1ซานาดู โตรอนโต ออนแทรีโอ M5G 2C8 แคนาดา
2Hearne Institute for Theoretical Physics and Department of Physics and Astronomy, Louisiana State University, Baton Rouge, LA สหรัฐอเมริกา
พบบทความนี้ที่น่าสนใจหรือต้องการหารือ? Scite หรือแสดงความคิดเห็นใน SciRate.
นามธรรม
การสูญเสียโฟตอนทำลายประสิทธิภาพของอุปกรณ์ควอนตัมโฟโตนิก ดังนั้นการปราบปรามผลกระทบของการสูญเสียโฟตอนจึงเป็นสิ่งสำคัญยิ่งสำหรับเทคโนโลยีควอนตัมโฟโตนิก เรานำเสนอสองแผนงานเพื่อลดผลกระทบของการสูญเสียโฟตอนสำหรับอุปกรณ์เก็บตัวอย่าง Gaussian Boson โดยเฉพาะอย่างยิ่ง เพื่อปรับปรุงการประมาณค่าความน่าจะเป็นในการสุ่มตัวอย่าง แทนที่จะใช้รหัสแก้ไขข้อผิดพลาดซึ่งมีราคาแพงในแง่ของค่าใช้จ่ายทรัพยากรฮาร์ดแวร์ แผนของเราต้องการการปรับเปลี่ยนฮาร์ดแวร์เพียงเล็กน้อยหรือไม่มีการดัดแปลงใดๆ เทคนิคการปราบปรามการสูญเสียของเราอาศัยการรวบรวมข้อมูลการวัดเพิ่มเติมหรือการประมวลผลภายหลังแบบคลาสสิกเมื่อได้รับข้อมูลการวัด เราแสดงให้เห็นว่าด้วยต้นทุนปานกลางในการประมวลผลโพสต์แบบคลาสสิก ผลกระทบของการสูญเสียโฟตอนสามารถระงับได้อย่างมีนัยสำคัญสำหรับการสูญเสียจำนวนหนึ่ง โครงร่างที่เสนอจึงเป็นตัวขับเคลื่อนหลักสำหรับการใช้งานอุปกรณ์ควอนตัมโฟโตนิกในระยะใกล้
ภาพเด่น: ลดผลกระทบจากการสูญเสียโฟตอนสำหรับสภาวะสุญญากาศแบบบีบสองโหมด ที่นี่ $P([n, n])$ คือความน่าจะเป็นที่จะตรวจพบรูปแบบตัวเลขโฟตอน $[n, n]$
สรุปยอดนิยม
► ข้อมูล BibTeX
► ข้อมูลอ้างอิง
[1] AG Fowler, M. Mariantoni, JM Martinis และ AN Cleland, รหัสพื้นผิว: สู่การคำนวณควอนตัมขนาดใหญ่ในทางปฏิบัติ, Phys. รายได้ ก 86, 032324 (2012).
https://doi.org/10.1103/PhysRevA.86.032324
[2] J. Preskill, Quantum Computing ในยุค NISQ และอื่นๆ, Quantum 2, 79 (2018)
https://doi.org/10.22331/q-2018-08-06-79
[3] S. Boixo, SV Isakov, VN Smelyanskiy, R. Babbush, N. Ding, Z. Jiang, MJ Bremner, JM Martinis และ H. Neven, การแสดงคุณลักษณะสูงสุดของควอนตัมในอุปกรณ์ระยะใกล้, Nature Physics 14, 595 (2018) .
https://doi.org/10.1038/s41567-018-0124-x
[4] S. Aaronson และ L. Chen รากฐานทางทฤษฎีความซับซ้อนของการทดลองควอนตัมสูงสุด arXiv:1612.05903
arXiv: 1612.05903v1
[5] F. Arute, et al., Quantum supremacy โดยใช้โปรเซสเซอร์ superconducting ที่ตั้งโปรแกรมได้, Nature 574, 505 (2019)
https://doi.org/10.1038/s41586-019-1666-5
[6] MJ Bremner, R. Jozsa และ DJ Shepherd การจำลองแบบคลาสสิกของการคำนวณเชิงควอนตัมการเดินทางหมายถึงการล่มสลายของลำดับชั้นพหุนาม การดำเนินการของราชสมาคม A: คณิตศาสตร์ กายภาพ และวิศวกรรมศาสตร์ 467, 459 (2011)
https://doi.org/10.1098/rspa.2010.0301
[7] MJ Bremner, A. Montanaro และ DJ Shepherd, ความซับซ้อนของกรณีเฉลี่ยเทียบกับการจำลองโดยประมาณของการคำนวณควอนตัมการเดินทาง, Phys. รายได้เลตต์ 117, 080501 (2016).
