量子容错计算

基本思想  

      容错量子计算的基本想法是,在合理编码后的量子态上直接量子计算,以至于不完全需要解码操作。假设有一个简单的量子电路,但不幸的是噪声影响着这个电路的每一个元件,包括量子态的制备、量子逻辑门、对输出的测量,甚至量子信息在电路中的简单传递。

                                                                一个简单量子线路 

        为了对抗噪声的影响,利用7量子比特steane码的纠错码编码方式,将原电路中的每一个量子比特用一个量子比特区块来表示代替。同时将原电路中的每一个逻辑门用作用在逻辑量子比特上的编码逻辑门来代替。

         用编码量子比特和编码逻辑操作的一个模拟实现,如果所有操作都是容错实现的那么输出的错误概率为O(p^{2}),p为单个器件的失败概率。

         通过周期性地在编码后的量子态上进行纠错操作,能够阻止错误在量子态中的积累,当然仅仅周期性的纠错是不足以阻止噪声的出现。原因是有两方面的,首先最重要的是编码逻辑门可能会导致错误的传播。如图编码的逻辑非门的错误会传到目标位置的量子比特上,即前者的错误会传到后者,为了让纠错能有效的消除噪声,在编码逻辑门执行过程中任何位置的错误,只能传到编码位置区块的少数位置。即这样的电路被称为容错电路。这样就可以用容错程序实现一系列量子逻辑门——阿达玛门、相位门、受控非门和\Pi /8门。量子纠缠第二个需要处理的问题是,纠错程序也会引入错误,因此必须小心设计纠错程序。

一个实例

        我们现在来仔细考察一个实现容错受控非门,以及容错纠错步骤的程序,如图所示。对这个电路的分析分为四步。第一步是进入电路的输入时刻,第二步是编码受控非门作用后的时刻,第三步是征状测量之后的时刻,第四步是恢复操作完成之后的时刻。我们的目标是指出这个电路在第一个编码区块引人两个或多个错误的概率大概是O(p^{2}),这里p是电路中单组成部分发生错误的概率。因为一个作用在第一个量子比特区块上的(假想的)完美解码程序,只有在该区块发生两个或多个错误时才会失败。因此,在上述电路完成之后,一个完美解码的量子态然包含错误的概率,跟电路作用之前相比至多大O(p^{2})。 

 

         为了证明这个程序在第一个量子比特区块中引入两个错误的概率是 O(p^{2}),我们来确定引入两个错误的所有可能性:

1.在第一步,在每个编码量子比特区块中都有一个已存在错误进入电路。这种情况有可能在输出的第一个量子比特区块中造成两个错误,因为,比如说第二区块中的错误可能会通过编码受控非门传播到第一个区块中来。假设到这步为止的所有操作都是容错的,我们可以认为,这种错误进入第一个区块的概率最多是c_{0p},这里c是一个常数,原因是在量子电路之前的阶段,肯定有类似的错误发生在征状测量或信息恢复步骤。c是在电路前一阶段的征状测量或信息恢复步骤里可能发生错误的位置的总数。如果为了简单起见,我们假设在第一步某个已存在单量子比特错误进入第二区块的概率也是c_{0p}。而且,这两个错误独立发生,那么它们同时发生的概率是c_{0}^{2}p^{2}。对下面描述的Steane编码构造来说,有6个不同的征状测量对co有贡献,每一个都大概有101个位置可能发生错误。再结合信息恢复操作涉及7个组成部分的事实,我们可以估计出c_{0}≈70。
2.一个已存在错误进人第一个或第二个量子比特区块,同时在容错受控非门执行期间发生一个错误。这种情况发生的概率是c_{1}p^{2},这里c1是类似错误可能发生的所有不同位置对的数量。就基于 Steane 编码的构造来说,之前我们提到过,两个区块中的每个有大概 70个可能的位置发生问题,导致一个错误进入电路,这样总共是140个位置。同时,有其他7个可能的位置在电路执行期间发生错误。因此,总共有a≈7x140≈103个可能的位置组发生一对错误。

