XiaoMi-AI文件搜索系统
World File Search System错误校正
DNA数据存储中错误校正编码的挑战
。cc-by-nc-nd 4.0国际许可证（未获得同行评审证书）获得的是作者/资助者，他已授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权所有，该版本发布于2024年7月4日。 https://doi.org/10.1101/2024.07.04.602085 doi：Biorxiv Preprint
克服量子错误校正中的泄漏
量子信息从量子的两个计算状态中泄漏到其他能量状态是量子误差校正的主要挑战。在操作错误校正算法期间，泄漏会随着时间的推移而构建，并通过多数相互作用扩散。这会导致相关的误差，从而降低了逻辑误差的指数抑制，从而挑战了量子误差校正的可行性，这是通往耐故障量子计算的路径。在这里，我们在一个量子处理器上演示了一个距离3的表面代码和距离-21位 - 翼型式代码，该量子处理器为每个循环中的所有量子机删除泄漏。这缩短了泄漏的寿命，并削弱了其传播和引起相关错误的能力。我们报告了编码逻辑状态的数据量量量量的稳态泄漏人群的降低，整个设备的平均泄漏群体低于1×10 -3。我们的泄漏清除过程有效地将系统返回到计算基础上。将其添加到代码电路中会防止泄漏诱导跨周期的相关误差。通过这种证明可以包含泄漏的证明，我们已经解决了在大规模上进行实用量子误差校正的关键挑战。
迈向经典错误校正量子内存
基于数值优化的实现实际设备门和参数，我们研究了相位频率（重复）代码的性能，该代码在载有单粒细胞量子量子的线性芯片（GAAS）量子点的线性阵列上。我们首先使用电路级别和现象学噪声的简单误差模型来检查代码的预期性能，例如，报告的电路级去极化噪声阈值约为3％。然后，我们使用最大样本和最小匹配的解码器进行密度 - 矩阵模拟，以研究实现真实设备的消除，读出误差以及准危机以及快速门噪声的效果。考虑到量子读数误差与dephasing时间（t 2）之间的权衡，我们确定了位于实验范围内的相位闪光代码的子阈值区域。
对称性断裂和开放量子中的错误校正...
破坏对称性的过渡是量子光学，冷凝物质和高能量物理学中封闭量子系统的一种充分理解的现象。然而，开放系统中的对称性破裂还不太了解，部分原因是这种系统所拥有的较丰富的稳态和对称结构。对于典型的开放系统（lindbladian），可以以“弱”或“强”的方式强加一种单一的对称性。我们表征了两种情况下可能的z n对称破坏过渡。在Z 2的情况下，弱对称性相位相位最多可以保证经典的位稳态结构，而强对称性相对的相位则是部分保护的稳态量子。通过强度破坏的镜头查看光子猫量子，我们展示了如何在任何差距具有差距的强度误差后动态恢复逻辑信息；这种恢复在光子的数量中迅速呈指数指数级别。我们的研究建立了驱动驱动性相变和误差校正之间的联系。
量子错误校正代码的容忍故障操作
量子误差校正通过在较大的量子系统中编码它来保护脆弱的量子信息，该系统的额外自由度可以检测和纠正错误。与裸露的物理量子相比，编码的逻辑量子标论具有折磨的复杂性。易于故障的协议包含错误的扩散，对于通过错误校正的逻辑量子定量抑制错误至关重要。在这里，我们在实验上证明了容忍缺陷的制备，旋转，误差综合征提取以及对9 QUITAR培根 - 培根代码中编码的逻辑量子的测量。对于逻辑量子，我们测量了平均易耐故障的准备和测量误差为0.6％，横向Clifford Gate的误差为0.3％。结果是一个编码的对数量子，其逻辑实现超出了用于创建它的纠缠操作的结合。我们将这些操作与能够生成任意逻辑状态的非耐受耐受的协议进行了比较，并观察了预期的误差增加。我们直接测量了四个培根 - 稳定器发生器，并能够检测到单量子的Pauli错误。这些结果表明，易于故障的量子系统目前能够使用错误率低于其组成部分的逻辑基原始人。随着未来的中间测量值的添加，可以实现可伸缩量子误差校正的全部功能。
基于GPS/ ... div>的基于预测的机器学习的错误校正
摘要。精确的定位对于自动驾驶汽车的安全至关重要因素和有效导航至关重要。这项应用研究研究了机器学习模型的使用，用于估计，预测和纠正全球定位系统（GPS）/惯性测量单元（IMU）在室内和室外应用程序中的本地化。这种正在进行的开发旨在通过利用探索性数据分析（EDA）和实施诸如线性回归，随机森林回归和决策树回归器等模型来提高本地化准确性。评估是用平方误差（MSE）度量进行的，对于决策树，线性回归和随机森林模型，得出1.7069427028104143𝑒-05的值。结果表明，具有最高性能的模型是通过评估平均平方误差（MSE）值来确定的。
通过量子错误校正调整量子计算隐私
