リフテッドBBおよびBTコードを用いた直接CCZ状態準備のためのエンドツーエンドプロトコル。正確な回路レベルシミュレーションにより、中性原子システムにおける耐故障量子演算に対してT状態生成法よりも1.6倍低い時空間オーバーヘッドを示しています。

フォールトトレラント量子ゲートを特性化するための論理ゲートセット・トモグラフィを紹介します。ユニバーサル単一量子ビット論理ゲートセットの初の自己無矛盾な特性化を実証し、トラップイオンにおける主にパウリ確率的エラーと干涉性エラーシグネチャを明らかにします...
GP|T⟩-Sは誤差予算下でマジック状態育成のギャップカットオフと蒸留ファクトリー選択を共最適化し、フォールトトレランス量子計算ベンチマークにおいて論理サイクル数で5.5倍の高速化と時空間体積で3.4倍の削減を実現します。
ハーバードのカスケードデコーダーはMLを使用して、ハードウェアの変更なしにマイクロ秒でのデコーディングで20倍優れた誤り訂正を達成しています。これにより、フォールトトレラント量子システムを進歩させるためのフロンティアがソフトウェアであることが示されています。
RiverlaneはNVIDIA H100 GPUを使用した量子誤り訂正校正で65倍の高速化を達成し、トレーニング時間を3分から2.8秒に短縮しました。これにより、進化するキュービットノイズへの高速デコーダー適応が可能になり、論理誤り率が向上します。
GPUアクセレーションにより、QECデコーダキャリブレーションが3分から2.8秒に短縮され、より頻繁で適応的な誤り訂正が実現されます。H100 GPUは毎秒400万以上の表面符号シンドロームを処理し、CPUの毎秒59K処理と比較して、量子システムの大規模対応をサポートします。
非保護量子ビット操作がいかにしてマヨラナ状態の指数的トポロジカル保護を明らかにできるかを、最適化されたラビおよびラムゼープロトコルを通じて実証し、様々なチェーン長にわたって観測可能な特徴を予測する詳細な解析理論を提供します。
Riverlaneは、GPU加速を使用した量子誤り訂正デコーダー較正において65〜71倍の高速化を実証し、ハードウェアノイズドリフトを追跡するための重みの高速な再較正を可能にし、デコーダーの精度を最大50%まで向上させています。