QuTech、デルフト工科大学、POBox 5046、2600 GAデルフト、オランダ。
この論文を興味深いと思うか、議論したいですか？ SciRateを引用するかコメントを残す.
抽象
さまざまな実験セットアップのすべてのニーズを満たすことができるトポロジーコード用の完全なデコーダーはまだありません。 最近、いくつかのニューラルネットワークベースのデコーダーが研究され、それらは広範囲のノイズモデルに適応でき、本格的なコンピューターがなくても専用チップで簡単に実行できるという動機があります。 後者の機能は、高速で低温で動作する能力につながる可能性があります。 ただし、これまでの研究で取り上げられていない問題は、ニューラルネットワークデコーダーが距離の長い2Dトポロジーコードを処理できるかどうかです。 この作業では、トーリックコード[1]。 ニューラルネットワークデコーダーの構造は、くりこみ群デコーダー[2,3]。 トレーニング時間に関するかなり厳密なポリシーにより、ビットフリップエラーレートが$ 9％$より低く、シンドローム抽出が完全な場合、コード距離が増加するとニューラルネットワークデコーダーのパフォーマンスが向上します。 それほど厳密ではないポリシーでは、ニューラルデコーダーが最小重みの完全一致アルゴリズムに近いパフォーマンスを達成することは難しくありません。 数値シミュレーションは、コード距離$ d = 64 $まで実行されます。 最後に重要なことですが、失敗したアプローチをいくつか説明し、分析します。 これらは、ニューラルデコーダーの最終的な設計に私たちを導きますが、ストックディープニューラルネットワークの多様性を測定する際の注意としても役立ちます。 ニューラルデコーダーのソースコードは、[4].
►BibTeXデータ
►参照
【1] A.Yu キタエフ。 エニオンによるフォールトトレラントな量子計算。 Annals of Physics、303（1）：2–30、jan 2003. 10.1016 / s0003-4916（02）00018-0。
https://doi.org/10.1016/s0003-4916(02)00018-0
【2] ギヨーム・デュクロス・シアンチとデビッド・ポーリン。 トポロジカル量子コードの高速デコーダー。 物理的なレビューレター、104（5）：050504、2010。10.1103 / PhysRevLett.104.050504。
https：/ / doi.org/ 10.1103 / PhysRevLett.104.050504
【3] GuillaumeDuclos-CianciとDavidPoulin。 アーベルトポロジカルコード用のフォールトトレラントくりこみ群デコーダ。 Quantum Information＆Computation、14（9-10）：721–740、2014。
【4] https：/ / github.com/ XiaotongNi / toric-code-neural-decoder。
https：/ / github.com/ XiaotongNi / toric-code-neural-decoder
【5] ポールバイロイター、トーマスE.オブライエン、ブライアンタラシンスキー、カルロWJビナッカー。 トポロジーコード内の相関キュービットエラーの機械学習支援による修正。 Quantum、2：48、2018年10.22331月。2018/ q-01-29-48-XNUMX。
https://doi.org/10.22331/q-2018-01-29-48
【6] Savvas Varsamopoulos、Ben Criger、Koen Bertels。 フィードフォワードニューラルネットワークを使用した小さな表面コードのデコード。 量子科学と技術、3（1）：015004、2017年10.1088月。2058/ 9565-955 / aaXNUMXa。
https：/ / doi.org/ 10.1088 / 2058-9565 / aa955a
【7] ジャコモトルライとロジャーGメルコ。 トポロジーコード用のニューラルデコーダー。 Physical Review Letters、119（3）：030501、2017。10.1103 / PhysRevLett.119.030501。
https：/ / doi.org/ 10.1103 / PhysRevLett.119.030501
【8] Nikolas P. BreuckmannおよびXiaotong Ni。 高次元量子コード用のスケーラブルなニューラルネットワークデコーダー。 Quantum、2：68、2018年10.22331月。2018/ q-05-24-68-XNUMX。
https://doi.org/10.22331/q-2018-05-24-68
【9] Paul Baireuther、MD Caio、B Criger、Carlo WJ Beenakker、およびThomas E O'Brien。 回路レベルのノイズを含むトポロジーカラーコード用のニューラルネットワークデコーダー。 New Journal of Physics、21（1）：013003、2019. 10.1088 / 1367-2630 / aaf29e。