https://doi.org/10.1103/PhysRevLett.117.080501
[8] MJ Bremner, A. Montanaro และ DJ Shepherd บรรลุอำนาจสูงสุดของควอนตัมด้วยการคำนวณควอนตัมที่เบาบางและมีเสียงดัง Quantum 1, 8 (2017)
https://doi.org/10.22331/q-2017-04-25-8
[9] S. Aaronson, A. Arkhipov, ความซับซ้อนในการคำนวณของเลนส์เชิงเส้น, การดำเนินการของการประชุมสัมมนา ACM ประจำปีครั้งที่สี่สิบสามเกี่ยวกับทฤษฎีการคำนวณ, 333-342 (2011)
https://doi.org/10.1145/1993636.1993682
[10] CS Hamilton, R. Kruse, L. Sansoni, S. Barkhofen, C. Silberhorn, Christine และ I. Jex, Gaussian Boson Sampling, Phys. รายได้เลตต์ 119, 170501 (2017).
https://doi.org/10.1103/PhysRevLett.119.170501
[11] S. Rahimi-Keshari, AP Lund และ TC Ralph, Quantum Optics พูดอะไรเกี่ยวกับทฤษฎีความซับซ้อนในการคำนวณได้ สรีรวิทยา รายได้เลตต์ 114, 060501 (2015).
https://doi.org/10.1103/PhysRevLett.114.060501
[12] S. Rahimi-Keshari, TC Ralph และ CM Caves เงื่อนไขเพียงพอสำหรับการจำลองแบบคลาสสิกที่มีประสิทธิภาพของ Quantum Optics สรีรวิทยา รายได้ X 6, 021039 (2016).
https://doi.org/10.1103/PhysRevX.6.021039
[13] A. Peruzzo, J. McClean, P. Shadbolt, M. Yung, X. Zhou, PJ Love, A. Aspuru-Guzik และ JL O'brien, ตัวแก้ไขค่าลักษณะเฉพาะบนโปรเซสเซอร์ควอนตัมโฟโตนิก, Nature Communications 5, 4213 (2014).
https://doi.org/10.1038/ncomms5213
[14] E. Farhi, J. Goldstone และ S. Gutmann, อัลกอริธึมการปรับให้เหมาะสมเชิงควอนตัมโดยประมาณ, arXiv:1411.4028
arXiv: 1411.4028
[15] E. Farhi และ AW Harrow อำนาจสูงสุดของควอนตัมผ่านอัลกอริธึมการเพิ่มประสิทธิภาพโดยประมาณควอนตัม arXiv:1602.07674
arXiv: 1602.07674
[16] K. Temme, S. Bravyi และ JM Gambetta, การบรรเทาข้อผิดพลาดสำหรับวงจรควอนตัมความลึกสั้น, สรีรวิทยา รายได้เลตต์ 119, 180509 (2017).