3.在容错受控非门执行期间发生两个错误,这种情况发生的概率是c_{2}p^{2},这里c_{2}是可能发生错误对的数量,对Steane编码,c_{2}\approx 10^{2}

4.在受控非门执行阶段和征状测量中各发生一个错误。在输出中发生两个或多个错误的唯一可能是征状测量给出错误结果,其发生的概率是c_{3}p^{2},这里c_{3}是一个常数(对 Steane 编码来说c_{3}\approx 10^{2})。另外一种有意思,但其实无关紧要的情况是征状测量给出正确结果,此时受控非门引人的错误被正确诊断及纠正,因此输出中只剩下征状测量中引人的错误
5.征状测量中发生两个甚至多个错误,这种情况发生的概率是c_{4}p^{2},这里c4是错误可能发生5.的位置对的数量。对Steane 编码来说,c4≈702≈5x10^{3}
6.征状测量和信息恢复阶段各发生一个错误,这种情况发生的概率是c_{5}p^{2},这里c5是错误可能发生的位置对的数量。对Steane编码来说,c_{5}\approx 70*7\approx 500
7.信息恢复阶段发生两个甚至多个错误,这种情况发生的概率是cp?,这里c6是错误可能发生的位置对的数量。对 Steane编码来说,c_{6}\approx 7^{2}\approx 50

级联编码和阈值定理


        基于级联编码的想法,我们可以通过实现一个漂亮的构造来进一步降低等效的错误率。其大致的思路是将上述以编码的方式实现逻辑电路的方案重复执行,以分层的形式构造出一系列量子电路,Co(原本我们希望实现的电路),C,C…。在构造的第一阶段,原电路中的每个量子比特被编码成量子编码,而编码中的每个量子比特又被进一步编码,如图10-22所示可以无休止地重复这个过程。在构造的第二阶段,原电路C中的每个逻辑门,例如阿达玛门,在电路中被容错实现的编码阿达玛门及对应的纠错电路替代。然后,C中的每个基本组成部分在C中又被容错实现的部件和对应的纠错电路替代,如此反复。假设我们如此实现两层级联编码,而底层-即实际的物理量子比特层--组成部分的错误率是p,那么中间层(一层编码)的错误率将是c?,而最高层(二层编码)的错误率是c(cp?)。注意为了保证计算的结果正确,最高层的功能实现必须完全正确。因此,如果编码的级联层数是k,则最高层的错误率是(cp)2/c,而整个电路的尺寸将是d乘以原电路的尺寸,这里d是一个常数,代表着容错实现编码逻辑门和对应纠错所需基本操作的最大数目。
        如果我们希望如此实现一个包含p(n)个逻辑门的量子电路,这里,是问题的规模,p(n)是一个关于n的多项式。例如,这个电路可能是量子质因数分解算法的对应电路。假设我们希望最后以\epsilon的精度实现这个算法,那么算法中每个逻辑门的精度需要至少是\epsilon /p(n)。因此,级联编码的层数满足:

                                                                \frac{(c p)^{2^{k}}}{c}\leq \frac{\epsilon }{p(n)}                                                          (1)

才能实现目标。选取k的最小值,于是式子接近等号,再重写可得:

                                     d^{k}\approx (\frac{log(p(n)/c\epsilon )}{1/pc})^{logd}=O(poly(logp(n)/\epsilon ))                            (2)

poly为固定阶数的多项式,那么最终的电路包含

                ​​​​​​​        ​​​​​​​                        ​​​​​​​    O(poly(logp(n)/\epsilon )p(n))                                               (3)

个逻辑门,只比原电路的尺寸大多项式倍。

那么阈值定理:一个逻辑门数量为p(n)的量子电路可以被一个包含

        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​     O(poly(logp(n)/\epsilon )p(n))                                              (4)

个逻辑门的电路以至多为\epsilon的整体失败概率模拟实现,只要后者中单个组成部分的最大错误概率p低于某个常数阈值,即p< p_{th}\equiv 1/c,同时相关硬件中的噪声满足一些合理要求。

