論文の概要: Machine Learning Message-Passing for the Scalable Decoding of QLDPC Codes

• arxiv url: http://arxiv.org/abs/2408.07038v2
• Date: Mon, 26 Aug 2024 15:39:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-27 20:30:25.459914
• Title: Machine Learning Message-Passing for the Scalable Decoding of QLDPC Codes
• Title（参考訳）: QLDPCコードのスケーラブルデコードのための機械学習メッセージパッシング
• Authors: Arshpreet Singh Maan, Alexandru Paler,
• Abstract要約: 本稿では,グラフニューラルネットワークを用いた新規でスケーラブルなデコーダであるAstraを紹介する。 我々のデコーダは、タナーグラフで表される制約のスドゥークパズルを解くのと同様に機能する。
• 参考スコア（独自算出の注目度）: 49.48516314472825
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Astra, a novel and scalable decoder using graph neural networks. Our decoder works similarly to solving a Sudoku puzzle of constraints represented by the Tanner graph. In general, Quantum Low Density Parity Check (QLDPC) decoding is based on Belief Propagation (BP, a variant of message-passing) and requires time intensive post-processing methods such as Ordered Statistics Decoding (OSD). Without using any post-processing, Astra achieves higher thresholds and better logical error rates when compared to BP+OSD, both for surface codes trained up to distance 11 and Bivariate Bicycle (BB) codes trained up to distance 18. Moreover, we can successfully extrapolate the decoding functionality: we decode high distances (surface code up to distance 25 and BB code up to distance 34) by using decoders trained on lower distances. Astra+OSD is faster than BP+OSD. We show that with decreasing physical error rates, Astra+OSD makes progressively fewer calls to OSD when compared to BP+OSD, even in the context of extrapolated decoding. Astra(+OSD) achieves orders of magnitude lower logical error rates for BB codes compared to BP(+OSD). The source code is open-sourced at \url{https://github.com/arshpreetmaan/astra}.
• Abstract（参考訳）: 本稿では,グラフニューラルネットワークを用いた新規でスケーラブルなデコーダであるAstraを紹介する。 我々のデコーダは、タナーグラフで表される制約のスドゥークパズルを解くのと同様に機能する。 一般に、量子低密度パリティチェック(QLDPC)復号法は、メッセージパッシングの変種であるBelief Propagation(BP)に基づいており、順序付き統計復号法(OSD)のような時間を要する。 後処理を一切使わずに、AstraはBP+OSDよりも高いしきい値とより良い論理誤差率を達成する。 さらに、より低い距離で訓練されたデコーダを用いて、高い距離(地上コード25およびBBコード34まで)をデコードする。 Astra+OSDはBP+OSDより速い。 物理誤り率の低下に伴い,Astra+OSDは外挿復号の文脈においても,BP+OSDと比較してOSDへの呼び出しを徐々に少なくすることを示す。 Astra(+OSD)は、BP(+OSD)と比較してBB符号の論理誤り率を桁違いに低くする。 ソースコードは \url{https://github.com/arshpreetmaan/astra} でオープンソース化されている。

関連論文リスト

• List Decodable Quantum LDPC Codes [49.2205789216734]
  我々は、ほぼ最適レート距離のトレードオフを持つ量子低密度パリティチェック(QLDPC)符号の構成を行う。 復号化可能なQLDPCコードとユニークなデコーダを効率よくリストアップする。
  論文  参考訳（メタデータ） (2024-11-06T23:08:55Z)
• Ambiguity Clustering: an accurate and efficient decoder for qLDPC codes [0.0]
  独立にデコードされたクラスタに計測データを分割するアルゴリズムであるAmbiguity Clustering (AC)を導入する。 ACはBP-OSDより1～3桁速く、論理的忠実度は低下しない。 我々のCPU実装であるACは、144キュービットのGross符号を、中性原子や閉じ込められたイオン系に対してリアルタイムにデコードするのに十分高速です。
  論文  参考訳（メタデータ） (2024-06-20T17:39:31Z)
• 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)
• Boosting Learning for LDPC Codes to Improve the Error-Floor Performance [16.297253625958174]
  本稿では,ニューラルミンサムデコーダ(NMS)のトレーニング手法を提案する。 異なる重み付けを不満足なチェックノードに割り当てることで、最小限の重み付けでエラーフロアを効果的に低減できることを示す。 提案したNMSデコーダは、余分なハードウェアコストを発生させることなく、既存のLDPCデコーダに統合することができる。
  論文  参考訳（メタデータ） (2023-10-11T05:05:40Z)
• Quaternary Neural Belief Propagation Decoding of Quantum LDPC Codes with Overcomplete Check Matrices [45.997444794696676]
  量子低密度パリティチェック(QLDPC)符号は、量子コンピュータにおける誤り訂正の候補として有望である。 量子コンピュータでQLDPCコードを実装する際の大きな課題の1つは、普遍デコーダの欠如である。 まず、オーバーコンプリートチェック行列で動作する信念伝搬(BP)デコーダを用いてQLDPC符号を復号する。 我々は,QLPDC符号の最適2値BPデコーダとして研究されたNBPデコーダを,第4次BPデコーダに拡張する。
  論文  参考訳（メタデータ） (2023-08-16T08:24:06Z)
• 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)
• A Scalable Graph Neural Network Decoder for Short Block Codes [49.25571364253986]
  エッジ重み付きグラフニューラルネットワーク(EW-GNN)に基づく短絡符号の復号化アルゴリズムを提案する。 EW-GNNデコーダは、繰り返しメッセージパッシング構造を持つタナーグラフで動作する。 EW-GNNデコーダは,復号誤り率の観点から,BP法および深層学習に基づくBP法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-11-13T17:13:12Z)
• Graph Neural Networks for Channel Decoding [71.15576353630667]
  低密度パリティチェック(LDPC)やBCH符号など、様々な符号化方式の競合復号性能を示す。 ニューラルネットワーク(NN)は、与えられたグラフ上で一般化されたメッセージパッシングアルゴリズムを学習する。 提案するデコーダを,従来のチャネル復号法および最近のディープラーニングに基づく結果と比較した。
  論文  参考訳（メタデータ） (2022-07-29T15:29:18Z)

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。