https://doi.org/10.1103/PhysRevLett.119.180509
[17] Y. Li และ SC Benjamin โปรแกรมจำลองควอนตัมแบบแปรผันอย่างมีประสิทธิภาพที่รวมการลดข้อผิดพลาดที่ใช้งานอยู่ สรีรวิทยา รายได้ X 7, 021050 (2017)
https://doi.org/10.1103/PhysRevX.7.021050
[18] A. Kandala, K. Temme, AD Córcoles, A. Mezzacapo, JM Chow และ JM Gambetta การบรรเทาข้อผิดพลาดขยายขอบเขตการประมวลผลของโปรเซสเซอร์ควอนตัมที่มีเสียงดัง Nature 567, 491 (2019)
https://doi.org/10.1038/s41586-019-1040-7
[19] S. Endo, SC Benjamin และ Y. Li, การบรรเทาข้อผิดพลาดควอนตัมเชิงปฏิบัติสำหรับการใช้งานในอนาคตอันใกล้, สรีรวิทยา รายได้ X 8, 031027 (2018)
https://doi.org/10.1103/PhysRevX.8.031027
[20] C. Song, J. Cui, H. Wang, J. Hao, H. Feng, H. และ Li, Ying, การคำนวณควอนตัมพร้อมการลดข้อผิดพลาดสากลบนโปรเซสเซอร์ควอนตัมตัวนำยิ่งยวด, Science Advances 5, (2019)
https://doi.org/10.1126/sciadv.aaw5686
[21] S. Zhang, Y. Lu, K. Zhang, W. Chen, Y. Li, J. Zhang และ K. Kim, ประตูควอนตัมที่ลดข้อผิดพลาดเกินความถูกต้องทางกายภาพในระบบไอออนที่ติดอยู่, Nature Communications 11, 1 ( 2020).
https://doi.org/10.1038/s41467-020-14376-z
[22] X. Bonet-Monroig, R. Sagastizabal, M. Singh และ TE O'Brien, การลดข้อผิดพลาดต้นทุนต่ำโดยการตรวจสอบสมมาตร, Phys. รายได้ ก 98, 062339 (2018).
https://doi.org/10.1103/PhysRevA.98.062339
[23] R. Sagastizabal, X. Bonet-Monroig, M. Singh, MA Rol, CC Bultink, X. Fu, CH Price, VP Ostroukh, N. Muthusubramanian, A. Bruno, M. Beekman, N. Haider, TE O'Brien และ L. DiCarlo การลดข้อผิดพลาดจากการทดลองผ่านการตรวจสอบสมมาตรในควอนตัมไอเกนโซลเวอร์ที่แปรผัน สรีรวิทยา รายได้ A 100, 010302(R) (2019).
https://doi.org/10.1103/PhysRevA.100.010302
[24] S. McArdle, X. Yuan และ S. Benjamin, การจำลองควอนตัมดิจิทัลที่ลดข้อผิดพลาด, Phys. รายได้เลตต์ 122, 180501 (2019).
https://doi.org/10.1103/PhysRevLett.122.180501
[25] X. Bonet-Monroig, R. Sagastizabal, M. Singh และ TE O'Brien, การลดข้อผิดพลาดต้นทุนต่ำโดยการตรวจสอบสมมาตร, Phys. รายได้ ก 98, 062339 (2018).
https://doi.org/10.1103/PhysRevA.98.062339
[26] M. Cerezo, K. Sharma, A. Arrasmith และ PJ Coles, Variational quantum state eigensolver, arXiv:2004.01372.
arXiv: 2004.01372
[27] JR McClean, J. Romero, R. Babbush และ A. Aspuru-Guzik ทฤษฎีของอัลกอริธึมควอนตัมคลาสสิกแบบไฮบริดที่แปรผัน New Journal of Physics 18, 023023 (2016)
https://doi.org/10.1088/1367-2630/18/2/023023
[28] K. Sharma, S. Khatri, M. Cerezo และ PJ Coles ความยืดหยุ่นของเสียงของการรวบรวมควอนตัมแบบแปรผัน วารสารฟิสิกส์ใหม่ 22, 043006 (2020)
https://doi.org/10.1088/1367-2630/ab784c
[29] L. Cincio, K. Rudinger, M. Sarovar และ PJ Coles, Machine learning of noise-ressilient quantum circuits, PRX Quantum 2, 010324 (2021)
https://doi.org/10.1103/PRXQuantum.2.010324
[30] Y. Chen, M. Farahzad, S. Yoo และ T. Wei, เอกซเรย์ตรวจจับบนคอมพิวเตอร์ควอนตัมของ IBM และการบรรเทาการวัดที่ไม่สมบูรณ์, Phys. รายได้ A 100, 052315 (2019).
