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 eficá...
Main Author: | |
---|---|
Other Authors: | |
Format: | Others |
Language: | Portuguese English |
Published: |
São Paulo,
2018
|
Subjects: | |
Online Access: | http://hdl.handle.net/11449/180319 |
Summary: | 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 |
---|