論文の概要: A Symmetry-Integrated Approach to Surface Code Decoding

• arxiv url: http://arxiv.org/abs/2509.10164v1
• Date: Fri, 12 Sep 2025 11:41:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-15 16:03:08.069258
• Title: A Symmetry-Integrated Approach to Surface Code Decoding
• Title（参考訳）: 表面符号復号化のための対称性付きアプローチ
• Authors: Hoshitaro Ohnishi, Hideo Mukai,
• Abstract要約: 曲面符号は高い誤差閾値を持つ有望な符号化法であると考えられている。 従来はデコーダが誤差確率分布のみを取得するという問題に悩まされていた。 本稿では,連続関数を用いたシンドローム計測によりデコーダモデルを再最適化する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Quantum error correction, which utilizes logical qubits that are encoded as redundant multiple physical qubits to find and correct errors in physical qubits, is indispensable for practical quantum computing. Surface code is considered to be a promising encoding method with a high error threshold that is defined by stabilizer generators. However, previous methods have suffered from the problem that the decoder acquires solely the error probability distribution because of the non-uniqueness of correct prediction obtained from the input. To circumvent this problem, we propose a technique to reoptimize the decoder model by approximating syndrome measurements with a continuous function that is mathematically interpolated by neural network. We evaluated the improvement in accuracy of a multilayer perceptron based decoder for code distances of 5 and 7 as well as for decoders based on convolutional and recurrent neural networks and transformers for a code distance of 5. In all cases, the reoptimized decoder gave better accuracy than the original models, demonstrating the universal effectiveness of the proposed method that is independent of code distance or network architecture. These results suggest that re-framing the problem of surface code decoding into a regression problem that can be tackled by deep learning is a useful strategy.
• Abstract（参考訳）: 物理量子ビットの誤りを発見し、修正するために冗長な多重物理量子ビットとして符号化された論理量子ビットを利用する量子誤り訂正は、実用的な量子コンピューティングには不可欠である。 表面符号は、安定化器発生器によって定義される高いエラーしきい値を持つ有望な符号化法であると考えられている。 しかし,従来の手法では,入力から得られた誤り予測の非特異性のため,デコーダが誤差確率分布のみを取得するという問題に悩まされている。 この問題を回避するために,ニューラルネットワークによって数学的に補間された連続関数を用いてシンドローム測定を近似することでデコーダモデルを再最適化する手法を提案する。 5 と 7 の符号距離に対する多層パーセプトロン型デコーダの精度向上および5 の符号距離に対する畳み込みニューラルネットワークと変換器に基づく復号器の性能向上について検討した。 いずれの場合も、再最適化デコーダは元のモデルよりも精度が高く、コード距離やネットワークアーキテクチャに依存しない提案手法の普遍的な有効性を示した。 これらの結果から,表層符号の復号化に関する問題を,深層学習に対処可能な回帰問題に再フレーミングすることが有用な戦略であることが示唆された。

関連論文リスト

• Learning Neural Decoding with Parallelism and Self-Coordination for Quantum Error Correction [7.184133388805955]
  既存のニューラルネットワークデコーダの実装には、超伝導論理量子ビットによって生成されたシンドロームストリームをリアルタイムで復号するために必要な並列性がない。 我々は、スライディングウインドウデコーディングに特化した、リカレントでトランスフォーマーベースのニューラルネットワークをトレーニングすることで、この問題に対処する。 このアプローチにより、ネットワークは近隣のウィンドウをまたいで自己調整し、任意に長いメモリ実験の高精度な並列デコードを容易にする。
  論文  参考訳（メタデータ） (2025-09-04T02:02:27Z)
• Testing the Accuracy of Surface Code Decoders [55.616364225463066]
  大規模でフォールトトレラントな量子計算は量子エラー訂正符号(QECC)によって実現される 本研究は,QECC復号方式の精度と有効性をテストするための最初の体系的手法である。
  論文  参考訳（メタデータ） (2023-11-21T10:22:08Z)
• A Cryogenic Memristive Neural Decoder for Fault-tolerant Quantum Error Correction [0.0]
  インメモリ・クロスバー(IMC)アーキテクチャに基づくニューラルデコーダの設計と解析を行う。 ハードウェアを意識したリトレーニング手法を開発し、フィデリティ損失を軽減する。 この研究は、フォールトトレラントQECの統合のためのスケーラブルで高速で低消費電力のMCCハードウェアへの経路を提供する。
  論文  参考訳（メタデータ） (2023-07-18T17:46:33Z)
• Data-driven decoding of quantum error correcting codes using graph neural networks [0.0]
  グラフニューラルネットワーク(GNN)を用いたモデルフリーでデータ駆動型デコーディングアプローチについて検討する。 GNNベースのデコーダは、シミュレーションデータのみを与えられた表面コード上での回路レベルのノイズに対する整合デコーダよりも優れていることを示す。 その結果、デコードに対する純粋にデータ駆動型アプローチが、実用的な量子誤り訂正のための実行可能な選択肢である可能性が示唆された。
  論文  参考訳（メタデータ） (2023-07-03T17:25:45Z)
• The END: An Equivariant Neural Decoder for Quantum Error Correction [73.4384623973809]
  データ効率のよいニューラルデコーダを導入し、この問題の対称性を活用する。 本稿では,従来のニューラルデコーダに比べて精度の高い新しい同変アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-04-14T19:46:39Z)
• 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)
• 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。