L'informatique quantique : Le chemin à suivre
Découvrez les concepts clés qui façonnent l'avenir de la technologie quantique.
Nathan Lacroix, Alexandre Bourassa, Francisco J. H. Heras, Lei M. Zhang, Johannes Bausch, Andrew W. Senior, Thomas Edlich, Noah Shutty, Volodymyr Sivak, Andreas Bengtsson, Matt McEwen, Oscar Higgott, Dvir Kafri, Jahan Claes, Alexis Morvan, Zijun Chen, Adam Zalcman, Sid Madhuk, Rajeev Acharya, Laleh Aghababaie Beni, Georg Aigeldinger, Ross Alcaraz, Trond I. Andersen, Markus Ansmann, Frank Arute, Kunal Arya, Abraham Asfaw, Juan Atalaya, Ryan Babbush, Brian Ballard, Joseph C. Bardin, Alexander Bilmes, Sam Blackwell, Jenna Bovaird, Dylan Bowers, Leon Brill, Michael Broughton, David A. Browne, Brett Buchea, Bob B. Buckley, Tim Burger, Brian Burkett, Nicholas Bushnell, Anthony Cabrera, Juan Campero, Hung-Shen Chang, Ben Chiaro, Liang-Ying Chih, Agnetta Y. Cleland, Josh Cogan, Roberto Collins, Paul Conner, William Courtney, Alexander L. Crook, Ben Curtin, Sayan Das, Sean Demura, Laura De Lorenzo, Agustin Di Paolo, Paul Donohoe, Ilya Drozdov, Andrew Dunsworth, Alec Eickbusch, Aviv Moshe Elbag, Mahmoud Elzouka, Catherine Erickson, Vinicius S. Ferreira, Leslie Flores Burgos, Ebrahim Forati, Austin G. Fowler, Brooks Foxen, Suhas Ganjam, Gonzalo Garcia, Robert Gasca, Élie Genois, William Giang, Dar Gilboa, Raja Gosula, Alejandro Grajales Dau, Dietrich Graumann, Alex Greene, Jonathan A. Gross, Tan Ha, Steve Habegger, Monica Hansen, Matthew P. Harrigan, Sean D. Harrington, Stephen Heslin, Paula Heu, Reno Hiltermann, Jeremy Hilton, Sabrina Hong, Hsin-Yuan Huang, Ashley Huff, William J. Huggins, Evan Jeffrey, Zhang Jiang, Xiaoxuan Jin, Chaitali Joshi, Pavol Juhas, Andreas Kabel, Hui Kang, Amir H. Karamlou, Kostyantyn Kechedzhi, Trupti Khaire, Tanuj Khattar, Mostafa Khezri, Seon Kim, Paul V. Klimov, Bryce Kobrin, Alexander N. Korotkov, Fedor Kostritsa, John Mark Kreikebaum, Vladislav D. Kurilovich, David Landhuis, Tiano Lange-Dei, Brandon W. Langley, Pavel Laptev, Kim-Ming Lau, Justin Ledford, Kenny Lee, Brian J. Lester, Loïck Le Guevel, Wing Yan Li, Yin Li, Alexander T. Lill, William P. Livingston, Aditya Locharla, Erik Lucero, Daniel Lundahl, Aaron Lunt, Ashley Maloney, Salvatore Mandrà, Leigh S. Martin, Orion Martin, Cameron Maxfield, Jarrod R. McClean, Seneca Meeks, Anthony Megrant, Kevin C. Miao, Reza Molavi, Sebastian Molina, Shirin Montazeri, Ramis Movassagh, Charles Neill, Michael Newman, Anthony Nguyen, Murray Nguyen, Chia-Hung Ni, Murphy Y. Niu, Logan Oas, William D. Oliver, Raymond Orosco, Kristoffer Ottosson, Alex Pizzuto, Rebecca Potter, Orion Pritchard, Chris Quintana, Ganesh Ramachandran, Matthew J. Reagor, Rachel Resnick, David M. Rhodes, Gabrielle Roberts, Eliott Rosenberg, Emma Rosenfeld, Elizabeth Rossi, Pedram Roushan, Kannan Sankaragomathi, Henry F. Schurkus, Michael J. Shearn, Aaron Shorter, Vladimir Shvarts, Spencer Small, W. Clarke Smith, Sofia Springer, George Sterling, Jordan Suchard, Aaron Szasz, Alex Sztein, Douglas Thor, Eifu Tomita, Alfredo Torres, M. Mert Torunbalci, Abeer Vaishnav, Justin Vargas, Sergey Vdovichev, Guifre Vidal, Catherine Vollgraff Heidweiller, Steven Waltman, Jonathan Waltz, Shannon X. Wang, Brayden Ware, Travis Weidel, Theodore White, Kristi Wong, Bryan W. K. Woo, Maddy Woodson, Cheng Xing, Z. Jamie Yao, Ping Yeh, Bicheng Ying, Juhwan Yoo, Noureldin Yosri, Grayson Young, Yaxing Zhang, Ningfeng Zhu, Nicholas Zobrist, Hartmut Neven, Pushmeet Kohli, Alex Davies, Sergio Boixo, Julian Kelly, Cody Jones, Craig Gidney, Kevin J. Satzinger
― 12 min lire
Table des matières
- C’est Quoi les Qubits ?
