367-2630/ab784c.
https://doi.org/10.1088/1367-2630/ab784c

[40] จอห์น เอ. สโมลิน และเดวิด พี. ดิวินเชนโซ ประตูควอนตัมแบบสองบิตจำนวนห้าประตูนั้นเพียงพอที่จะติดตั้งประตูควอนตัมเฟรดกิ้นได้ การทบทวนทางกายภาพ A, 53: 2855–2856, 1996. https:///doi.org/10.1103/PhysRevA.53.2855
https://doi.org/10.1103/PhysRevA.53.2855

[41] อเลฮานโดร โซเปนา, แม็กซ์ ฮันเตอร์ กอร์ดอน, เยอรมัน เซียร์รา และเอสเปรันซา โลเปซ การจำลองไดนามิกของการดับบนคอมพิวเตอร์ควอนตัมดิจิทัลพร้อมการลดข้อผิดพลาดที่ขับเคลื่อนด้วยข้อมูล วิทยาศาสตร์และเทคโนโลยีควอนตัม 2021 https:///doi.org/10.1088/2058-9565/ac0e7a
https://doi.org/10.1088/2058-9565/ac0e7a

[42] ดาเนียล สติลค์ ฟรานซา และราอูล การ์เซีย-ปาตรอน ข้อจำกัดของอัลกอริธึมการปรับให้เหมาะสมบนอุปกรณ์ควอนตัมที่มีเสียงดัง ฟิสิกส์ธรรมชาติ 17 (11): 1221–1227 2021 https:///doi.org/10.1038/s41567-021-01356-3
https://doi.org/10.1038/s41567-021-01356-3

[43] อาร์มานด์ส สไตรกิส, ต้าเยว่ ฉิน, หยานจู่ เฉิน, ไซมอน ซี เบนจามิน และหยิง ลี่ การลดข้อผิดพลาดควอนตัมตามการเรียนรู้ PRX Quantum, 2 (4): 040330, 2021. https:///doi.org/10.1103/PRXQuantum.2.040330
https://doi.org/10.1103/PRXQuantum.2.040330

[44] ริวจิ ทาคางิ. ต้นทุนทรัพยากรที่เหมาะสมที่สุดสำหรับการลดข้อผิดพลาด ฟิสิกส์ รายได้ Res., 3: 033178, ส.ค. 2021. https:///doi.org/10.1103/PhysRevResearch.3.033178.
https://doi.org/10.1103/PhysRevResearch.3.033178

[45] คริสแทน เทมเม, เซอร์เกย์ บราวี และเจย์ เอ็ม. แกมเบตตา การลดข้อผิดพลาดสำหรับวงจรควอนตัมเชิงลึกระยะสั้น ฟิสิกส์ สาธุคุณเลตต์ 119: 180509 พ.ย. 2017 https:///doi.org/10.1103/PhysRevLett.119.180509.
https://doi.org/10.1103/PhysRevLett.119.180509

[46] โคลิน เจ เทราต์, มู่หยวน ลี, เมาริซิโอ กูเทียเรซ, ยูไค วู, เซิงเทา หวาง, หลู่หมิง ด้วน และเคนเน็ธ อาร์ บราวน์ การจำลองประสิทธิภาพของรหัสพื้นผิวระยะทาง 3 ในตัวดักไอออนเชิงเส้น New Journal of Physics, 20 (4): 043038, 2018. https:///doi.org/10.1088/1367-2630/aab341.
https://doi.org/10.10881367-2630/aab341

[47] มิโรสลาฟ เออร์บาเน็ก, เบนจามิน แนชมาน, วินเซนต์ อาร์ ปาสกุซซี่, อังเดร เฮ, คริสเตียน ดับเบิลยู บาวเออร์ และวิบ์ อา เดอ ยอง การบรรเทาเสียงรบกวนจากการลดขั้วบนคอมพิวเตอร์ควอนตัมด้วยวงจรการประมาณค่าสัญญาณรบกวน ฟิสิกส์ สาธุคุณเลตต์ 127 (27): 270502, 2021. https:///doi.org/10.1103/PhysRevLett.127.270502.
https://doi.org/10.1103/PhysRevLett.127.270502

