量子神经网络作为量子信息解码器的优势
量子物理
2024-01-15 v1 无序系统与神经网络
人工智能
机器学习
摘要
保护量子信息免受噪声诱导错误的一个有前景的策略是将其编码到拓扑量子存储器件的低能态中。然而，在现实环境下这种存储器的读出错误尚不明确。我们研究了在存在一般性扰动(如淬火无序)的情况下，解码编码在拓扑稳定子哈密顿量基空间中的量子信息的问题。我们首先证明，标准的基于稳定子的纠错和解码方案在这样的扰动量子码中工作得足够好，通过显示解码误差随底层未扰动码的距离呈指数衰减。然后我们证明量子神经网络(QNN)解码器在读出误差上提供了几乎二次方的改进。因此，我们证明了使用QNN解码现实量子纠错码的可证明优势，并且我们的结果使得在近期实验室环境中探索更广泛的非稳定子码成为可能。
引用
@article{arxiv.2401.06300,
title = {Advantage of Quantum Neural Networks as Quantum Information Decoders},
author = {Weishun Zhong and Oles Shtanko and Ramis Movassagh},
journal= {arXiv preprint arXiv:2401.06300},
year = {2024}
}
备注
25 pages, 5 figures