- Taux d’Erreur et Qubits Logiques
- Codes de Couleur Superdenses vs. Codes de surface
- C’est Quoi un Code de Couleur Superdense ?
- C’est Quoi un Code de Surface ?
- Suppression d’Erreur et Surcharge de Qubits
- Conditions Réalistes de Bruit
- Erreurs de Décodage
- Mise en Place du Dispositif
- Configuration Expérimentale : Une Recette pour le Succès
- Taux d’Erreur et Évaluation des Performances
- Comparaison des Méthodes : Le Meilleur Décodage Gagne
- Le Circuit d’Extraction de Syndrome Superdense
- Tolérance aux Pannes : Pourquoi C'est Crucial
- Transformations de Circuit : Garder l’Efficacité
- Mise à l'Échelle pour le Succès
- Préservation d’État : Garder Tout en Ordre
- La Magie de l’Injection d’État
- Téléportation dans les Rangs Quantiques
- Mesurer la Fidélité : On y Est ?
- Vers une Informatique Quantique Fiable
- Conclusion : L’Avenir, C’est Maintenant
- Source originale
- Liens de référence
L’informatique quantique, c’est un peu le blockbuster du monde tech – ça fait vibrer tout le monde, mais ça peut aussi laisser perplexe. Allez, décomposons ces concepts hyper techniques en morceaux faciles à digérer.
Qubits ?
C’est Quoi lesDans le monde de l’informatique quantique, les qubits sont les stars. Pense à un qubit comme à une version super boostée d’un bit classique. Alors qu’un bit traditionnel peut être juste un 0 ou un 1, un qubit peut être les deux en même temps, grâce à un truc appelé superposition. Imagine un interrupteur qui peut être à la fois allumé et éteint en même temps – magique, non ? Voilà le monde fascinant des qubits.
Taux d’Erreur et Qubits Logiques
Aussi excitant que d’avoir des qubits, ils ont leurs propres défis, surtout en matière d’erreurs. Les erreurs dans les ordinateurs quantiques arrivent à un taux étonnamment élevé, c’est comme essayer de gagner à Jenga pendant que quelqu'un tire des pièces en dessous !
Pour contourner ces erreurs embêtantes, les scientifiques essaient de créer des qubits logiques. Ce sont des groupes de qubits physiques qui bossent ensemble pour garder l’info intacte. Mais comme une bonne équipe de super-héros, ils ont besoin de formation et de bonnes méthodes pour réussir.
Codes de surface
Codes de Couleur Superdenses vs.Passons aux codes de couleur et aux codes de surface. Non, ce n’est pas une nouvelle tendance artistique ; ça concerne la gestion des erreurs en informatique quantique.
C’est Quoi un Code de Couleur Superdense ?
Le code de couleur superdense, c’est un outil flashy pour corriger les erreurs. Il a besoin de moins de qubits par rapport aux codes de surface tout en maintenant ses performances même avec le bruit des processeurs quantiques. Pense à ça comme un nouveau gadget qui t’aide à prendre des selfies géniaux sans avoir à trimballer un gros appareil photo.
C’est Quoi un Code de Surface ?
D’un autre côté, les codes de surface, c’est comme ton vieux téléphone fiable – un peu plus encombrant en termes de besoins en qubits. Ils font le job, mais t’auras besoin de plus de qubits pour que ça marche bien.
