論文の概要: Machine Learning Decoding of Circuit-Level Noise for Bivariate Bicycle Codes

• arxiv url: http://arxiv.org/abs/2504.13043v1
• Date: Thu, 17 Apr 2025 15:57:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-18 14:36:15.609526
• Title: Machine Learning Decoding of Circuit-Level Noise for Bivariate Bicycle Codes
• Title（参考訳）: 二変量自転車符号に対する回路レベル雑音の機械学習復号法
• Authors: John Blue, Harshil Avlani, Zhiyang He, Liu Ziyin, Isaac L. Chuang,
• Abstract要約: BB符号の回路レベルノイズを復号化するための再帰型トランスフォーマーベースニューラルネットワークを提案する。 BB符号が$[72,12,6]の物理誤差率$p=0.1%$の場合、我々のモデルは信念の伝播よりも約5ドル低い論理誤差率を達成する。 これらの結果から,機械学習デコーダはQLDPC符号において従来のデコーダより優れることが示された。
• 参考スコア（独自算出の注目度）: 0.42542143904778074
• License:
• Abstract: Fault-tolerant quantum computers will depend crucially on the performance of the classical decoding algorithm which takes in the results of measurements and outputs corrections to the errors inferred to have occurred. Machine learning models have shown great promise as decoders for the surface code; however, this promise has not yet been substantiated for the more challenging task of decoding quantum low-density parity-check (QLDPC) codes. In this paper, we present a recurrent, transformer-based neural network designed to decode circuit-level noise on Bivariate Bicycle (BB) codes, introduced recently by Bravyi et al (Nature 627, 778-782, 2024). For the $[[72,12,6]]$ BB code, at a physical error rate of $p=0.1\%$, our model achieves a logical error rate almost $5$ times lower than belief propagation with ordered statistics decoding (BP-OSD). Moreover, while BP-OSD has a wide distribution of runtimes with significant outliers, our model has a consistent runtime and is an order-of-magnitude faster than the worst-case times from a benchmark BP-OSD implementation. On the $[[144,12,12]]$ BB code, our model obtains worse logical error rates but maintains the speed advantage. These results demonstrate that machine learning decoders can out-perform conventional decoders on QLDPC codes, in regimes of current interest.
• Abstract（参考訳）: フォールトトレラントな量子コンピュータは、古典的復号アルゴリズムの性能に大きく依存する。 マシンラーニングモデルは、サーフェスコードのデコーダとして大きな可能性を示してきたが、量子低密度パリティチェック(QLDPC)コードをデコードするより難しいタスクのために、この約束はまだ確定していない。 本稿では, 最近 Bravyi et al (Nature 627, 778-782, 2024) が導入した, Bivariate Bicycle (BB) 符号の回路レベルノイズを復号化するための再帰型トランスフォーマーベースニューラルネットワークを提案する。 我々のモデルは,[[72,12,6]$ BB符号の物理誤差率$p=0.1\%$に対して,順序付き統計復号(BP-OSD)による信念伝播よりも約5ドル低い論理誤差率を達成する。 さらに,BP-OSDは大きなアウトレージを持つランタイムの分布が広いが,我々のモデルは一貫したランタイムを持ち,ベンチマークBP-OSD実装の最悪のケース時間よりも高速である。 BB符号[[144,12,12]$ BB符号では、我々のモデルはより悪い論理誤差率を得るが、速度の優位性を維持する。 これらの結果から、機械学習デコーダはQLDPC符号における従来のデコーダを、現在の関心の状況下で上回る性能を持つことが示された。

関連論文リスト

• Threshold Selection for Iterative Decoding of $(v,w)$-regular Binary Codes [84.0257274213152]
  繰り返しビットフリップデコーダは、sparse $(v,w)$-regular符号の効率的な選択である。 閉形式モデルに基づくしきい値決定のための具体的な基準を提案する。
  論文  参考訳（メタデータ） (2025-01-23T17:38:22Z)
• SymBreak: Mitigating Quantum Degeneracy Issues in QLDPC Code Decoders by Breaking Symmetry [13.97553415798807]
  量子低密度パリティチェック (qLDPC) コードは有望な代替として出現し、より少ない量子ビットを必要とする。 SymBreakはqLDPC符号のための新しいデコーダで、デコードグラフを適応的に修正し、最先端の信条伝搬デコーダの性能を向上させる。 以上の結果から,Symbreak は BP と BP+OSD より複雑な BP の変種である BP と BP+OSD を,BP と比較して論理誤差率を 16.17 ドル,qLDPC のコードファミリで 3.23 ドルで上回った。
  論文  参考訳（メタデータ） (2024-12-03T22:45:43Z)
• Quantum error correction below the surface code threshold [107.92016014248976]
  量子誤り訂正は、複数の物理量子ビットを論理量子ビットに結合することで、実用的な量子コンピューティングに到達するための経路を提供する。 本研究では, リアルタイムデコーダと統合された距離7符号と距離5符号の2つの面符号メモリを臨界閾値以下で動作させる。 以上の結果から,大規模なフォールトトレラント量子アルゴリズムの動作要件を実現する装置の性能が示唆された。
  論文  参考訳（メタデータ） (2024-08-24T23:08:50Z)
• Ambiguity Clustering: an accurate and efficient decoder for qLDPC codes [0.0]
  本稿では,Ambiguity Clustering Decoder (AC)を導入し,測定データを独立に復号可能なクラスタに分割する。 0.3%の回路レベルの脱分極ノイズにより、ACはBP-OSDの27倍の精度で出力される。 本実装では,M2 CPU上でのシンドローム抽出1ラウンドあたり135usで144キュービットのGross符号をデコードする。
  論文  参考訳（メタデータ） (2024-06-20T17:39:31Z)
• Estimating the Decoding Failure Rate of Binary Regular Codes Using Iterative Decoding [84.0257274213152]
  並列ビットフリップデコーダのDFRを高精度に推定する手法を提案する。 本研究は,本症候群のモデル化およびシミュレーションによる重み比較,第1イテレーション終了時の誤りビット分布の誤検出,復号化復号化率(DFR)について検証した。
  論文  参考訳（メタデータ） (2024-01-30T11:40:24Z)
• qecGPT: decoding Quantum Error-correcting Codes with Generative Pre-trained Transformers [5.392298820599664]
  生成モデルを用いて量子誤り訂正符号を復号するフレームワークを提案する。 自動回帰ニューラルネットワーク、特にトランスフォーマーを用いて、論理演算子とシンドロームの結合確率を学習する。 我々のフレームワークは汎用的であり、様々なトポロジを持つ任意のエラーモデルや量子コードに適用できる。
  論文  参考訳（メタデータ） (2023-07-18T07:34:02Z)
• Neural network decoder for near-term surface-code experiments [0.7100520098029438]
  ニューラルネットワークデコーダは従来のデコーダに比べて論理的誤り率を低くすることができる。 これらのデコーダは物理エラー率に関する事前情報を必要としないため、高度に適応可能である。
  論文  参考訳（メタデータ） (2023-07-06T20:31:25Z)
• 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)
• 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)
• 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)

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。