MétaCan
Menu
Retour à la cohorte
Enregistrement W2325659777 · doi:10.1103/physreva.93.032322

Robust surface code topology against sparse fabrication defects in a superconducting-qubit array

2016· article· en· W2325659777 sur OpenAlexafffund
Yongchao Tang, Guo‐Xing Miao

Notice bibliographique

RevuePhysical review. A/Physical review, A · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Computing Algorithms and Architecture
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésQubitFabricationSuperconductivityTopology (electrical circuits)Surface (topology)Materials sciencePhysicsCondensed matter physicsQuantum mechanicsQuantumMathematicsCombinatoricsGeometry

Résumé

récupéré en direct d'OpenAlex

Superconducting qubits arrays have become one of the most promising architectures for the practical implementation of universal quantum computing with quantum error correction codes. Here we propose a defect-tolerant surface code topology which is resistant to sparse fabrication defects. The topology is equivalent to a disk folded into $N$ layers. A physically defective qubit can be replaced with a working physical qubit within the same unit cell from a different layer. Thereby sparse fabrication errors can be collected into one sacrificial layer and isolated from the working layers by turning off their controllable couplers. We propose two schemes to realize this robust topology. One is to use flux qubits, and the other is based on Xmon qubits. A modified quantum circuit for the stabilization cycle of the Xmon qubits scheme is developed. We calculate and compare the per-operation error thresholds for these two schemes and find that the error threshold for the modified quantum circuit is close to that for the original stabilization cycle. A possible way to implement the intersecting connections between different Xmon qubits on the circuit level is also provided.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,031
Tête enseignante GPT0,322
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical review. A/Physical review, AMême sujetQuantum Computing Algorithms and ArchitectureTravaux en français237 207