[48] โจเซฟ วอฟรอช, คิราน อี โคสลา, ฌอน กรีนอเวย์, คริสโตเฟอร์ เซลฟ์, มยองซิก เอส คิม และโยฮันเนส โนลเล การลดข้อผิดพลาดดีโพลาไรซ์ทั่วโลกอย่างง่ายดายในการจำลองควอนตัม การตรวจร่างกาย E, 104 (3): 035309, 2021. 10.1103/PhysRevE.104.035309.
https://doi.org/10.1103/PhysRevE.104.035309

[49] คุนหวาง, หยูอ้าวเฉิน และซินหวาง การบรรเทาข้อผิดพลาดควอนตัมด้วยซีรีส์นอยมันน์ที่ถูกตัดทอน arXiv พิมพ์ล่วงหน้า arXiv:2111.00691, 2021a URL https:///arxiv.org/abs/2111.00691.
arXiv: 2111.00691

[50] แซมซั่น หวัง, เอนริโก ฟอนทาน่า, เอ็ม. เซเรโซ, คูนัล ชาร์มา, อากิรา โซเน, ลูคัส ซินซิโอ และแพทริค เจ โคลส์ ที่ราบแห้งแล้งที่เกิดจากเสียงรบกวนในอัลกอริธึมควอนตัมแบบแปรผัน การสื่อสารทางธรรมชาติ, 12 (1): 1–11, 2021b. https:///doi.org/10.1038/s41467-021-27045-6.
https://doi.org/10.1038/s41467-021-27045-6

[51] อี้เฟิง สยง, ซุน ซิน อึ้ง และลาโจส ฮันโซ การลดข้อผิดพลาดควอนตัมอาศัยการกรองการเรียงสับเปลี่ยน ธุรกรรม IEEE ด้านการสื่อสาร 70 (3): 1927–1942, 2022 https:///doi.org/10.1109/TCOMM.2021.3132914
https://doi.org/10.1109/TCOMM.2021.3132914

[52] โนบุยูกิ โยชิโอกะ, ฮิเดอากิ ฮาโกชิมะ, ยูอิจิโระ มัตสึซากิ, ยูกิ โทคุนากะ, ยาสุนาริ ซูซูกิ และสึกุรุ เอ็นโดะ การขยายพื้นที่ย่อยควอนตัมทั่วไป ฟิสิกส์ สาธุคุณเลตต์ 129: 020502 ก.ค. 2022 https:///doi.org/10.1103/PhysRevLett.129.020502.
https://doi.org/10.1103/PhysRevLett.129.020502

อ้างโดย

[1] Ryuji Takagi, Hiroyasu Tajima และ Mile Gu, "การสุ่มตัวอย่างสากลขอบเขตล่างสำหรับการลดข้อผิดพลาดควอนตัม", arXiv: 2208.09178, (2022).

[2] C. Huerta Alderete, Alaina M. Green, Nhung H. Nguyen, Yingyue Zhu, Norbert M. Linke และ BM Rodríguez-Lara, "การจำลองออสซิลเลเตอร์พาราอนุภาคบนคอมพิวเตอร์ควอนตัมไอออนที่ติดอยู่", arXiv: 2207.02430, (2022).

[3] Samson Wang, Piotr Czarnik, Andrew Arrasmith, M. Cerezo, Lukasz Cincio และ Patrick J. Coles, "การบรรเทาข้อผิดพลาดสามารถปรับปรุงความสามารถในการฝึกอบรมของอัลกอริทึมควอนตัมแปรผันที่มีเสียงดังได้หรือไม่", arXiv: 2109.01051, (2021).

[4] He-Liang Huang, Xiao-Yue Xu, Chu Guo, Guojing Tian, Shi-Jie Wei, Xiaoming Sun, Wan-Su Bao และ Gui-Lu Long "เทคนิคการคำนวณควอนตัมระยะสั้น: อัลกอริธึมควอนตัมแบบแปรผัน การลดข้อผิดพลาด การรวบรวมวงจร การเปรียบเทียบมาตรฐาน และการจำลองแบบคลาสสิก", วิทยาศาสตร์ ประเทศจีน ฟิสิกส์ กลศาสตร์ และดาราศาสตร์ 66 5 250302 (2023).

[5] Alessio Calzona และ Matteo Carrega, "สถาปัตยกรรมหลายโหมดสำหรับคิวบิตตัวนำยิ่งยวดที่ทนทานต่อเสียงรบกวน", เทคโนโลยีวิทยาศาสตร์ตัวนำยิ่งยวด 36 2, 023001 (2023).

