While quantum weight enumerators establish some of the best upper bounds on the minimum distance of quantum error-correcting codes, these bounds are not optimized to quantify the performance of quantum codes under the effect of arbitrary quantum channels that describe bespoke noise models. Herein, for any Kraus decomposition of any given quantum channel, we introduce corresponding quantum weight enumerators that naturally generalize the Shor-Laflamme quantum weight enumerators. We establish an indirect linear relationship between these generalized quantum weight enumerators by introducing an auxiliary exact weight enumerator that completely quantifies the quantum code's projector, and is independent of the underlying noise process. By additionally working within the framework of approximate quantum error correction, we establish a general framework for constructing a linear program that is infeasible whenever approximate quantum error correcting codes with corresponding parameters do not exist. Our linear programming framework allows us to establish the non-existence of certain quantum codes that approximately correct amplitude damping errors, and obtain non-trivial upper bounds on the maximum dimension of a broad family of permutation-invariant quantum codes.


翻译:量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子数的最小距离, 虽然量子量子量子量子量子量子量子量子值量子量子量子量子量子量子量子值量子量子数的最小距离值, 量子量子量子量子量子量子量子量子量子量子值量子体分解的最小距离, 量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子分分分分分数分数分数分数分数, 量子量子量子量子量子量子量子量子量子量子量子量子量子子子量子量子量子量子量子量子量子子子子子量子量子量子量子子子子量子量子量子量子量子量子量子量子分分分量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量子量

0
下载
关闭预览

相关内容

专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
76+阅读 · 2021年3月16日
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
专知会员服务
159+阅读 · 2020年1月16日
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
R语言实现聚类kmeans
R语言中文社区
3+阅读 · 2019年2月14日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Quantum Technology for Economists
Arxiv
0+阅读 · 2021年10月8日
Arxiv
0+阅读 · 2021年10月7日
Arxiv
0+阅读 · 2021年10月6日
Arxiv
0+阅读 · 2021年10月5日
Arxiv
4+阅读 · 2018年4月30日
VIP会员
相关资讯
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
R语言实现聚类kmeans
R语言中文社区
3+阅读 · 2019年2月14日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员