利用神经解码器确定半子码阈值
量子物理
2020-09-23 v2 强关联电子
摘要
我们计算了半子码（semion code）的错误阈值，它是具有同样规范对称群 的 Kitaev 环面码（toric code）的伴码。统计力学映射方法对半子码极不适用，因为该码是非 Pauli 且非 CSS 的。因此，我们利用某些神经网络解码器——多层感知机与卷积神经网络（CNNs）——近乎最优的性能，采用机器学习方法。我们发现对于不相关比特翻转与相位翻转噪声，值为 ，而对于去极化噪声为 。我们将这些数值与用相同方法对六角晶格上 Kitaev 环面码的类似分析进行对比。对于卷积神经网络，我们使用 ResNet 架构，这使我们能够实现非常深的网络，并带来优于多层感知机方法的性能与可扩展性。我们详细分析并比较了两种方法，并给出明确论据支持 CNN 作为半子码最适宜数值方法的结论。
引用
@article{arxiv.2002.08666,
title = {Determination of the Semion Code Threshold using Neural Decoders},
author = {Santiago Varona and Miguel Angel Martin-Delgado},
journal= {arXiv preprint arXiv:2002.08666},
year = {2020}
}
备注
Minor corrections