トポロジカルコードにおける相関キュービットエラーの機械学習支援による補正

耐障害量子計算は、符号化された量子情報に蓄積されるエラーを検出し修正するための効率的な手段を必要とします。機械学習の文脈において、ニューラルネットワークは量子誤り修正への有望な新しいアプローチです。本研究では、再帰型ニューラルネットワークが、実験的にアクセス可能なデータのみを使用して、広く使用されているトポロジカルコードであるサーフェスコードのエラーを検出するために訓練できることを示します。これは、従来の最小重完璧マッチング（または花）デコーダを上回る性能を持っています。この性能向上は、ニューラルネットワークデコーダがビット反転（X）エラーと位相反転（Z）エラーの間の相関を検出できるために達成されます。機械学習アルゴリズムは物理システムに適応するため、ノイズモデルは不要です。再帰型ニューラルネットワークの長短期記憶層は、多くの量子誤り修正サイクルを通じてその性能を維持し、今後のサーフェスコードの実験実現に向けた実用的なデコーダとなります。