Рассмотрено взаимодействие квантового регистра с шумящим окружением, приводящее к фазовым и битовым ошибкам. Произведено моделирование 5- и 9-кубитовых алгоритмов коррекции ошибок для различных случаев действия среды. Показано, что использование квантовой коррекции при небольших уровнях шума приводит к квадратичному уменьшению вероятности ошибки. Установлена эффективность применения 5-кубитового алгоритма исправления ошибок для кубита на сдвоенной квантовой точке в кремнии.
Рассмотрено взаимодействие квантового регистра с шумящим окружением, приводящее к фазовым и битовым ошибкам. Произведено моделирование 5- и 9-кубитовых алгоритмов коррекции ошибок для различных случаев действия среды. Показано, что использование квантовой коррекции при небольших уровнях шума приводит к квадратичному уменьшению вероятности ошибки. Установлена эффективность применения 5-кубитового алгоритма исправления ошибок для кубита на сдвоенной квантовой точке в кремнии.
Cообщается о результатах исследования сверхпроводникового потокового квантового бита (кубита) в квазидисперсионном режиме, когда частота пробного сигнала меньше, но тем не менее близка к частоте возбуждения кубита. В этом режиме, в отличие от известных экспериментов, взаимодействие кубита с волноводом приводит не только к смещению резонансной частоты, что характерно для дисперсионного режима, но также к заметному уширению резонансной линии, обусловленному спонтанным излучением кубита. Это позволяет на основе анализа амплитудно-частотной характеристики сигнала прохождения определить при одночастотном возбуждении характерные параметры кубита, индуктивно связанного с копланарным резонатором. Работа выполнена при финансовой поддержке Российского научного фонда в рамках проекта N 16-19-10069.
В работе рассматривается алгоритм обратного распространения ошибки, адаптированного для квантовых нейронных сетей. Основное внимание уделено разработке и модификации традиционного метода обратного распространения ошибки для его применения в условиях квантовой природы данных. Анализируются теоретические аспекты, связанные с квантовыми состояниями,суперпозицией и запутанностью, а также их влияние на эффективность и корректность обучения квантовых сетей. Обоснована актуальность математического алгоритма, включая использование матриц плотности и квантовых операторов для описания и оптимизации параметров сети. Проведено экспериментальное моделирование предложенного подхода на наборах квантовых данных, которое показало высокую точность и стабильность предложенного метода. Обсуждаются ограничения алгоритма, связанные с шумами в квантовых системах и вычислительными затратами при увеличении числа кубитов. Полученные результаты демонстрируют потенциал применения разработанного алгоритма для задач оптимизации и обучения квантовых моделей, что открывает новые перспективы для дальнейшего развития квантового машинного обучения и создания гибридных классико-квантовых алгоритмов. The paper considers the algorithm of error back propagation adapted for quantum neural networks. The main attention is paid to the development and modification of the traditional method of error back propagation for its application in conditions of quantum nature of data. Theoretical aspects related to quantum states, superposition and entanglement, as well as their influence on the efficiency and correctness of training of quantum networks are analyzed. The relevance of the mathematical algorithm,including the use of density matrices and quantum operators to describe and optimize the network parameters, is substantiated. Experimental modeling of the proposed approach on quantum data sets is carried out, which showed high accuracy and stability of the proposed method. The limitations of the algorithm related to noise in quantum systems and computational costs with increasing number of qubits are discussed. The results demonstrate the potential of the developed algorithm for optimization and training of quantum models, which opens new perspectives for further development of quantum machine learning and creation of hybrid classical-quantum algorithms.
В работе представлен краткий обзор современного состояния дел в области квантовых вычислений. В последние годы в этой сфере исследований наблюдается стремительный прогресс, в первую очередь в развитии экспериментальных методов управления состояниями многочастичных квантовых систем. В то же время, вопрос о практическом применении квантовых вычислений остается открытым. Наиболее перспективные направления, где такие приложения могут появиться уже в ближайшие годы – это решение задач квантовой химии, материаловедение, различные оптимизационные задачи. Большой интерес научной общественности вызывают современные экспериментальные работы по реализации различных квантовых алгоритмов с использованием квантовых процессоров промежуточного масштаба с десятками и сотнями кубитов – двухуровневых квантовых систем, которые являются основными логическими элементами квантового компьютера. Это хорошо видно по результатам библиометрического анализа, проведенного с помощью Google Scholar и ChatGPT. Экспериментальная реализация квантовых вычислений в настоящее время характеризуется соревнованием нескольких физических платформ, среди которой лидирует сверхпроводящая платформа, что было отмечено Нобелевской премией по физике в 2025 году. В то же время, альтернативные платформы – фотоны, ионы, нейтральные атомы – обладают рядом потенциальных преимуществ. Наиболее значимое направление развития экспериментальных квантовых вычислений в последние годы – это квантовая коррекция ошибок, которая должна увеличить глубину квантовых алгоритмов и позволить реализовать наиболее сложные универсальные квантовые алгоритмы. Основные принципы квантовой коррекции ошибок и реализации поверхностного кода, наилучшим образом соответствующего архитектуре современных квантовых процессоров, приведены в статье. На базе существующих сверхпроводящих квантовых процессоров реализован облачный доступ, позволяющий исследователям проводить как численное моделирование, так и эксперименты по реализации квантовых вычислений. Для этого широко используется