Comparé à ces deux-là, le code de couleur superdense a l’avantage car il peut atteindre un certain taux d’erreur avec moins de qubits. C’est comme avoir les meilleures offres en faisant du shopping – pourquoi payer plus quand tu peux payer moins pour la même qualité ?
Suppression d’Erreur et Surcharge de Qubits
Dans le monde quantique, la suppression d’erreur, ça concerne les techniques utilisées pour réduire les chances d’erreurs. Si tu veux faire un gâteau, tu vas probablement baisser la température du four pour éviter de le brûler, non ? De même, les scientifiques quantiques ajustent leurs qubits pour supprimer les erreurs.
Mais attention ! Pour maintenir ces faibles taux d’erreur, on pourrait devoir utiliser plus de qubits que prévu, ce qui conduit à ce qu’on appelle la surcharge de qubits. Trouver cet équilibre parfait où t’as peu d'erreurs sans trop de qubits, c’est le vrai défi.
Conditions Réalistes de Bruit
Tu pourrais croire qu’une fois tes qubits en place, t’es tranquille. Pas vraiment ! Les processeurs quantiques viennent avec des conditions de bruit réalistes – pense à ça comme au bruit de fond d’un concert. Pour savoir combien de qubits physiques il te faut pour qu’un qubit logique fonctionne correctement, les scientifiques font des simulations.
Ils plongent dans ces simulations pour voir les taux d’erreur sous les conditions de bruit des appareils actuels, qui sont environ deux fois inférieurs à ce qu’ils ont l’habitude de traiter. Ces simulations aident les chercheurs à comprendre comment leurs codes se comportent dans la vraie vie.
Comme une répétition avant le grand show, les simulations offrent une chance de corriger les petits soucis avant la performance réelle.
Erreurs de Décodage
Le décodage est clé pour déterminer si les infos logiques ont été trafiquées. En gros, c’est comme essayer de lire une lettre qui a été brouillée. Les scientifiques utilisent des méthodes comme le décodage par vraisemblance maximale pour comprendre les erreurs et les corriger.
Si le décodage est comme un détective qui résout une affaire, il doit ensuite s’assurer que le message d’origine reste intact. Les résultats montrent que le code de couleur superdense pourrait nécessiter moins de qubits que le code de surface une fois qu'ils atteignent une certaine distance, c’est une bonne nouvelle !
Mise en Place du Dispositif
Alors, comment ils font tout ça ? Imagine une cuisine animée remplie de gadgets high-tech, où toutes les opérations sont chorégraphiées comme une danse bien répétée.
Ils ont un dispositif de 72 qubits installé dans un réfrigérateur à dilution. C’est là que la magie opère, avec des fils qui relient tout à des composants électroniques à température ambiante. Chaque qubit a sa propre ligne de contrôle, ce qui leur permet de faire des portes de qubits simples et doubles.
Pendant les opérations, ils s’assurent que les lignes de contrôle ne s’interfèrent pas entre elles, un peu comme un chef qui évite la contamination croisée en préparant un repas gastronomique.
Configuration Expérimentale : Une Recette pour le Succès
Pour mesurer à quel point leurs qubits fonctionnent bien, les chercheurs doivent suivre une recette stricte. Ça implique un processus en plusieurs étapes, qui inclut l'initialisation des qubits, l'exécution de cycles de correction d'erreurs et la mesure des résultats.
Ils ont réalisé des milliers d’expériences pour s'assurer qu'ils peuvent évaluer avec précision ce qui se passe dans diverses conditions. C’est un peu comme s’assurer que chaque cookie d’un lot a la même taille et forme – tu veux de la consistance !
Quand ils compilent toutes ces données, ils peuvent jauger l’efficacité de leurs méthodes de correction d’erreurs.
Taux d’Erreur et Évaluation des Performances
Les chercheurs gardent aussi un œil sur les taux d’erreur pendant leurs tests. Ils catégorisent les erreurs en fonction du type et observent à quelle fréquence elles se produisent. C’est une étape essentielle pour améliorer leurs machines quantiques. Comme un étudiant qui analyse ses notes de test, ils veulent voir où ça roule et où il faut s’améliorer.
Ils créent une distribution cumulée des taux d’erreur pour illustrer à quelle fréquence ça part en vrille. Ce genre de visualisation aide à comprendre comment gérer les erreurs efficacement.