https://doi.org/10.1103/PhysRevA.100.052315
[31] MR Geller และ M. Sun, การแก้ไขข้อผิดพลาดในการวัดแบบ multiqubit อย่างมีประสิทธิภาพ, arXiv:2001.09980
arXiv: 2001.09980
[32] L. Funcke, T. Hartung, K. Jansen, S. Kühn, P. Stornati และ X. Wang, การลดข้อผิดพลาดในการวัดในคอมพิวเตอร์ควอนตัมผ่านการแก้ไข bit-flip แบบคลาสสิก, arXiv:2007.03663
arXiv: 2007.03663
[33] H. Kwon และ J. Bae แนวทางควอนตัมคลาสสิกแบบไฮบริดเพื่อลดข้อผิดพลาดในการวัดในอัลกอริธึมควอนตัม ธุรกรรม IEEE บนคอมพิวเตอร์ (2020)
https://doi.org/10.1109/TC.2020.3009664
[34] JR McClean, ME Kimchi-Schwartz, J. Carter และ WA de Jong, ลำดับชั้นควอนตัมคลาสสิกแบบไฮบริดสำหรับการบรรเทาการถอดรหัสและการกำหนดสถานะที่ตื่นเต้น Phys. รายได้ A 95, 042308 (2017)
https://doi.org/10.1103/PhysRevA.95.042308
[35] J. Sun, X. Yuan, T. Tsunoda, V. Vedral, SC Bejamin และ S. Endo, ลดเสียงรบกวนที่สมจริงในอุปกรณ์ควอนตัมระดับกลางที่มีเสียงดังในทางปฏิบัติ, Phys. รายได้ประยุกต์ 15, 034026 (2021).
https://doi.org/10.1103/PhysRevApplied.15.034026
[36] A. Strikis, D. Qin, Y. Chen, BC Benjamin และ Y. Li, การลดข้อผิดพลาดควอนตัมตามการเรียนรู้, arXiv:2005.07601
arXiv: 2005.07601
[37] P. Czarnik, A. Arrasmith, PJ Coles และ L. Cincio การลดข้อผิดพลาดด้วยข้อมูลวงจรควอนตัมของ Clifford, arXiv:2005.10189
arXiv: 2005.10189
[38] A. Zlokapa และ A. Gheorghiu แบบจำลองการเรียนรู้เชิงลึกสำหรับการทำนายเสียงรบกวนบนอุปกรณ์ควอนตัมระยะใกล้ arXiv:2005.10811
arXiv: 2005.10811
[39] J. Arrazola และ TR Bromley ใช้ Gaussian Boson Sampling เพื่อค้นหากราฟย่อยที่หนาแน่น Phys. รายได้เลตต์ 121, 030503 (2018).
https://doi.org/10.1103/PhysRevLett.121.030503
[40] K. Brádler, S. Friedland, J. Izaac, N. Killoran และ D. Su, กราฟ isomorphism และ Gaussian boson sampling, Spec. เมทริกซ์ 9, 166 (2021).
https://doi.org/10.1515/sppa-2020-0132
[41] M. Schuld, K. Brádler, R. Israel, D. Su และ B. Gupt, การวัดความคล้ายคลึงของกราฟด้วยเครื่องเก็บตัวอย่างโบซอนแบบเกาส์เซียน, Phys. รายได้ ก 101, 032314 (2020).
https://doi.org/10.1103/PhysRevA.101.032314
[42] K. Brádler, R. Israel, M. Schuld, and D. Su, ความเป็นคู่ที่เป็นหัวใจของการสุ่มตัวอย่าง Gaussian boson, arXiv:1910.04022.
arXiv: 1910.04022v1
[43] C. Weedbrook, S. Pirandola, R. García-Patrón, NJ Cerf, TC Ralph, JH Shapiro และ S. Lloyd, ข้อมูลควอนตัมเกาส์เซียน, รายได้ Mod. สรีรวิทยา 84, 621 (2012).
https://doi.org/10.1103/RevModPhys.84.621
[44] K. Brádler, P. Dallaire-Demers, P. Rebentrost, D. Su และ C. Weedbrook, Gaussian boson Sampling สำหรับการจับคู่ที่สมบูรณ์แบบของกราฟโดยพลการ, Phys. รายได้ A 98, 032310 (2018).
