抽象拓扑校正代码,尤其是表面代码,目前为大规模容忍量子计算提供了最可行的路线图。因此,在实验性现实且具有挑战性的综合征测量值的背景下,在无需任何最终读取物理量子的情况下,获得了这些代码的快速,灵活解码算法至关重要。在这项工作中,我们表明,解码此类代码的问题自然可以作为解码剂与代码环境之间重复相互作用的过程进行重新重新校正,可以将强化学习的机械应用于该过程,以获取解码剂。原则上,该框架可以通过对环境建模电路噪声进行实例化,但我们通过使用DEEPQ学习来朝着该目标迈出第一步,以获取各种简化的现象学噪声模型的解码剂,这些模型会产生故障综合征测量值,而不包括在完整电路噪声模型中出现的错误的传播。
主要关键词