Comparaison des Méthodes : Le Meilleur Décodage Gagne
Il y a différentes façons de décoder les erreurs qui surviennent en informatique quantique, un peu comme décider comment réparer une voiture en panne – tu pourrais appeler un mécanicien ou essayer de le faire toi-même. Les scientifiques ont utilisé divers méthodes de décodage, y compris un décodeur Möbius et un décodeur de réseau neuronal.
Le décodeur Möbius est connu pour sa rapidité, tandis que le décodeur de réseau neuronal, même s’il est plus lent, peut fournir une évaluation plus précise de ce qui ne va pas. C’est comme choisir entre une voiture de course rapide et une berline fiable. Chaque méthode a ses avantages et inconvénients, et le but est de trouver le bon équilibre.
Le Circuit d’Extraction de Syndrome Superdense
Et voilà, on arrive à l’une des attractions principales : le circuit d’extraction de syndrome superdense. Ce circuit est conçu pour détecter les erreurs dans les qubits, un peu comme des points de contrôle de sécurité à l’aéroport.
Ce qui est astucieux avec ce circuit, c’est qu’il peut identifier à la fois les erreurs par flip de bit et par flip de phase. Cette détection double permet aux chercheurs de traiter les problèmes potentiels en un seul passage, évitant le besoin de multiples vérifications. Moins de tracas signifie un informatique quantique plus efficace !
Tolérance aux Pannes : Pourquoi C'est Crucial
Pour qu’une technologie réussisse, elle doit être tolérante aux pannes. Le circuit d’extraction de syndrome superdense est conçu pour garantir qu même si une erreur survient, le système peut continuer à fonctionner efficacement.
C’est crucial car, dans le domaine quantique, un petit glitch peut entraîner de gros soucis, un peu comme une petite fissure dans la coque d’un bateau peut le faire couler. Les chercheurs ont beaucoup bossé pour démontrer que ce circuit peut maintenir la distance du code de couleur pendant le processus de correction d’erreur.
Transformations de Circuit : Garder l’Efficacité
Une des parties excitantes de cette recherche, c’est comment les scientifiques transforment leurs circuits pour les garder efficaces. Ils ajustent les configurations existantes pour que tous les qubits partagent la charge de travail sans trop se surcharger.
En s’assurant que les qubits adjacents coopèrent sans accroc, les chercheurs minimisent le nombre d’opérations nécessaires tout en atteignant les résultats souhaités.
C’est comme faire un oiseau en origami parfait – chaque pli doit être juste pour obtenir le design final avec un minimum de coupures de papier !
Mise à l'Échelle pour le Succès
Ce sur quoi les chercheurs se concentrent également, c’est l’échelle de distance avec leurs qubits. Ça veut dire qu’ils travaillent continuellement pour voir comment augmenter la distance impacte la performance du qubit.
Ils veulent découvrir jusqu’où ils peuvent pousser leurs techniques avant de rencontrer un mur. Grâce à des essais approfondis, ils essaient de comprendre la limite de la suppression d’erreur en jouant avec diverses distances dans leurs codes.
Préservation d’État : Garder Tout en Ordre
Une fois que tout est en place, les chercheurs réalisent des expériences de préservation d’état. C’est un peu comme vérifier qu’un gâteau reste moelleux et léger avant de le servir aux invités !
Ils s’assurent que les qubits peuvent maintenir leurs états pendant les cycles de correction et mesurent à quel point ils font ça bien. L’objectif est de créer un système qui non seulement fonctionne, mais le fait aussi de manière fiable.
Ces études fournissent des informations essentielles sur l’efficacité de leurs méthodes de codage dans des conditions réalistes.
La Magie de l’Injection d’État
L’injection d’état implique d’intégrer de nouveaux états quantiques dans la configuration existante sans provoquer de perturbations. Cette procédure est cruciale pour étendre les codes de couleur et améliorer les performances globales.
Durant le processus d’injection d’état, les chercheurs utilisent un mélange de qubits pour créer des états de Bell. Ça fait office de pont, permettant au nouvel état de se fondre en douceur dans le système.
Pense à ça comme à ajouter un délicieux glaçage à un gâteau déjà cuit, assurant que les saveurs se combinent parfaitement !
Téléportation dans les Rangs Quantiques
Savais-tu que les scientifiques travaillent aussi sur la téléportation quantique ? Non, ce n’est pas pour te téléporter comme dans un film de sci-fi, mais pour transférer des informations quantiques de manière fluide d’un qubit à un autre.
