MétaCan
Menu
Retour à la cohorte
Enregistrement W4360614840 · doi:10.3390/ma16072561

Material-Inherent Noise Sources in Quantum Information Architecture

2023· review· en· W4360614840 sur OpenAlexafffund
HeeBong Yang, Na Young Kim

Notice bibliographique

RevueMaterials · 2023
Typereview
Langueen
DomaineEngineering
ThématiqueAdvancements in Semiconductor Devices and Circuit Design
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesCanada First Research Excellence FundIndustry Canada
Mots-clésComputer scienceQuantum computerNoise (video)Quantum entanglementQuantumQuantum technologyQuantum informationQuantum information scienceScale (ratio)Coherence (philosophical gambling strategy)Computer engineeringOpen quantum systemArtificial intelligencePhysicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

NISQ is a representative keyword at present as an acronym for "noisy intermediate-scale quantum", which identifies the current era of quantum information processing (QIP) technologies. QIP science and technologies aim to accomplish unprecedented performance in computation, communications, simulations, and sensing by exploiting the infinite capacity of parallelism, coherence, and entanglement as governing quantum mechanical principles. For the last several decades, quantum computing has reached to the technology readiness level 5, where components are integrated to build mid-sized commercial products. While this is a celebrated and triumphant achievement, we are still a great distance away from quantum-superior, fault-tolerant architecture. To reach this goal, we need to harness technologies that recognize undesirable factors to lower fidelity and induce errors from various sources of noise with controllable correction capabilities. This review surveys noisy processes arising from materials upon which several quantum architectures have been constructed, and it summarizes leading research activities in searching for origins of noise and noise reduction methods to build advanced, large-scale quantum technologies in the near future.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,990
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0010,001

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 Opus0,046
Tête enseignante GPT0,290
Écart entre enseignants0,244 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations8
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetAdvancements in Semiconductor Devices and Circuit DesignTravaux en français237 207