Aggressive Guided Exploitation Optimized Sparse-Dual Attention Enabled Meta-Learning-Based Deep Learning Model for Quantum Error Correction

Umesh Shinde

doi:10.3390/math14091459

Aggressive Guided Exploitation Optimized Sparse-Dual Attention Enabled Meta-Learning-Based Deep Learning Model for Quantum Error Correction

2026-04-26

0

PRE

AI

DOI：10.3390/math14091459

原文链接

原文求助

摘要

En 中文

量子纠错码对于实现容错量子计算至关重要。重六边形码是一种利用量子比特排列来检测和纠正错误的拓扑码。重六边形码适用于超导架构，特别是具有有限连接数的图布局。拓扑错误纠正方法效果良好，但需要更多量子比特，不能用于不同规模的量子系统，可靠性较低，且不适用于变化的量子分布。因此，本研究提出了一种由Ardea引导的探索优化稀疏双注意力赋能的元学习为基础的卷积神经网络与双向长短时记忆模型（AGuESD-MCBiTM）。该方法通过利用元学习和提取统计信息，在动态环境中展现出有效的纠错能力，提供了量子比特模式的详细表示。Ardea引导的探索优化（AGuEO）算法调整MCBiTM的权重，并以更高的收敛性获取最优解。此外，稀疏双注意力模块和元学习为基础的MCBiTM模型共同实现了可扩展、实时识别非线性量子比特噪声波动，且计算成本低。相比之下，所提出的AGuESD-MCBiTM在电路2中表现出更优越的错误纠正能力，相关系数为0.97，准确率为98.93%，R平方值为0.93，均方根误差为1.87，平均绝对误差为1.20，比特错误率为1.85，逻辑错误率为3.82，均方误差为3.49。

Keyword:

quantum error correction

meta-learning

convolutional neural network

heavy hexagonal code

sparse-dual attention

Aggressive Guided Exploitation Optimized Sparse-Dual Attention Enabled Meta-Learning-Based Deep Learning Model for Quantum Error Correction

摘要

期刊

机构

引用论文