机构名称：
¥ 1.0
摘要 — 当前的量子计算机受到非平稳噪声信道的影响，错误率很高，这削弱了它们的可靠性和可重复性。我们提出了一种基于贝叶斯推理的自适应算法，该算法可以根据变化的信道条件学习和减轻量子噪声。我们的研究强调了对关键信道参数进行动态推理以提高程序准确性的必要性。我们使用狄利克雷分布来模拟泡利信道的随机性。这使我们能够进行贝叶斯推理，从而可以提高时变噪声下概率误差消除 (PEC) 的性能。我们的工作证明了表征和减轻量子噪声的时间变化的重要性，这对于开发更准确、更可靠的量子技术至关重要。我们的结果表明，当使用与理想分布的 Hellinger 距离来衡量时，贝叶斯 PEC 的性能可以比非自适应方法高出 4.5 倍。索引词 — 设备可靠性、计算精度、结果可重复性、概率错误消除、自适应缓解、时空非平稳性、时变量子噪声、NISQ 硬件-软件协同设计
自适应缓解时变量子噪声
主要关键词
相关文件推荐
