MétaCan
Menu
Retour à la cohorte
Enregistrement W3122957456 · doi:10.1038/s41534-020-00352-4

Efficient modeling of superconducting quantum circuits with tensor networks

2019· article· en· W3122957456 sur OpenAlexaff
Agustín Di Paolo, Thomas E. Baker, Alexandre Foley, David Sénéchal, Alexandre Blais

Notice bibliographique

RevuearXiv (Cornell University) · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueQuantum many-body systems
Établissements canadiensCanadian Institute for Advanced ResearchInstitut quantiqueUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésQubitJosephson effectCharge qubitFlux qubitQuantum computerPhase qubitSuperconducting quantum computingDephasingPhysicsCoherence (philosophical gambling strategy)QuantumTensor (intrinsic definition)Computer scienceQuantum error correctionQuantum mechanicsSuperconductivityTopology (electrical circuits)Mathematics

Résumé

récupéré en direct d'OpenAlex

We introduce an efficient tensor network toolbox to compute the low-energy excitations of large-scale superconducting quantum circuits up to a desired accuracy. We benchmark this algorithm on the fluxonium qubit, a superconducting quantum circuit based on a Josephson junction array with over a hundred junctions. As an example of the possibilities offered by this numerical tool, we compute the pure-dephasing coherence time of the fluxonium qubit due to charge noise and coherent quantum phase slips, taking into account the array degrees of freedom corresponding to a Hilbert space as large as$~15^{180}$. Our algorithm is applicable to the wide variety of circuit-QED systems and may be a useful tool for scaling up superconducting-qubit technologies.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,041
Tête enseignante GPT0,165
Écart entre enseignants0,124 · 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

Citations29
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetQuantum many-body systemsTravaux en français237 207