摘要 - 量词计算是有效解决大型和高复杂性问题的有希望的范式。为了保护量子计算隐私，开创性的研究工作为重新定义差异隐私（DP）（即量子差异隐私（QDP）（QDP））以及量子计算产生的固有的噪声而采取的差异性隐私（DP）。但是，这种实施方法受到固有噪声量的限制，这使得QDP机制的隐私预算固定和无法控制。为了解决这个问题，在本文中，我们建议利用量子误差校正（QEC）技术来减少量子计算错误，同时调整QDP中的隐私保护水平。简而言之，我们通过决定是否在多个单个量子门电路的门上应用QEC操作来逐渐降低量子噪声错误率。我们为QEC操作后的一般错误率和相应的隐私预算提供了一个新的计算公式。然后，我们使用多级串联QEC操作来扩展以实现进一步的降噪。通过大量的数值模拟，我们证明QEC是调节量子计算中隐私保护程度的可行方法。索引术语 - Quantum Computing，量子噪声，不同的隐私，量子错误校正
基准计算机学习模型用于量子错误校正
量子误差校正（QEC）是量子计算机系统中的基本问题之一，旨在检测和纠正量子计算机中数据量的错误。由于现有量子计算机中存在不可靠的数据量位，实现量子误差校正是建立稳定的量子计算机系统时的关键步骤。最近，已经提出了基于机器学习（ML）的方法来应对这一挑战。但是，他们缺乏对量子误差校正的透彻理解。为了弥合这一研究差距，我们提供了一种新的观点，可以在本文中了解基于机器学习的QEC。我们发现，Ancilla Qubits中的综合征是由连接数据量量的错误导致的，并且远处的Ancilla Qubits可以提供辅助信息，以排除对数据量值的一些不正确的预测。因此，要检测数据量表中的错误，我们必须考虑远程Ancilla Qubits中存在的信息。据我们所知，在QEC的依赖关系中，机器学习的探索较少。为了填充空白，我们策划了一个机器学习基准，以评估捕获量子误差校正的远程依赖性的能力。为了提供全面的评估，我们评估了七种最先进的深度学习算法，这些算法涵盖了各种神经网络架构，例如卷积神经网络，图形神经网络和图形变压器。我们的详尽实验揭示了一种启发性的趋势：通过扩大接受场来利用遥远的附词量子的信息，QEC的准确性显着提高。例如，U-NET可以提高CNN的余量约50％。最后，我们提供了一项全面的分析，可以激发该领域的未来研究。该代码在补充材料中可用。
超导电路中的工程多光子耗散用于量子错误校正
1简介2 1.1量子信息。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4 1.2量子误差校正。。。。。。。。。。。。。。。。。。。。。。。。。。。5 1.2.1经典误差校正。。。。。。。。。。。。。。。。。。。。。。。5 1.2.2位较高校正。。。。。。。。。。。。。。。。。。。。。。。。。。。7 1.3古典计算机记忆。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>81。1.31动态RAM。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 91。1.3.2静态RAM。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 10 1.3.3.3结论。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div>81。1.31动态RAM。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>91。1.3.2静态RAM。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 10 1.3.3.3结论。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div>91。1.3.2静态RAM。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>10 1.3.3.3结论。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>11 1.4经典力学中的双态系统。。。。。。。。。。。。。。。。。11 1.4.1驱动振荡器。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 1.4.2参数振荡器。。。。。。。。。。。。。。。。。。。。。。。。。。13 1.5超导电路。。。。。。。。。。。。。。。。。。。。。。。。。。。。14 1.6大纲。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。16
通过深钢筋学习发现量子错误校正代码
相关工作：QEC代码构建的先前计算方法仅限于找到与图形[3]相关的代码子类（但不是编码电路）的子类，或者基于昂贵的数值贪婪搜索查找稳定器代码[4]。也已经开发了基于ML的方法，例如[5 - 8]。[7]还设定了寻找代码及其编码电路的任务，但这是使用涉及连续参数化门的各种量子电路完成的，这导致了更为昂贵的数值模拟，最终仅是近似QEC方案。我们基于RL的方法不依赖于任何人提供的电路Ansatz，可以直接使用任何给定的离散门集，并且能够利用高效的Clifford模拟。特别是，我们能够发现较大量子数（14 vs 15）和较大的代码距离（4 vs 5）的代码和编码电路。