Machine learning quantum error correction codes: learning the toric code

• Ano de defesa: 2018
• Autor(a) principal: Rodriguez Fernandez, Carlos Gustavo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Código tórico; Aprendizado de máquina; Toric code; Quantum error correction; Machine learning; Correção de erros quânticos; Código torico
• Link de acesso: http://hdl.handle.net/11449/180319

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.