https：/ / doi.org/ 10.1088 / 1367-2630 / aaf29e
【10] ステファン・クラスタノフと梁江。 安定化コード用のディープニューラルネットワーク確率的デコーダー。 科学レポート、7（1）、2017年10.1038月。41598/ s017-11266-1-XNUMX。
https://doi.org/10.1038/s41598-017-11266-1
【11] Nishad Maskara、Aleksander Kubica、Tomas Jochym-O'Connor。 トポロジー・コードのための多目的ニューラル・ネットワーク・デコーディングの利点。 物理レビューA、99（5）：052351、2019。10.1103 / PhysRevA.99.052351。
https：/ / doi.org/ 10.1103 / PhysRevA.99.052351
【12] クリストファーチェンバーランドとプーヤロナ。 短期的なフォールトトレラントな実験のためのディープニューラルデコーダー。 Quantum Science and Technology、3（4）：044002、2018年10.1088月。2058/ 9565-1 / aad7fXNUMX。
https://doi.org/10.1088/2058-9565/aad1f7
【13] ヤン・ルクンら 一般化とネットワーク設計戦略。 コネクショニズムの視点、ページ143–155、1989年。
【14] Alex Krizhevsky、Ilya Sutskever、Geoffrey E Hinton。 深い畳み込みニューラルネットワークによるImagenetの分類。 F. Pereira、CJC Burges、L。Bottou、およびKQ Weinbergerの編集者、Advance in Neural Information Processing Systems 25、1097〜1105ページ。 Curran Associates、Inc.、2012年。
【15] アレクサンドルアティアとシャローネダヤン。 模倣学習のグローバルな概要。 2018. URL https：/ / arxiv.org/ abs / 1801.06503。
arXiv：1801.06503
【16] Eliya Nachmani、Yair Be'ery、David Burshtein。 深層学習を使用して線形コードをデコードすることを学ぶ。 2016年には、コミュニケーション、制御、およびコンピューティングに関する第54回アラトン会議（アラートン）。 IEEE、2016年10.1109月。2016.7852251/ allerton.XNUMX。
https：/ / doi.org/ 10.1109 / allerton.2016.7852251
【17] セルゲイ・イオフェとクリスチャン・セゲディ。 バッチ正規化：内部共変量シフトを削減することにより、ディープネットワークトレーニングを加速します。 2015。URLhttps：/ / arxiv.org/ abs / 1502.03167。
arXiv：1502.03167
【18] ノーマンPジョウピ、アルボーチャーズ、リックボイル、ピエールリュックカンティン、クリフォードチャオ、クリスクラーク、ジェレミーコリエル、マイクデイリー、マットダウ、ジェフリーディーン、ベンゲルブ、クリフヤング、タラヴァジルゲアンマガミ、ラジェンドラゴッティパティ、ウィリアムガルランド、ロバートハグマン、C。リチャードホー、ダグホグバーグ、ジョンヒュー、ロバートハント、ダンハート、ジュリアンイバルツ、ニシャントパティル、アーロンジャフィー、アレクヤウォルスキー、アレクサンダーカプラン、ハーシットハイタン、ダニエルキレブリュー、アンディコッホ、ナヴィーンクマール、スティーブレイシー、ジェームスLaudon、James Law、David Patterson、Diemthu Le、Chris Leary、Zhuyuan Liu、Kyle Lucke、Alan Lundin、Gordon MacKean、Adriana Maggiore、Maire Mahony、Kieran Miller、Rahul Nagarajan、Gaurav Agrawal、Ravi Narayanaswami、Ray Ni、Kathy Nix、トーマスノーリー、マークオメルニック、ナラヤナペヌコンダ、アンディフェルプス、ジョナサンロス、マットロス、アミールサレック、ラミンダーバジワ、エマドサマディアニ、クリスセヴァーン、グレゴリーシジコフ、マシュースネラム、ジェドスーター、ダンスタインバーグ、アンディスイング、メルセデスタン、グレゴリーソーソン、Bo Tian、Sarah Bates、Horia Toma、Erick Tuttle、Vijay Va sudevan、Richard Walter、Walter Wang、Eric Wilcox、Doe Hyun Yoon、Suresh Bhatia、Nan Boden。 テンソル処理ユニットのデータセンター内パフォーマンス分析。 コンピュータアーキテクチャに関する第44回年次国際シンポジウムの議事録– ISCA '17。 ACM Press、2017。10.1145/ 3079856.3080246。
