QUANTUM_CHINA的博客

其中一条来自日本的富士通公司、大阪大学和理化研究所，包括减少构建逻辑量子比特所需的物理量子比特数量，使用经过校正的精确模拟相位旋转门，其中涉及一种低开销的校正方案，而不是用昂贵的纠错H门和T门组合来构建逻辑量子比特。然而，由于启发式本身的特点，所使用的量子比特并不一定是误差校正的，它需要低深度电路和对最终状态的少量测量。在拥有几百或上千个量子比特的情况下，最终需要99.9% 到99.9999%的门保真度，这对于今天的量子计算机来说显然是遥不可及的，即使是在拥有几个量子比特的实验室环境中也是如此。

基于光纤的系统的一个优点是具有出色的可扩展性，可以通过增加腔长或重复率来建立大规模伊辛模型，但由于光子的相干时间相对较短，因此存在鲁棒性问题。内部网络参数，即从输入层到储层的邻接矩阵Win以及储层内部的连接W是未经训练的，它们是固定和随机的或规则拓扑。除了对MNIST和CIFAR的分类，改进后的D2NN在突出物体检测（数值结果，视频序列的F测量值为0.726）和人类动作识别等方面的能力也得到了证明。此外，前面提到的波分复用（WDM）和多波分复用（MDM），以及空间光学系统的兼容，也有利于并行性的提高。

不同类型量子硬件的必要构件