Avec des méthodes excitantes comme la chirurgie de réseau, les chercheurs peuvent réaliser ça en fusionnant divers qubits logiques et en leur permettant de partager des informations. C’est comme si deux amis passaient des mots en classe sans que le prof ne le remarque !
Mesurer la Fidélité : On y Est ?
La fidélité, c’est un terme compliqué pour mesurer à quel point un état quantique correspond à l’état voulu. Plus la fidélité est élevée, meilleure est la performance. Les scientifiques mettent leurs systèmes à l’épreuve pour s’assurer que leurs qubits fonctionnent comme prévu.
C’est comme vérifier le GPS lors d’un road trip à travers le pays pour s’assurer que tu ne tournes pas en rond. Tu veux pointer la bonne direction pour arriver à ta destination sans détours !
Vers une Informatique Quantique Fiable
Avec tous ces outils et techniques, les chercheurs avancent doucement vers une informatique quantique fiable. En affinant leurs méthodes, ils ouvrent la voie à des ordinateurs quantiques plus robustes, efficaces et, espérons-le, un peu plus conviviaux.
Avec le temps, on pourrait assister à l’aube d’un nouveau chapitre en informatique – un où les ordinateurs quantiques nous aident à résoudre des problèmes complexes au-delà de nos capacités actuelles. Pense juste aux possibilités !
Conclusion : L’Avenir, C’est Maintenant
En conclusion, l’informatique quantique, c’est comme un puzzle que les chercheurs essaient de résoudre avec soin. Les codes de couleur superdense et les codes de surface sont des outils essentiels dans ce parcours.
Bien qu’il reste encore pas mal d'obstacles à franchir, les efforts d’aujourd’hui préparent les percées technologiques de demain. Et qui sait ? Peut-être qu’un jour, on verra des ordinateurs quantiques transformer des industries et redéfinir notre monde.
Accroche-toi – le voyage dans le monde quantique ne fait que commencer !
Source originale
Titre: Scaling and logic in the color code on a superconducting quantum processor
Résumé: Quantum error correction is essential for bridging the gap between the error rates of physical devices and the extremely low logical error rates required for quantum algorithms. Recent error-correction demonstrations on superconducting processors have focused primarily on the surface code, which offers a high error threshold but poses limitations for logical operations. In contrast, the color code enables much more efficient logic, although it requires more complex stabilizer measurements and decoding techniques. Measuring these stabilizers in planar architectures such as superconducting qubits is challenging, and so far, realizations of color codes have not addressed performance scaling with code size on any platform. Here, we present a comprehensive demonstration of the color code on a superconducting processor, achieving logical error suppression and performing logical operations. Scaling the code distance from three to five suppresses logical errors by a factor of $\Lambda_{3/5}$ = 1.56(4). Simulations indicate this performance is below the threshold of the color code, and furthermore that the color code may be more efficient than the surface code with modest device improvements. Using logical randomized benchmarking, we find that transversal Clifford gates add an error of only 0.0027(3), which is substantially less than the error of an idling error correction cycle. We inject magic states, a key resource for universal computation, achieving fidelities exceeding 99% with post-selection (retaining about 75% of the data). Finally, we successfully teleport logical states between distance-three color codes using lattice surgery, with teleported state fidelities between 86.5(1)% and 90.7(1)%. This work establishes the color code as a compelling research direction to realize fault-tolerant quantum computation on superconducting processors in the near future.
