基于统计力学的后选量子纠错阈值
计算机视觉与模式识别
2024-10-11 v1
摘要
我们确定了后选（post-selection）可在量子纠错（QEC）中可扩展使用的 regime，以提升性能。我们使用统计力学模型对后选 QEC 的性能和阈值进行解析量化，重点关注表面码。基于这些模型的非平衡磁化程度，我们识别出一种无需解码器的简单经验性后选技术。除性能提升外，这种经验方法使我们能够推导出后选条件逻辑阈值和中止阈值的解析表达式。我们发现，此类后选 QEC 由四种不同的热力学相组成，详细描述了这些相空间对实际可扩展量子计算的意义。
引用
@article{arxiv.2410.07597,
title = {Fine-detailed Neural Indoor Scene Reconstruction using multi-level importance sampling and multi-view consistency},
author = {Xinghui Li and Yuchen Ji and Xiansong Lai and Wanting Zhang},
journal= {arXiv preprint arXiv:2410.07597},
year = {2024}
}
备注
7 pages, 3 figures, International Conference on Image Processing