DifGa: Differentiable Error Mitigation for Multi-Mode Gaussian and Non-Gaussian Noise in Quantum Photonic Circuits
Das Papier stellt DifGa vor, ein voll differenzierbares Framework, das eine trainierbare Gauß-Rekonstruktionsschicht verwendet, um sowohl Gauß-Verluste als auch schwaches nicht-Gauß-Phasenrauschen in kontinuierlichen Variablen quantenphotonischen Schaltkreisen effektiv zu mildern, wodurch eine nahezu perfekte Rekonstruktion unter moderatem Verlust erreicht und die rein Gauß-basierte Trainingsmethode bei Vorhandensein von nicht-Gauß-Rauschen signifikant übertrifft.