与阿达玛门、泡利门、泡利门不同,容错CNOT门需要steane编码,且泡利X和Z门,会导致错误的反向传播。

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/58429.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Redis 哨兵 总结

前言 相关系列 《Redis & 目录》《Redis & 哨兵 & 源码》《Redis & 哨兵 & 总结》《Redis & 哨兵 & 问题》 参考文献 《Redis的主从复制和哨兵机制详解》《Redis中的哨兵&#xff08;Sentinel&#xff09;》《【Redis实现系列】Sentinel自动故…

怎样取消默认逐份打印

如果你遇到打印任务不完成&#xff0c;无法打印下一张的情况&#xff0c;可以尝试下面步骤解决问题&#xff1a; 取消勾选 逐份打印 1、检查打印机状态&#xff1a; 确保打印机与电脑处于联机状态&#xff0c;指示灯应常亮&#xff1b; 2、取消“逐份打印”&#xff1a; 打…

音视频如何轻松转换?来看看这四款工具:

在这个数据普及的时代&#xff0c;视频图片文字等形式的记录&#xff0c;变成了我们习以为常&#xff0c;而传统的文字往往具有搞得信息密度和更强的传播力&#xff1b;我是经常需要将视频内容转换成文&#xff0c;深有体会当下时代将视频内容转化为文字的需求越来越旺盛了&…

highcharts的datalabels标签格式化

Highcharts的数据标签格式化 代码如下 plotOptions: {series: {dataLabels: {enabled: true,format: {y:.2f} mm}} },y就是当前数据点的值&#xff0c;.2f代表2位小数&#xff0c;效果如下图

卡尔曼滤波器-Kalmen Filter-1

卡尔曼滤波器是一种最优递归数据处理算法&#xff0c;它更像是一种观测器&#xff0c;而不是一般意义上的滤波器。卡曼滤波器的应用非常广泛&#xff0c;尤其是在导航当中。它的广泛应用是因为我们生活的世界中存在着大量的不确定性&#xff0c;当我们去描述一个系统的时候&…

YOLOV8 |搞懂检测头

代码: yaml结构的最后一层&#xff0c;接了前面三个层的&#xff0c;有3个检测头&#xff1a; # YOLOv8.0n head head:- [-1, 1, nn.Upsample, [None, 2, "nearest"]]- [[-1, 6], 1, Concat, [1]] # cat backbone P4- [-1, 3, C2f, [512]] # 12- [-1, 1, nn.Upsam…

池化层笔记

池化层 文章目录 池化层二维池化层超参数池化层的分类代码实现填充和步幅 多个通道 总结 卷积对位置敏感&#xff0c;可以检测垂直边缘。需要有一定程度的平移不变性&#xff0c;而在平时图片的拍摄&#xff0c;会因为图片的照明&#xff0c;物体位置&#xff0c;比例&#xff…

大数据-191 Elasticsearch - ES 集群模式 配置启动 规划调优

点一下关注吧&#xff01;&#xff01;&#xff01;非常感谢&#xff01;&#xff01;持续更新&#xff01;&#xff01;&#xff01; 目前已经更新到了&#xff1a; Hadoop&#xff08;已更完&#xff09;HDFS&#xff08;已更完&#xff09;MapReduce&#xff08;已更完&am…

mysql 5.7实现组内排序(连续xx天数)

需求&#xff1a;查询出连续登录的用户及其连续登录的天数 我先说一下思路&#xff1a;要实现连续登录的判断&#xff0c;可以找一下他们之间的规律。这里我拿一个用户来说&#xff0c;如果这个用户在1、2、3号都有登录记录&#xff0c;可以对这个用户的数据按照时间排序&…

J3学习打卡

&#x1f368; 本文为&#x1f517;365天深度学习训练营 中的学习记录博客&#x1f356; 原作者&#xff1a;K同学啊 DensNet模型 import matplotlib.pyplot as plt import tensorflow as tf from tensorflow.keras import layers, models, initializersclass DenseLayer(lay…

基于微信小程序的小区管理系统设计与实现(lw+演示+源码+运行)

