論文の概要: Improved Belief Propagation Decoding on Surface Codes with High Accuracy and Low Latency
- arxiv url: http://arxiv.org/abs/2407.11523v1
- Date: Tue, 16 Jul 2024 09:03:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-17 15:52:20.918476
- Title: Improved Belief Propagation Decoding on Surface Codes with High Accuracy and Low Latency
- Title(参考訳): 高精度で低レイテンシな表面符号上での信念伝搬復号法の改良
- Authors: Jiahan Chen, Zhipeng Liang, Zhengzhong Yi, Xuan Wang,
- Abstract要約: EWAInit-BPは、順序統計復号処理を行わないBP改善の中で最高精度を達成している。
理論上のO(1)時間複雑性と高精度により、高精度リアルタイムデコーダの候補となる。
- 参考スコア(独自算出の注目度): 5.916355710767515
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum error correction is crucial for universal quantum computing, requiring highly accurate and low-latency decoding algorithms. Belief Propagation (BP) is notable for its linear time complexity and general applicability to quantum LDPC codes. However, BP performs poorly on highly degenerate codes without Order Statistic Decoding (OSD) post-processing, which significantly increases time complexity. We focus on improving BP's performance on surface codes. We first propose Momentum-BP and AdaGrad-BP, inspired by machine learning optimization techniques, to reduce the oscillation of message updating and break the symmetric trapping sets. We further propose EWAInit-BP, which adaptively updates initial probabilities and exhibits aggressive exploration capabilities. EWAInit-BP achieves the highest accuracy among BP improvements without OSD post-processing on planar surface code, toric code, and XZZX surface code, providing a 1~3 orders of magnitude improvement compared to traditional BP, and demonstrating the error correction capability even under parallel scheduling. Its theoretical O(1) time complexity and high accuracy make it a promising candidate for high-precision real-time decoders.
- Abstract(参考訳): 量子誤り訂正は普遍量子コンピューティングにとって不可欠であり、高精度で低遅延の復号アルゴリズムを必要とする。
BP(Breief Propagation)は、線形時間複雑性と量子LDPC符号の適用性で有名である。
しかし、BPは秩序統計復号(OSD)後処理を使わずに高度に縮退したコードでは性能が悪く、時間的複雑さが著しく増大する。
我々は、表面符号におけるBPの性能改善に焦点をあてる。
まず,機械学習最適化技術にヒントを得たMomentum-BPとAdaGrad-BPを提案する。
さらに、初期確率を適応的に更新し、積極的な探索能力を示すEWAInit-BPを提案する。
EWAInit-BPは、平面面符号、トーリック符号、XZZX面符号をOSD後処理することなく、BPの改善の中で最高精度を達成し、従来のBPに比べて1~3桁の精度向上を実現し、並列スケジューリング下でもエラー訂正能力を実証した。
理論上のO(1)時間複雑性と高精度により、高精度リアルタイムデコーダの候補となる。
関連論文リスト
- Belief Propagation Decoding of Quantum LDPC Codes with Guided Decimation [55.8930142490617]
BPガイドデシミテーション(BPGD)に基づくQLDPC符号のデコーダを提案する。
BPGDは非収束によるBP故障率を著しく低下させる。
論文 参考訳(メタデータ) (2023-12-18T05:58:07Z) - Graph Neural Networks for Enhanced Decoding of Quantum LDPC Codes [6.175503577352742]
量子低密度パリティチェック(LDPC)符号に対する微分可能な反復デコーダを提案する。
提案アルゴリズムは,古典的信念伝達(BP)復号段階と中間グラフニューラルネットワーク(GNN)層から構成される。
論文 参考訳(メタデータ) (2023-10-26T19:56:25Z) - Deep Quantum Error Correction [73.54643419792453]
量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。
本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。
提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
論文 参考訳(メタデータ) (2023-01-27T08:16:26Z) - Neural Belief Propagation Decoding of Quantum LDPC Codes Using
Overcomplete Check Matrices [60.02503434201552]
元のチェック行列における行の線形結合から生成された冗長な行を持つチェック行列に基づいてQLDPC符号を復号する。
このアプローチは、非常に低い復号遅延の利点を付加して、復号性能を著しく向上させる。
論文 参考訳(メタデータ) (2022-12-20T13:41:27Z) - Generalized Belief Propagation Algorithms for Decoding of Surface Codes [0.0]
本稿では,表層符号の復号化に成功した外部再初期化ループを用いた一般化された信念伝搬法を提案する。
独立ビット・位相フリップデータノイズ(20.6%の理想しきい値と比較)の17%、非BP後処理法で達成したしきい値(18.9%の理想しきい値と比較)の14%の脱分極データノイズ(18.9%の理想しきい値)のしきい値について報告する。
論文 参考訳(メタデータ) (2022-12-06T18:37:27Z) - Improved decoding of circuit noise and fragile boundaries of tailored
surface codes [61.411482146110984]
高速かつ高精度なデコーダを導入し、幅広い種類の量子誤り訂正符号で使用することができる。
我々のデコーダは、信仰マッチングと信念フィンドと呼ばれ、すべてのノイズ情報を活用し、QECの高精度なデモを解き放つ。
このデコーダは, 標準の正方形曲面符号に対して, 整形曲面符号において, より高いしきい値と低い量子ビットオーバーヘッドをもたらすことがわかった。
論文 参考訳(メタデータ) (2022-03-09T18:48:54Z) - Refined Belief-Propagation Decoding of Quantum Codes with Scalar
Messages [4.340338299803562]
スパース行列に基づく符号は優れた性能を有し、信念伝達(BP)により効率よく復号できる。
安定化器符号のBP復号は、基礎となるタナーグラフの短周期から性能損失を被る。
連続スケジュールによるメッセージ正規化を伴うBPの動作は,計算機シミュレーションにおけるデコード性能とエラーフロアを大幅に向上させる可能性があることを示す。
論文 参考訳(メタデータ) (2021-02-14T10:29:58Z) - HiPPO: Recurrent Memory with Optimal Polynomial Projections [93.3537706398653]
本稿では,連続信号と離散時系列をベースに投影してオンライン圧縮するための一般フレームワーク(HiPPO)を提案する。
過去の各時間ステップの重要性を示す尺度が与えられた場合、HiPPOは自然なオンライン関数近似問題に対する最適解を生成する。
このフォーマルなフレームワークは、すべての履歴を記憶するために時間をかけてスケールする新しいメモリ更新メカニズム(HiPPO-LegS)を提供する。
論文 参考訳(メタデータ) (2020-08-17T23:39:33Z) - Belief Propagation Neural Networks [103.97004780313105]
信念伝播ニューラルネットワーク(BPNN)を紹介する。
BPNNは因子グラフ上で動作し、信念伝播(BP)を一般化する
BPNNはIsingモデル上で1.7倍高速に収束し、より厳密な境界を提供することを示す。
挑戦的なモデルカウント問題に関して、BPNNは最先端の手作り手法の100倍の速さを推定する。
論文 参考訳(メタデータ) (2020-07-01T07:39:51Z) - Refined Belief Propagation Decoding of Sparse-Graph Quantum Codes [4.340338299803562]
本稿では,2進BPとほぼ同程度の複雑性を持つ量子符号に対する改良されたBP復号アルゴリズムを提案する。
与えられたエラーシンドロームに対して、このアルゴリズムは従来の4次BPと同じ出力にデコードするが、渡されるノード間メッセージは単一値である。
メッセージ強度の正規化は、パフォーマンスを改善するために、これらの単一値のメッセージに自然に適用できる。
論文 参考訳(メタデータ) (2020-02-16T03:51:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。