论文提出图态噪声的低开销整形与学习方案
热点事件持续更新
论文提出图态噪声的低开销整形与学习方案
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Guedong Park、Jinzhao Sun 与 Hyunseok Jeong 在 arXiv 论文（v3）中提出一种针对由多个受控-Z 门生成的（超）图态的低开销噪声整形与学习方案：用低层级 Clifford 电路把含噪输入态转为对角形式，任意图态只需单层 Bell 测量即可完成转换，噪声整形通过 Pauli 操作实现，并用 Walsh-Hadamard 变换及近似方法解码。 作者声称并证明，在相应假设下常数采样和多项式时间即可保证 l2 范数下有界的噪声估计误差，而现有噪声估计方法通常需要指数复杂度；在稀疏噪声假设下，更严格的 l1 近似也保持多项式复杂度。基于论文摘要，具体硬件平台、完整实验细节和比较结果未说明。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
图态噪声的低开销整形与学习：基于Clifford层级电路的方法报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · quant-ph图态噪声的低开销整形与学习：基于Clifford层级电路的方法
该研究提出一种面向图态和超图态的低开销噪声整形与学习电路方案，将含噪输入态转换为对角形式并建立噪声率卷积方程。作者报告，任意图态只需单层Bell测量即可完成转换，噪声整形可通过Pauli操作实现，并利用Walsh-Hadamard变换及近似方法解码；作者进一步声称，在相应假设下可用常数采样和多项式时间获得有界噪声估计误差。基于论文摘要，具体硬件平台、完整实验细节和比较结果未说明。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月16日 16:00
- 近 24 小时变化
- –
02.557.510
16:0017:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。