Modeling and managing noise in quantum error correction
Notice bibliographique
Résumé
Simulating a quantum system to full accuracy is very costly and often impossible as we do not know the exact dynamics of a given system. In particular, the dynamics of measurement noise are not well understood. For this reason, and especially in the context of quantum error correction, where we are studying a larger system with branching outcomes due to syndrome measurement, studies often assume a probabilistic Pauli (or Weyl) noise model on the system with probabilistically misreported outcomes for the measurements. In this thesis, we explore methods to decrease the computational complexity of simulating encoded memory channels by deriving conditions under which effective channels are equivalent up to logical operations. Leveraging this method allows for a significant reduction in computational complexity when simulating quantum error correcting codes. We then propose methods to enforce a model consistent with the typical assumptions of stochastic Pauli (or Weyl) noise with probabilistically misreported measurement outcomes: first via a new protocol we call measurement randomized compiling, which enforces an average noise on measurements wherein measurement outcomes are probabilistically misreported; then by another new protocol we call logical randomized compiling, which enforces the same model on syndrome measurements and a probabilistic Pauli (or Weyl) noise model on all other operations (including idling). Together, these results enable more efficient simulation of quantum error correction systems by enforcing effective noise of a form which is easier to model and by reducing the simulation overhead further via symmetries. The enforced effective noise model is additionally consistent with standard error correction procedures and enables techniques founded upon the standard assumptions to be applied in any setting where our protocols are simultaneously applied.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».