[6] Abdullah Ash Saki, Amara Katabarwa, Salonik Resch และ George Umbrarescu, "การทดสอบสมมติฐานเพื่อบรรเทาข้อผิดพลาด: วิธีประเมินการลดข้อผิดพลาด", arXiv: 2301.02690, (2023).

[7] Andrea Mari, Nathan Shammah และ William J. Zeng, "การขยายการยกเลิกข้อผิดพลาดความน่าจะเป็นควอนตัมโดยการปรับสัญญาณรบกวน", การตรวจร่างกาย A 104 5, 052607 (2021).

[8] Michael Krebsbach, Björn Trauzettel และ Alessio Calzona, "การเพิ่มประสิทธิภาพของการประมาณค่าของ Richardson เพื่อลดข้อผิดพลาดทางควอนตัม", การตรวจร่างกาย A 106 6, 062436 (2022).

[9] Benjamin A. Cordier, Nicolas PD Sawaya, Gian G. Guerreschi และ Shannon K. McWeeney, "ชีววิทยาและการแพทย์ในภูมิทัศน์ของข้อได้เปรียบทางควอนตัม", arXiv: 2112.00760, (2021).

[10] Thomas Ayral, Pauline Besserve, Denis Lacroix และ Edgar Andres Ruiz Guzman, "การคำนวณควอนตัมด้วยและสำหรับฟิสิกส์หลายตัว", arXiv: 2303.04850, (2023).

[11] Joris Kattemölle และ Jasper van Wezel, "ไอเกนโซลเวอร์ควอนตัมแบบแปรผันสำหรับแอนตีเฟอร์โรแมกเน็ตของไฮเซนเบิร์กบนตาข่ายคาโกเมะ", การตรวจร่างกาย B 106 21, 214429 (2022).

[12] Ryan LaRose, Andrea Mari, Vincent Russo, Dan Strano และ William J. Zeng, "การลดข้อผิดพลาดจะเพิ่มปริมาณควอนตัมที่มีประสิทธิภาพของคอมพิวเตอร์ควอนตัม", arXiv: 2203.05489, (2022).

[13] Dayue Qin, Xiaosi Xu และ Ying Li, "ภาพรวมของสูตรการลดข้อผิดพลาดควอนตัม", ฟิสิกส์จีน B 31 9, 090306 (2022).

[14] Zhenyu Cai, "กรอบการทำงานจริงสำหรับการลดข้อผิดพลาดควอนตัม", arXiv: 2110.05389, (2021).

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

[16] Noah F. Berthusen, Thaís V. Trevisan, Thomas Iadecola และ Peter P. Orth, "การจำลองพลศาสตร์ควอนตัมเกินกว่าเวลาการเชื่อมโยงกันบนฮาร์ดแวร์ควอนตัมระดับกลางที่มีเสียงดังโดยการบีบอัด Trotter แบบแปรผัน", การวิจัยทบทวนทางกายภาพ 4 2, 023097 (2022).

[17] Yifeng Xiong, Soon Xin Ng และ Lajos Hanzo, "การลดข้อผิดพลาดควอนตัมอาศัยการกรองการเรียงสับเปลี่ยน", arXiv: 2107.01458, (2021).

[18] Xuanqiang Zhao, Benchi Zhao, Zihan Xia และ Xin Wang "ความสามารถในการกู้คืนข้อมูลของสถานะควอนตัมที่มีเสียงดัง" ควอนตัม 7, 978 (2023).

[19] Piotr Czarnik, Michael McKerns, Andrew T. Sornborger และ Lukasz Cincio, "การปรับปรุงประสิทธิภาพของการลดข้อผิดพลาดจากการเรียนรู้", arXiv: 2204.07109, (2022).

[20] Shi-Xin Zhang, Zhou-Quan Wan, Chang-Yu Hsieh, Hong Yao และ Shengyu Zhang, "การลดข้อผิดพลาดแบบไฮบริดควอนตัม-ประสาทแบบแปรผัน", arXiv: 2112.10380, (2021).

[21] Max Gordon, "การรวมและเปรียบเทียบเทคนิคการลดข้อผิดพลาดควอนตัมที่ล้ำสมัย", APS March Meeting Abstracts 2022, S40.012 (2022)

[22] Vasily Sazonov และ Mohamed Tamaazousti, "การลดข้อผิดพลาดควอนตัมสำหรับวงจรพาราเมตริก", การตรวจร่างกาย A 105 4, 042408 (2022).