摘 要 社会发展日新月异&#xff0c;用计算机应用实现数据管理功能已经算是很完善的了&#xff0c;但是随着移动互联网的到来&#xff0c;处理信息不再受制于地理位置的限制&#xff0c;处理信息及时高效&#xff0c;备受人们的喜爱。所以各大互联网厂商都瞄准移动互联网这个潮…

随机变量、取值、样本和统计量之间的关系

1. 随机变量 (Random Variable) 随机变量是用来量化随机现象结果的一种数学工具。随机变量是一个函数&#xff0c;它将实验结果映射到数值。随机变量可以是离散的或连续的。 离散随机变量&#xff1a;取有限或可数无限个值。例如&#xff0c;掷骰子的结果。连续随机变量&…

Matlab实现蚁群算法求解旅行商优化问题(TSP)(理论+例子+程序)

一、蚁群算法 蚁群算法由意大利学者Dorigo M等根据自然界蚂蚁觅食行为提岀。蚂蚁觅食行为表示大量蚂蚁组成的群体构成一个信息正反馈机制&#xff0c;在同一时间内路径越短蚂蚁分泌的信息就越多&#xff0c;蚂蚁选择该路径的概率就更大。 蚁群算法的思想来源于自然界蚂蚁觅食&a…

给哔哩哔哩bilibili电脑版做个手机遥控器

前言 bilibili电脑版可以在电脑屏幕上观看bilibili视频。然而&#xff0c;电脑版的bilibili不能通过手机控制视频翻页和调节音量&#xff0c;这意味着观看视频时需要一直坐在电脑旁边。那么&#xff0c;有没有办法制作一个手机遥控器来控制bilibili电脑版呢&#xff1f; 首先…

JavaEE初阶---网络原理之TCP篇(二)

文章目录 1.断开连接--四次挥手1.1 TCP状态1.2四次挥手的过程1.3time_wait等待1.4三次四次的总结 2.前段时间总结3.滑动窗口---传输效率机制3.1原理分析3.2丢包的处理3.3快速重传 4.流量控制---接收方安全机制4.1流量控制思路4.2剩余空间大小4.3探测包的机制 5.拥塞控制---考虑…

【C语言刷力扣】3216.交换后字典序最小的字符串

题目&#xff1a; 解题思路&#xff1a; 字典序最小的字符串&#xff1a;是指按照字母表顺序排列最前的字符串。即字符串在更靠前的位置出现比原字符串对应字符在字母表更早出现的字符。 枚举数组元素&#xff0c;尽早将较小的同奇偶的相邻字符交换。 char* getSmallestString…

Java:Map和Set练习

目录 查找字母出现的次数 只出现一次的数字 坏键盘打字 查找字母出现的次数 这道题的思路在后面的题目过程中能用到&#xff0c;所以先把这题给写出来 题目要求&#xff1a;给出一个字符串数组&#xff0c;要求输出结果为其中每个字符串及其出现次数。 思路&#xff1a;我…

【宠粉赠书】大模型项目实战:多领域智能应用开发

在当今的人工智能与自然语言处理领域&#xff0c;大型语言模型&#xff08;LLM&#xff09;凭借其强大的生成与理解能力&#xff0c;正在广泛应用于多个实际场景中。《大模型项目实战&#xff1a;多领域智能应用开发》为大家提供了全面的应用技巧和案例&#xff0c;帮助开发者深…

【商汤科技-注册/登录安全分析报告】

前言 由于网站注册入口容易被黑客攻击&#xff0c;存在如下安全问题&#xff1a; 暴力破解密码&#xff0c;造成用户信息泄露短信盗刷的安全问题&#xff0c;影响业务及导致用户投诉带来经济损失&#xff0c;尤其是后付费客户&#xff0c;风险巨大&#xff0c;造成亏损无底洞…

Nginx防盗链配置

1. 什么是盗链? 盗链是指服务提供商自己不提供服务的内容&#xff0c;通过技术手段绕过其它有利益的最终用户界面&#xff08;如广告&#xff09;&#xff0c;直接在自己的网站上向最终用户提供其它服务提供商的服务内容&#xff0c;骗取最终用户的浏览和点击率。受益者不提供…