ставшая де-факто стандартом библиотека IBM Qiskit. В качестве примера в работе приведена демонстрация элементов поверхностного кода квантовой коррекции ошибок, реализованная с помощью больших языковых моделей. This work presents a brief overview of the current state of quantum computing. In recent years, this field of research has seen rapid progress, primarily in the development of experimental methods for controlling the states of multiparticle quantum systems. At the same time, the question of the practical applications of quantum computing remains open. The most promising areas, where such applications may emerge in the coming years, include solving problems in quantum chemistry, materials science, and various optimization problems. Current experimental work on the implementation of various quantum algorithms using intermediate-scale quantum processors with tens and hundreds of qubits—two-level quantum systems that are the fundamental logical elements of a quantum computer—has generated considerable interest in the scientific community. This is clearly demonstrated by the results of a bibliometric analysis conducted using Google Scholar and ChatGPT. The experimental implementation of quantum computing is currently characterized by competition among several physical platforms, with the superconducting platform leading the way, a feat recognized by the 2025 Nobel Prize in Physics. At the same time, alternative platforms—photons, ions, and neutral atoms—offer a number of potential advantages. The most significant development in experimental quantum computing in future years is quantum error correction, which should increase the depth of quantum algorithms and enable the implementation of the most complex universal quantum algorithms. The basic principles of quantum error correction and the implementation of a surface code that best suits the architecture of modern quantum processors are presented in the article. Based on existing superconducting quantum processors, cloud access has been implemented, allowing researchers to conduct both numerical simulations and experiments on the implementation of quantum computing. The IBM Qiskit library, which has become the de facto standard, is widely used for this purpose. As an example, the paper presents a demonstration of elements of a surface code for quantum error correction, implemented using large language models.
Цель работы: исследование влияния начальной атомной когерентности и диполь-дипольного взаимодействия на динамику перепутывания двух куби- тов, взаимодействующих с одномодовым тепловым полем микроволнового ре- зонатора без потерь. В ходе выполнения работы были получены следующие результаты: 1. Найдены операторы эволюции для двухатомной модели Тависса – Каммингса с диполь-дипольным взаимодействием, а также точное ре- шение квантового уравнения Лиувилля для матрицы плотности рас- сматриваемой модели в случае теплового поля резонатора и когерент- ных начальных состояний кубитов. 2. Вычислена редуцированная матрица плотности для различных начальных состояний кубитов. 3. Был вычислен параметр отрицательности для рассматриваемой двух- кубитной системы и проведено численное моделирование временной зависимости отрицательности для различных параметров моделей и различных начальных состояний кубитов. 4. Показано, что начальная когерентность кубитов приводит к существенному увеличению степени перепутывания кубитов, индуц
В работе рассматривается разработка и адаптация алгоритма обратного распространения ошибки для квантовых нейронных сетей (КНС). Учитываются фундаментальные особенности квантовых вычислений:суперпозиция, запутанность и квантовый параллелизм, что позволяет повысить эффективность обучения КНС по сравнению с классическими нейросетевыми моделями. Изложены принципы построения квантовых нейронных сетей, особенности кодирования данных, методы оптимизации параметров и использования функций потерь в квантовой среде. Обсуждаются перспективы применения предложенного подхода, а также вызовы, связанные с шумами и масштабируемостью в условиях NISQ-устройств. Работа ориентирована на специалистов в области квантовых вычислений и машинного обучения, а также на студентов старших курсов, интересующихся передовыми методами искусственного интеллекта. The paper considers the development and adaptation of the backpropagation algorithm for quantum neural networks (QNN). The fundamental features of quantum computing are considered — superposition, entanglement and quantum parallelism — which allows to increase the efficiency of QNN training compared to classical neural network models. The principles of constructing quantum neural networks, features of data encoding, methods for optimizing parameters and using loss functions in a quantum environment are presented. The prospects for applying the proposed approach, as well as challenges associated with noise and scalability in NISQ devices are discussed. The paper is intended for specialists in the field of quantum computing and machine learning, as well as senior students interested in advanced methods of artificial intelligence.
В качестве объекта исследования были выбраны многокубитные системы, закодированные топологическими кодами коррекции. Цель работы: изучить влияние физического шума на стабилизаторные квантовые схемы, смоделировать поведение таких систем при различных параметрах, оценить границы масштабируемости. В ходе данной работы были получены следующие результаты:1. Смоделировано поведение поверхностных кодов при деполяризующем шуме ниже порогового значения, изучены зависимости частоты логических ошибок и времени декодирования от размера кода и количества раундов.2. Определены формальные ограничения масштабируемости, разработана аналитическая модель, включая минимальный размер кода с учётом требований точности.3. Введён безразмерный параметр, отражающий соотношение временных ресурсов квантового компьютера и вычислительных ресурсов контроллера, на основе которого найдена верхняя граница масштабируемости.4. Получена рабочая область масштабируемости, оптимальные параметры и явная зависимость максимального числа операций о