[23] Andrew Arrasmith, Andrew Patterson, Alice Boughton และ Marco Paini, "การพัฒนาและการสาธิตเทคนิคการลดข้อผิดพลาดในการอ่านข้อมูลที่มีประสิทธิภาพสำหรับใช้ในอัลกอริทึม NISQ", arXiv: 2303.17741, (2023).

[24] Jin-Min Liang, Qiao-Qiao Lv, Zhi-Xi Wang และ Shao-Ming Fei, "การประมาณค่าการติดตามหลายตัวแปรแบบครบวงจรและการบรรเทาข้อผิดพลาดควอนตัม", การตรวจร่างกาย A 107 1, 012606 (2023).

การอ้างอิงข้างต้นมาจาก are อบต./นาซ่าโฆษณา (ปรับปรุงล่าสุดสำเร็จ 2023-06-06 22:08:53 น.) รายการอาจไม่สมบูรณ์เนื่องจากผู้จัดพิมพ์บางรายไม่ได้ให้ข้อมูลอ้างอิงที่เหมาะสมและครบถ้วน

On บริการอ้างอิงของ Crossref ไม่พบข้อมูลอ้างอิงงาน (ความพยายามครั้งสุดท้าย 2023-06-06 22:08:51)

บทความนี้เผยแพร่ใน Quantum ภายใต้ the ครีเอทีฟคอมมอนส์แบบแสดงที่มา 4.0 สากล (CC BY 4.0) ใบอนุญาต ลิขสิทธิ์ยังคงอยู่กับผู้ถือลิขสิทธิ์ดั้งเดิม เช่น ผู้เขียนหรือสถาบันของพวกเขา

เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
เพลโตไอสตรีม. ข้อมูลอัจฉริยะ Web3 ขยายความรู้ เข้าถึงได้ที่นี่.
การสร้างอนาคตโดย Adryenn Ashley เข้าถึงได้ที่นี่.
ซื้อและขายหุ้นในบริษัท PRE-IPO ด้วย PREIPO® เข้าถึงได้ที่นี่.
ที่มา: https://quantum-journal.org/papers/q-2023-06-06-1034/

ประทับเวลา: มิถุนายน 6, 2023

ประทับเวลา: ตุลาคม 13, 2022

การรับรองข้อมูลควอนตัมฟิชเชอร์จากชุดค่าเฉลี่ยที่กำหนด: วิธีการเขียนโปรแกรมกึ่งกำหนด

คลัสเตอร์ต้นทาง:

วารสารควอนตัม

โหนดต้นทาง: 2957738

ประทับเวลา: ตุลาคม 24, 2023

เกี่ยวกับอัลกอริธึมเชิงลึกต่ำสำหรับการประมาณค่าเฟสควอนตัม

คลัสเตอร์ต้นทาง:

วารสารควอนตัม

โหนดต้นทาง: 2985995

ประทับเวลา: พฤศจิกายน 6, 2023

เผยแพร่ซ้ำโดยเพลโต

กรอบทางคณิตศาสตร์สำหรับการปรับละเอียดในการปฏิบัติงาน

การค้นพบการทดลองควอนตัมที่หลากหลาย 100 รายการทางดิจิทัลด้วย PyTheus

การวัดอุณหภูมิของระบบควอนตัมเกาส์เซียนโดยใช้การวัดแบบเกาส์เซียน

วิวัฒนาการที่ไม่ใช่มาร์โคเวียนล้วนๆ

บทคัดย่อ: การวิเคราะห์วงจรควอนตัมผ่านการจำลองโคลงเชิงนามธรรม

ข้อจำกัดของวิธีการเมทริกซ์ Macaulay สำหรับการใช้อัลกอริทึม HHL เพื่อแก้ปัญหาระบบพหุนามหลายตัวแปร

โซลูชันที่หลากหลายสำหรับการแมป fermion-to-qubit ในสองมิติเชิงพื้นที่

การรับรองข้อมูลควอนตัมฟิชเชอร์จากชุดค่าเฉลี่ยที่กำหนด: วิธีการเขียนโปรแกรมกึ่งกำหนด

เกี่ยวกับอัลกอริธึมเชิงลึกต่ำสำหรับการประมาณค่าเฟสควอนตัม

เกี่ยวกับเรา

การค้นหาแนวตั้ง & Ai

ระบบปฏิบัติการ

การติดต่อ

ลงชื่อเข้าใช้