Felkorrigering av kvantbitar på torisk kod för kvantdatorer
Typ
Examensarbete för kandidatexamen
Program
Publicerad
2020
Författare
Remgård, Marcus
Nilsson, Christian
Opperud, Mikkel
Sundelin, Simon
Erikanders, Joel
Harf Abili, Joel
Modellbyggare
Tidskriftstitel
ISSN
Volymtitel
Utgivare
Sammanfattning
Potentialen för kvantdatorer är i dagsläget stor eftersom de kan komma att användas
från allt till kryptering till att simulera komplexa naturvetenskapliga system.
Detta är möjligt tack vare kvantdatorns kvantmekaniska egenskaper som möjliggör
att kvantbitarna kan befinna sig i en superposition av två tillstånd. En av utmaningarna
gällande att arbeta med kvantdatorer är att de ingående kvantbitarna är
känsliga för störningar. Det kan uppstå bit- och fasflipp-fel som kan göra praktiska
beräkningar omöjliga. Ett steg mot att lösa detta problem är att placera kvantbitarna
på en torisk kod som skyddar mot fel och möjligt använda en avkodare
för felkorrigering. I denna rapport kommer två typer av avkodare presenteras. Den
första avkodaren använder ett sedan tidigare tränat artificiellt neuralt nätverk för
att guida en Monte Carlo-trädsökning (MCTS). Den andra metoden bygger på att
med djup förstärkningsinlärning träna ett nätverk med hjälp av MCTS. Beroende
på initialtillstånd applicerar avkodaren Paulioperatorer X, Y och Z på lämpliga
platser på den toriska koden fram tills det att felen är korrigerade. Det visade sig
att den nätverksguidade MCTS-avkodaren hade större sannolikhet att lyckas med
felkorrigeringen än tidigare algoritmer som baseras på djup förstärkningsinlärning
och minimum-weight-perfect-matching (MWPM). Detta gällde för systemstorlekar
d ≤ 9 fast på en liten bekostnad av tid. Nätverken som tränades med MCTS lyckades
inte alltid korrigera felen men framgångsrika korrigeringar gick snabbare än MCTSavkodaren.
Träningen av nätverken konvergerade dessutom snabbt mot lösningen
för d ≤ 11 och potential finns för förbättring. Den fullständiga koden tillsammans
med färdigtränade nätverk finns tillgänglig på projektets GitHub.