使用数据增强神经模型减轻噪声无意识的量子错误
Manwen Liao1, Yan Zhu1, Giulio Chiribella1,2,3
1QICI Quantum Information and Computation Initiative, Department of Computer Science, The University of Hong Kong, Pok Fu Lam, Hong Kong.
概括
这项研究引入了一种用于量子误差缓解的新型神经模型. 它有效地纠正量子计算中的错误,而不需要先前的噪音信息或无噪音训练数据.
科学领域:
- 量子计算是一种量子计算.
- 人工智能的人工智能
背景情况:
- 量子误差缓解对于近期的量子技术至关重要.
- 当前的方法往往需要详细了解噪声参数.
- 现有的神经网络方法需要对理想的无噪声数据进行培训.
研究的目的:
- 开发一种不需要先前的噪声模型知识的量子误差缓解技术.
- 从理想量子过程中消除对训练数据的需求.
- 创建适用于各种量子系统和噪音类型的多功能神经模型.
主要方法:
- 介绍了一种用于减轻量子错误的新型神经模型.
- 开发了一种量子增强技术,用于减轻错误.
- 将模型应用于量子电路和多体和连续变量量子系统的动力学.
主要成果:
- 在没有事先的噪音知识的情况下实现了有效的量子误差缓解.
- 在不需要无噪声训练数据的情况下证明了模型的能力.
- 在模拟的噪音电路和真实量子硬件上验证了方法.
结论:
- 开发的神经模型为量子误差缓解提供了强大的解决方案.
- 这种方法显著减少了应用误差缓解技术的先决条件.
- 该方法在各种量子计算场景中显示了广泛的适用性.