https://doi.org/10.1103/PhysRevA.98.032310
[45] H. Qi, DJ Brod, N. Quesada และ R. García-Patrón, Regimes of Classical Simulability for Noisy Gaussian Boson Sampling, Phys. รายได้เลตต์ 124, 100502 (2020).
https://doi.org/10.1103/PhysRevLett.124.100502
[46] WR Clements, PC Humphreys, BJ Metcalf, WS Kolthammer และ IA Walsmley, การออกแบบที่เหมาะสมที่สุดสำหรับอินเตอร์เฟอโรมิเตอร์อเนกประสงค์แบบหลายพอร์ต, Optica 3, 1460 (2016)
https://doi.org/10.1364/OPTICA.3.001460
[47] M. Reck, A. Zeilinger, HJ Bernstein, and P. Bertani, การบรรลุผลเชิงทดลองของตัวดำเนินการรวมที่ไม่ต่อเนื่องใดๆ, Phys. รายได้เลตต์ 73, 58 (1994).
https://doi.org/10.1103/PhysRevLett.73.58
[48] M. Jacques, A. Samani, E. El-Fiky, D. Patel, X. Zhenping และ DV Plant, การเพิ่มประสิทธิภาพของการออกแบบตัวเปลี่ยนเฟสเทอร์โมออปติกและการบรรเทาความร้อนของ crosstalk บนแพลตฟอร์ม SOI, Opt. ด่วน 27, 10456 (2019).
https://doi.org/10.1364/OE.27.010456
[49] A. Serafini, ตัวแปรต่อเนื่องควอนตัม: A Primer of Theoretical Methods (CRC Press, 2017).
[50] J. Huh, GG Guerreschi, B. Peropadre, JR McClean และ A. Aspuru-Guzik, การสุ่มตัวอย่าง Boson สำหรับโมเลกุล vibronic spectra, Nature Photonics 9, 615 (2015)
https://doi.org/10.1038/nphoton.2015.153
[51] S. Rahimi-Keshari, MA Broome, R. Fickler, A. Fedrizzi, TC Ralph และ AG White, การกำหนดลักษณะเฉพาะของเครือข่ายเชิงเส้นออปติคัล Opt. ด่วน 21, 13450 (2013)
https://doi.org/10.1364/OE.21.013450
[52] V. Giovannetti, AS Holevo และ R. García-Patrón, A Solution of Gaussian Optimizer Conjecture for Quantum Channels, Commun. คณิตศาสตร์. สรีรวิทยา 334, 1553 (2015).
https://doi.org/10.1007/s00220-014-2150-6
[53] R. García-Patrón, J. Renema และ V. Shchesnovich, การจำลองการสุ่มตัวอย่างโบซอนในสถาปัตยกรรมแบบสูญเสีย, Quantum 3, 169 (2019)
https://doi.org/10.22331/q-2019-08-05-169
[54] R. Kruse, CS Hamilton, L. Sansoni, S. Barkhofen, C. Silberhorn และ I. Jex, การศึกษาโดยละเอียดของการสุ่มตัวอย่างโบซอนแบบเกาส์, สรีรวิทยา. รายได้ A 100, 032326 (2019).
https://doi.org/10.1103/PhysRevA.100.032326
อ้างโดย
[1] M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C. Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R. McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio และ Patrick J. Coles, “Variational Quantum Algorithms”, arXiv: 2012.09265.
[2] Tyler Volkoff, Zoë Holmes และ Andrew Sornborger, “การรวบรวมสากลและ (ไม่มี-) ทฤษฎีบทอาหารกลางวันฟรีสำหรับการเรียนรู้ควอนตัมตัวแปรอย่างต่อเนื่อง”, arXiv: 2105.01049.
[3] Shreya P. Kumar, Leonhard Neuhaus, Lukas G. Helt, Haoyu Qi, Blair Morrison, Dylan H. Mahler และ Ish Dhand, “บรรเทาความไม่สมบูรณ์ของเลนส์เชิงเส้นผ่านการจัดสรรพอร์ตและการรวบรวม”, arXiv: 2103.03183.