Auteurs: Nathan Lacroix, Alexandre Bourassa, Francisco J. H. Heras, Lei M. Zhang, Johannes Bausch, Andrew W. Senior, Thomas Edlich, Noah Shutty, Volodymyr Sivak, Andreas Bengtsson, Matt McEwen, Oscar Higgott, Dvir Kafri, Jahan Claes, Alexis Morvan, Zijun Chen, Adam Zalcman, Sid Madhuk, Rajeev Acharya, Laleh Aghababaie Beni, Georg Aigeldinger, Ross Alcaraz, Trond I. Andersen, Markus Ansmann, Frank Arute, Kunal Arya, Abraham Asfaw, Juan Atalaya, Ryan Babbush, Brian Ballard, Joseph C. Bardin, Alexander Bilmes, Sam Blackwell, Jenna Bovaird, Dylan Bowers, Leon Brill, Michael Broughton, David A. Browne, Brett Buchea, Bob B. Buckley, Tim Burger, Brian Burkett, Nicholas Bushnell, Anthony Cabrera, Juan Campero, Hung-Shen Chang, Ben Chiaro, Liang-Ying Chih, Agnetta Y. Cleland, Josh Cogan, Roberto Collins, Paul Conner, William Courtney, Alexander L. Crook, Ben Curtin, Sayan Das, Sean Demura, Laura De Lorenzo, Agustin Di Paolo, Paul Donohoe, Ilya Drozdov, Andrew Dunsworth, Alec Eickbusch, Aviv Moshe Elbag, Mahmoud Elzouka, Catherine Erickson, Vinicius S. Ferreira, Leslie Flores Burgos, Ebrahim Forati, Austin G. Fowler, Brooks Foxen, Suhas Ganjam, Gonzalo Garcia, Robert Gasca, Élie Genois, William Giang, Dar Gilboa, Raja Gosula, Alejandro Grajales Dau, Dietrich Graumann, Alex Greene, Jonathan A. Gross, Tan Ha, Steve Habegger, Monica Hansen, Matthew P. Harrigan, Sean D. Harrington, Stephen Heslin, Paula Heu, Reno Hiltermann, Jeremy Hilton, Sabrina Hong, Hsin-Yuan Huang, Ashley Huff, William J. Huggins, Evan Jeffrey, Zhang Jiang, Xiaoxuan Jin, Chaitali Joshi, Pavol Juhas, Andreas Kabel, Hui Kang, Amir H. Karamlou, Kostyantyn Kechedzhi, Trupti Khaire, Tanuj Khattar, Mostafa Khezri, Seon Kim, Paul V. Klimov, Bryce Kobrin, Alexander N. Korotkov, Fedor Kostritsa, John Mark Kreikebaum, Vladislav D. Kurilovich, David Landhuis, Tiano Lange-Dei, Brandon W. Langley, Pavel Laptev, Kim-Ming Lau, Justin Ledford, Kenny Lee, Brian J. Lester, Loïck Le Guevel, Wing Yan Li, Yin Li, Alexander T. Lill, William P. Livingston, Aditya Locharla, Erik Lucero, Daniel Lundahl, Aaron Lunt, Ashley Maloney, Salvatore Mandrà, Leigh S. Martin, Orion Martin, Cameron Maxfield, Jarrod R. McClean, Seneca Meeks, Anthony Megrant, Kevin C. Miao, Reza Molavi, Sebastian Molina, Shirin Montazeri, Ramis Movassagh, Charles Neill, Michael Newman, Anthony Nguyen, Murray Nguyen, Chia-Hung Ni, Murphy Y. Niu, Logan Oas, William D. Oliver, Raymond Orosco, Kristoffer Ottosson, Alex Pizzuto, Rebecca Potter, Orion Pritchard, Chris Quintana, Ganesh Ramachandran, Matthew J. Reagor, Rachel Resnick, David M. Rhodes, Gabrielle Roberts, Eliott Rosenberg, Emma Rosenfeld, Elizabeth Rossi, Pedram Roushan, Kannan Sankaragomathi, Henry F. Schurkus, Michael J. Shearn, Aaron Shorter, Vladimir Shvarts, Spencer Small, W. Clarke Smith, Sofia Springer, George Sterling, Jordan Suchard, Aaron Szasz, Alex Sztein, Douglas Thor, Eifu Tomita, Alfredo Torres, M. Mert Torunbalci, Abeer Vaishnav, Justin Vargas, Sergey Vdovichev, Guifre Vidal, Catherine Vollgraff Heidweiller, Steven Waltman, Jonathan Waltz, Shannon X. Wang, Brayden Ware, Travis Weidel, Theodore White, Kristi Wong, Bryan W. K. Woo, Maddy Woodson, Cheng Xing, Z. Jamie Yao, Ping Yeh, Bicheng Ying, Juhwan Yoo, Noureldin Yosri, Grayson Young, Yaxing Zhang, Ningfeng Zhu, Nicholas Zobrist, Hartmut Neven, Pushmeet Kohli, Alex Davies, Sergio Boixo, Julian Kelly, Cody Jones, Craig Gidney, Kevin J. Satzinger
Dernière mise à jour: 2024-12-18 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2412.14256
Source PDF: https://arxiv.org/pdf/2412.14256
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.