論文の概要: HyperNQ: A Hypergraph Neural Network Decoder for Quantum LDPC Codes

• arxiv url: http://arxiv.org/abs/2511.01741v1
• Date: Mon, 03 Nov 2025 16:52:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:27.33351
• Title: HyperNQ: A Hypergraph Neural Network Decoder for Quantum LDPC Codes
• Title（参考訳）: HyperNQ: 量子LDPCコードのためのハイパーグラフニューラルネットワークデコーダ
• Authors: Ameya S. Bhave, Navnil Choudhury, Kanad Basu,
• Abstract要約: Quantum Low-Density Parity-Check (QLDPC) コードは、スケーラブルなQuantum Error Correction (QEC) アプリケーションのための有望なソリューションとして登場した。 我々は,最初のハイパーグラフニューラルネットワーク(HGNN)ベースのQLDPCデコーダであるHyperNQを提案する。
• 参考スコア（独自算出の注目度）: 1.716414185235193
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum computing requires effective error correction strategies to mitigate noise and decoherence. Quantum Low-Density Parity-Check (QLDPC) codes have emerged as a promising solution for scalable Quantum Error Correction (QEC) applications by supporting constant-rate encoding and a sparse parity-check structure. However, decoding QLDPC codes via traditional approaches such as Belief Propagation (BP) suffers from poor convergence in the presence of short cycles. Machine learning techniques like Graph Neural Networks (GNNs) utilize learned message passing over their node features; however, they are restricted to pairwise interactions on Tanner graphs, which limits their ability to capture higher-order correlations. In this work, we propose HyperNQ, the first Hypergraph Neural Network (HGNN)- based QLDPC decoder that captures higher-order stabilizer constraints by utilizing hyperedges-thus enabling highly expressive and compact decoding. We use a two-stage message passing scheme and evaluate the decoder over the pseudo-threshold region. Below the pseudo-threshold mark, HyperNQ improves the Logical Error Rate (LER) up to 84% over BP and 50% over GNN-based strategies, demonstrating enhanced performance over the existing state-of-the-art decoders.
• Abstract（参考訳）: 量子コンピューティングは、ノイズとデコヒーレンスを軽減する効果的なエラー補正戦略を必要とする。 Quantum Low-Density Parity-Check (QLDPC) コードは、定数レート符号化とスパースパリティチェック構造をサポートし、スケーラブルなQuantum Error Correction (QEC) アプリケーションのための有望なソリューションとして登場した。 しかしながら、BP(Belief Propagation)のような従来の手法によるQLDPC符号の復号は、短いサイクルが存在する場合の収束性の低下に悩まされる。 Graph Neural Networks(GNN)のような機械学習技術は、学習したメッセージパッシングをノード機能に利用しているが、Tannerグラフ上のペアインタラクションに制限されているため、高階相関をキャプチャする能力に制限がある。 本研究では,HGNN(Hypergraph Neural Network)ベースのQLDPCデコーダであるHyperNQを提案する。 2段階のメッセージパッシング方式を用いて、擬似閾値領域上のデコーダを評価する。 擬似閾値の下位では、HyperNQはBPよりも最大84%、GNNベースの戦略より50%向上し、既存の最先端デコーダよりもパフォーマンスが向上した。

関連論文リスト

• Hierarchical Quantum Error Correction with Hypergraph Product Code and Rotated Surface Code [0.9002260638342727]
  本稿では,ハイパーグラフ積(HGP)符号を回転曲面符号で符号化する階層型量子誤り訂正(QEC)方式を提案し,解析する。 上層には3,4のランダムなHGP符号が使われており、誤り率が一定であることが知られている。 下層は、格子手術によるハードウェア互換性を実現するため、回転した表面コードと距離5から構成される。
  論文  参考訳（メタデータ） (2025-05-24T08:39:39Z)
• Decoding Quantum LDPC Codes Using Graph Neural Networks [52.19575718707659]
  グラフニューラルネットワーク(GNN)に基づく量子低密度パリティチェック(QLDPC)符号の新しい復号法を提案する。 提案したGNNベースのQLDPCデコーダは,QLDPC符号のスパースグラフ構造を利用して,メッセージパスデコーダとして実装することができる。
  論文  参考訳（メタデータ） (2024-08-09T16:47:49Z)
• 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)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)

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。