https：/ / doi.org/ 10.1145 / 3079856.3080246
【19] マルティン・アバディ、アシッシュ・アガルワル、ポール・バーハム、ユージーン・ブレブド、ジフェン・チェン、クレイグ・シトロ、グレッグ・S・コラード、アンディ・デイヴィス、ジェフリー・ディーン、マシュー・デヴィン、サンジェイ・ゲマワット、イアン・グッドフェロー、アンドリュー・ハープ、ジェフリー・アーヴィング、マイケル・アイサード、ヤンキン・ジアラファル・ヨゼフォウィッチ、ルカシュ・カイザー、マンジュナート・クドゥル、ジョシュ・レーベンバーグ、タンポポ・マネ、ラジャット・モンガ、シェリー・ムーア、デレク・マレー、クリス・オラー、マイク・シュスター、ジョナソン・シュレンズ、ベノワ・シュタイナー、イリヤ・サトスケバー、クナル・タルワール、ポール・タックデ・ヴィンジェイ・ヴァインジェイ・ヴァンジェイ、FernandaViégas、Oriol Vinyals、Pete Warden、Martin Wattenberg、Martin Wicke、Yuan Yu、Xiaoqiang Zheng。 TensorFlow：2015年の異種システムでの大規模機械学習。URLhttps：/ / www.tensorflow.org/。 tensorflow.orgから入手できるソフトウェア。
https：/ / www.tensorflow.org/
【20] ID Conway Lamb、JI Colless、JM Hornibrook、SJ Pauka、SJ Waddy、MK Frechtling、DJ Reilly。 極低温で使用するためのFPGAベースの計測プラットフォーム。 Scientific Instrumentsのレビュー、87（1）：014701、2016年10.1063月。1.4939094/ XNUMX。
https：/ / doi.org/ 10.1063 / 1.4939094
【21] Yu Cheng、Duo Wang、Pan Zhou、Tao Zhang。 ディープニューラルネットワークのモデルの圧縮と加速：原理、進歩、課題。 IEEE Signal Processing Magazine、35（1）：126–136、jan 2018. 10.1109 / msp.2017.2765695。
https：/ / doi.org/ 10.1109 / msp.2017.2765695
【22] ウラジミール・コルモゴロフ。 Blossom v：最小コストの完全一致アルゴリズムの新しい実装。 数理プログラミング計算、1（1）：43–67、2009年10.1007月。12532/ s009-0002-8-XNUMX。
https://doi.org/10.1007/s12532-009-0002-8
【23] Aric Hagberg、Dan Schult、Pieter Swartなど。 Networkx、2004–。 URL https：/ / networkx.github.io/。
https：/ / networkx.github.io/
【24] ガブリエル・ゴー。 勢いが実際に機能する理由。 蒸留、2017。10.23915 / distill.00006。
https：/ / doi.org/ 10.23915 / distill.00006
【25] Yoshua BengioとYann LeCun。 AIへの学習アルゴリズムのスケーリング。 大規模カーネルマシン、34（5）：1–41、2007。
【26] Dumitru Erhan、Yoshua Bengio、Aaron Courville、Pierre-Antoine Manzagol、Pascal Vincent、Samy Bengio。 教師なしの事前トレーニングがディープラーニングに役立つのはなぜですか？ Journal of Machine Learning Research、11（625月）：660–2010、XNUMX年。
【27] Andrew L Maas、Awni Y Hannun、Andrew Y Ng。 整流器の非線形性は、ニューラルネットワークの音響モデルを改善します。 機械学習に関する第30回国際会議の議事録、JMLRワークショップと会議議事録の第28巻、米国ジョージア州アトランタ、2013年。
【28] ディーデリクキングマとジミーバ。 Adam：確率的最適化の方法。 第3回国際学習学習会議、サンディエゴ、2015年。URLhttps：/ / arxiv.org/ abs / 1412.6980。
arXiv：1412.6980
によって引用
[1] Ryan Sweke、Markus S. Kesselring、Evert PL van Nieuwenburg、およびJens Eisert、「フォールトトレラントな量子計算のための強化学習デコーダ」、 arXiv：1810.07207.
