Códigos quânticos de correção de erros com aprendizado de máquina: aprendendo o código tórico
| Autor: | Rodriguez Fernandez, Carlos Gustavo |
|---|---|
| Přispěvatelé: | Universidade Estadual Paulista (Unesp), Aolita, Leandro |
| Jazyk: | angličtina |
| Rok vydání: | 2018 |
| Předmět: | |
| Zdroj: | Repositório Institucional da UNESP Universidade Estadual Paulista (UNESP) instacron:UNESP |
| Popis: | Submitted by Carlos Gustavo Rodriguez Fernandez (qwapun@hotmail.com) on 2018-12-20T18:04:51Z No. of bitstreams: 1 Tesis with Template with Second Page.pdf: 1373844 bytes, checksum: 1b72384aebc4c678667ecd816b79cf88 (MD5) Rejected by Hellen Sayuri Sato null (hellen@ift.unesp.br), reason: Solicitamos que realize correção na submissão, seguindo a orientação abaixo - o Campo título em outro idioma precisa ser preenchido com o título em português, visto que o título original é em inglês. on 2018-12-21T12:00:28Z (GMT) Submitted by Carlos Gustavo Rodriguez Fernandez (qwapun@hotmail.com) on 2018-12-21T13:14:49Z No. of bitstreams: 1 Tesis with Template with Second Page.pdf: 1373844 bytes, checksum: 1b72384aebc4c678667ecd816b79cf88 (MD5) Approved for entry into archive by Hellen Sayuri Sato null (hellen@ift.unesp.br) on 2018-12-21T13:58:17Z (GMT) No. of bitstreams: 1 rodriguezfernandez_cg_me_ift.pdf: 1373844 bytes, checksum: 1b72384aebc4c678667ecd816b79cf88 (MD5) Made available in DSpace on 2018-12-21T13:58:17Z (GMT). No. of bitstreams: 1 rodriguezfernandez_cg_me_ift.pdf: 1373844 bytes, checksum: 1b72384aebc4c678667ecd816b79cf88 (MD5) Previous issue date: 2018-12-14 Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) 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. We use supervised learning methods to study the error decoding in toric codes of different sizes. We study multiple error models, and obtain figures of the decoding efficacy as a function of the single qubit error rate. We also comment on how the size of the decoding neural networks and their training time scales with the size of the toric code. 149127/2016-2 |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|