[4] Saad Yalouz, Bruno Senjean, Filippo Miatto และ Vedran Dunjko, “การเข้ารหัสฟังก์ชันคลื่นโบซอนหลายตัวที่มีความสัมพันธ์อย่างมากบนคอมพิวเตอร์ควอนตัมโฟโตนิก: การประยุกต์ใช้กับแบบจำลอง Bose-Hubbard ที่น่าดึงดูดใจ”, arXiv: 2103.15021.
การอ้างอิงข้างต้นมาจาก are อบต./นาซ่าโฆษณา (ปรับปรุงล่าสุดสำเร็จ 2021-05-07 23:43:35 น.) รายการอาจไม่สมบูรณ์เนื่องจากผู้จัดพิมพ์บางรายไม่ได้ให้ข้อมูลอ้างอิงที่เหมาะสมและครบถ้วน
On บริการอ้างอิงของ Crossref ไม่พบข้อมูลอ้างอิงงาน (ความพยายามครั้งสุดท้าย 2021-05-07 23:43:33)
บทความนี้เผยแพร่ใน Quantum ภายใต้ the ครีเอทีฟคอมมอนส์แบบแสดงที่มา 4.0 สากล (CC BY 4.0) ใบอนุญาต ลิขสิทธิ์ยังคงอยู่กับผู้ถือลิขสิทธิ์ดั้งเดิม เช่น ผู้เขียนหรือสถาบันของพวกเขา
- "
- 100
- 11
- 2016
- 2019
- 2020
- 2021
- 39
- 7
- 84
- 9
- 98
- เข้า
- คล่องแคล่ว
- เพิ่มเติม
- ความได้เปรียบ
- ขั้นตอนวิธี
- อัลกอริทึม
- ทั้งหมด
- การจัดสรร
- การใช้งาน
- การใช้งาน
- ดาราศาสตร์
- ผู้เขียน
- ช่อง
- การเก็บรวบรวม
- คมนาคม
- การแปร
- คอมพิวเตอร์
- การคำนวณ
- ลิขสิทธิ์
- ข้อมูล
- การเรียนรู้ลึก ๆ
- มัน
- ออกแบบ
- อุปกรณ์
- ดิจิตอล
- ชั้นเยี่ยม
- พบ
- อนาคต
- เกตส์
- ฮาร์ดแวร์
- ฮาร์วาร์
- โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม
- HTTPS
- เป็นลูกผสม
- ไอบีเอ็ม
- อีอีอี
- ภาพ
- ข้อมูล
- สถาบัน
- International
- อิสราเอล
- IT
- JavaScript
- คีย์
- ใหญ่
- การเรียนรู้
- License
- รายการ
- รัฐหลุยเซียนา
- ความรัก
- เรียนรู้เครื่อง
- คณิตศาสตร์
- แบบ
- ใกล้
- เครือข่าย
- สัญญาณรบกวน
- ออนตาริ
- เปิด
- เลนส์
- กระดาษ
- แบบแผน
- ชำระ
- การปฏิบัติ
- ฟิสิกส์
- เวที
- การใช้งานจริง
- คำทำนาย
- นำเสนอ
- กด
- ราคา
- เชื้อปะทุ
- สำนักพิมพ์
- ควอนตัม
- คอมพิวเตอร์ควอนตัม
- การคำนวณควอนตัม
- ทรัพยากร
- แหล่งข้อมูล
- โรเบิร์ต
- วิทยาศาสตร์
- วิทยาศาสตร์
- จำลอง
- จำลอง
- เล็ก
- สังคม
- สถานะ
- สหรัฐอเมริกา
- ศึกษา
- พื้นผิว
- ระบบ
- เทคโนโลยี
- ร้อน
- โตรอน
- การทำธุรกรรม
- สากล
- มหาวิทยาลัย
- สูญญากาศ
- การตรวจสอบ
- กับ
- ปริมาณ
- W
- งาน
- โรงงาน
- X
- ปี
- หยวน
