Quantum error mitigation and correction mediated by Yang-Baxter equation and artificial neural network

要約

量子コンピューティングは大きな可能性を示していますが、エラーが大きな課題となります。
この研究では、人工ニューラル ネットワーク (ANN) とヤン・バクスター方程式 (YBE) を使用して、量子誤差を軽減するための新しい戦略を検討します。
計算量が多い従来のエラー修正方法とは異なり、私たちは人為的なエラーの軽減を調査します。
この原稿では、量子エラー源の基本を紹介し、エラー軽減のために古典的な計算を使用する可能性を探ります。
Yang-Baxter 方程式は重要な役割を果たし、時間ダイナミクス シミュレーションを深さ一定の回路に圧縮できるようになります。
YBE を通じて制御されたノイズを導入することで、データセットを強化してエラーを軽減します。
量子シミュレーションからの部分データに基づいて ANN モデルをトレーニングし、時間発展する量子状態のエラーを修正する際のその有効性を実証します。

要約(オリジナル)

Quantum computing shows great potential, but errors pose a significant challenge. This study explores new strategies for mitigating quantum errors using artificial neural networks (ANN) and the Yang-Baxter equation (YBE). Unlike traditional error correction methods, which are computationally intensive, we investigate artificial error mitigation. The manuscript introduces the basics of quantum error sources and explores the potential of using classical computation for error mitigation. The Yang-Baxter equation plays a crucial role, allowing us to compress time dynamics simulations into constant-depth circuits. By introducing controlled noise through the YBE, we enhance the dataset for error mitigation. We train an ANN model on partial data from quantum simulations, demonstrating its effectiveness in correcting errors in time-evolving quantum states.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google