Return to search

Machine learning quantum error correction codes : learning the toric code /

Orientador: Mario Leandro Aolita / Banca:Alexandre Reily Rocha / Banca: Juan Felipe Carrasquilla / Resumo: Usamos métodos de aprendizagem supervisionada para estudar a decodificação de erros em códigos tóricos de diferentes tamanhos. Estudamos múltiplos modelos de erro, e obtemos figuras da eficácia de decodificação como uma função da taxa de erro de um único qubit. Também comentamos como o tamanho das redes neurais decodificadoras e seu tempo de treinamento aumentam com o tamanho do código tórico. / Abstract: We use supervised learning methods to study the error decoding in toric codes ofdifferent sizes. We study multiple error models, and obtain figures of the decoding efficacyas a function of the single qubit error rate. We also comment on how the size of thedecoding neural networks and their training time scales with the size of the toric code / Mestre

Identiferoai:union.ndltd.org:UNESP/oai:www.athena.biblioteca.unesp.br:UEP01-000911148
Date January 2018
CreatorsRodriguez Fernandez, Carlos Gustavo.
ContributorsUniversidade Estadual Paulista "Júlio de Mesquita Filho" Instituto de Física Teórica.
PublisherSão Paulo,
Source SetsUniversidade Estadual Paulista
LanguagePortuguese, English
Detected LanguagePortuguese
Typetext
Formativ, 43 f. :
RelationSistema requerido: Adobe Acrobat Reader

Page generated in 0.0022 seconds