[2] Hendrik Poulsen Nautrup、Nicolas Delfosse、Vedran Dunjko、Hans J. Briegel、Nicolai Friis、「強化学習による量子誤り訂正コードの最適化」、 arXiv：1812.08451.
[3] Ye-Hua Liu氏とDavid Poulin氏、「量子誤り訂正符号用のニューラル信念伝播デコーダー」、 フィジカルレビューレター122 20、200501（2019）.
[4] Chaitanya Chinni、Abhishek Kulkarni、Dheeraj M. Pai、Kaushik Mitra、およびPradeep Kiran Sarvepalli、「パリティチェックマトリックスの疑似逆行列を使用したトポロジコードのニューラルデコーダー」、 arXiv：1901.07535.
[5] Savvas Varsamopoulos、Koen Bertels、およびCarmen G. Almudever、「表面コードのニューラルネットワークベースのデコーダーの比較」、 arXiv：1811.12456.
[6] Savvas Varsamopoulos、Koen Bertels、およびCarmen G. Almudever、「分散ニューラルネットワークベースのデコーダーによる表面コードのデコード」、 arXiv：1901.10847.
[7] Nishad Maskara、Aleksander Kubica、およびTomas Jochym-O'Connor、「トポロジーコード用の多目的ニューラルネットワークデコードの利点」、 フィジカルレビューA 99 5、052351（2019）.
[8] Milap Sheth、Sara Zafar Jafarzadeh、およびVlad Gheorghiu、「トポロジカル量子エラー訂正コードのニューラルアンサンブルデコード」、 フィジカルレビューA 101 3、032338（2020）.
[9] Philip Andreasson、Joel Johansson、Simon Liljestrand、およびMats Granath、「深層強化学習を使用したトーリックコードの量子誤り訂正」、 arXiv：1811.12338.
[10] Agnes Valenti、Evert van Nieuwenburg、Sebastian Huber、およびEliska Greplova、「量子エラー訂正のためのハミルトニアン学習」、 フィジカルレビューリサーチ1 3、033092（2019）.
[11] Thomas Wagner、Hermann Kampermann、およびDagmarBruß、「トーリックコードの高レベルニューラルデコーダーの対称性」、 arXiv：1910.01662.
[12] Nicolas Delfosse、「量子コンピューティングのハードウェア要件を削減するための階層的デコード」、 arXiv：2001.11427.
[13] Poulami Das、Christopher A. Pattison、Srilatha Manne、Douglas Carmean、Krysta Svore、Moinuddin Qureshi、およびNicolas Delfosse、「フォールトトレラントな量子コンピューティングのためのスケーラブルなデコーダマイクロアーキテクチャ」、 arXiv：2001.06598.
[14] David Fitzek、Mattias Eliasson、Anton Frisk Kockum、およびMats Granath、「トーリックコードのノイズを脱分極するためのディープQラーニングデコーダー」、 フィジカルレビューリサーチ2 2、023230（2020）.
[15] Lingling LaoとCarmen G. Almudever、「フラグおよびブリッジキュービットを使用した短期量子プロセッサのフォールトトレラントな量子エラー修正」、 フィジカルレビューA 101 3、032333（2020）.
[16] Santiago VaronaおよびMiguel Angel Martin-Delgado、「ニューラルデコーダーを使用したSemionコードしきい値の決定」、 arXiv：2002.08666.
上記の引用は SAO / NASA ADS （最後に正常に更新された2020-08-26 04:30:59）。 すべての出版社が適切で完全な引用データを提供するわけではないため、リストは不完全な場合があります。
On Crossrefの被引用サービス 作品の引用に関するデータは見つかりませんでした（最後の試行2020-08-26 04:30:57）。
この論文は、 Creative Commons Attribution 4.0 International（CC BY 4.0） ライセンス。 著作権は、著者やその機関などの元の著作権者にあります。
