論文の概要: SAQ: Stabilizer-Aware Quantum Error Correction Decoder

• arxiv url: http://arxiv.org/abs/2512.08914v1
• Date: Tue, 09 Dec 2025 18:51:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-10 22:28:08.102172
• Title: SAQ: Stabilizer-Aware Quantum Error Correction Decoder
• Title（参考訳）: SAQ:安定化器対応量子誤り訂正デコーダ
• Authors: David Zenati, Eliya Nachmani,
• Abstract要約: 量子誤り訂正(QEC)復号法は、基本的な精度と効率のトレードオフに直面している。 最近のニューラルデコーダは複雑さを減少させるが、計算に高価な古典的手法と競合するために必要な精度に欠ける。 本稿では,変換器に基づく学習と制約後処理を組み合わせたフレームワークであるSAQ-Decoderを紹介する。
• 参考スコア（独自算出の注目度）: 8.458339111154585
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Error Correction (QEC) decoding faces a fundamental accuracy-efficiency tradeoff. Classical methods like Minimum Weight Perfect Matching (MWPM) exhibit variable performance across noise models and suffer from polynomial complexity, while tensor network decoders achieve high accuracy but at prohibitively high computational cost. Recent neural decoders reduce complexity but lack the accuracy needed to compete with computationally expensive classical methods. We introduce SAQ-Decoder, a unified framework combining transformer-based learning with constraint aware post-processing that achieves both near Maximum Likelihood (ML) accuracy and linear computational scalability with respect to the syndrome size. Our approach combines a dual-stream transformer architecture that processes syndromes and logical information with asymmetric attention patterns, and a novel differentiable logical loss that directly optimizes Logical Error Rates (LER) through smooth approximations over finite fields. SAQ-Decoder achieves near-optimal performance, with error thresholds of 10.99% (independent noise) and 18.6% (depolarizing noise) on toric codes that approach the ML bounds of 11.0% and 18.9% while outperforming existing neural and classical baselines in accuracy, complexity, and parameter efficiency. Our findings establish that learned decoders can simultaneously achieve competitive decoding accuracy and computational efficiency, addressing key requirements for practical fault-tolerant quantum computing systems.
• Abstract（参考訳）: 量子誤り訂正(QEC)復号法は、基本的な精度と効率のトレードオフに直面している。 MWPM (Minimum Weight Perfect Matching) のような古典的な手法はノイズモデル全体にわたって可変性能を示し、多項式複雑性に悩まされている。 最近のニューラルデコーダは複雑さを減少させるが、計算に高価な古典的手法と競合するために必要な精度に欠ける。 本稿では,SAQ-Decoderについて紹介する。SAQ-Decoderはトランスフォーマーに基づく学習と制約を意識した後処理を組み合わせた統合フレームワークで,ML(Maximum Likelihood)の精度と,シンドロームサイズに関する線形計算スケーラビリティの両方を実現する。 提案手法は、シンドロームと論理情報を非対称な注意パターンで処理するデュアルストリームトランスフォーマーアーキテクチャと、有限体上の滑らかな近似による論理誤差率(LER)を直接最適化する新しい微分可能な論理損失を組み合わせたものである。 SAQ-Decoderの誤差閾値は10.99%(独立ノイズ)と18.6%(脱分極ノイズ)であり、ML境界に近づくトーリック符号は11.0%と18.9%であり、既存のニューラルネットワークや古典的なベースラインよりも精度、複雑性、パラメータ効率が優れている。 この結果から,学習した復号器は競合する復号精度と計算効率を同時に達成し,実用的フォールトトレラント量子コンピューティングシステムにおいて重要な要件に対処できることが判明した。

関連論文リスト

• Fast correlated decoding of transversal logical algorithms [67.01652927671279]
  大規模計算には量子エラー補正(QEC)が必要であるが、かなりのリソースオーバーヘッドが発生する。 近年の進歩により、論理ゲートからなるアルゴリズムにおいて論理キュービットを共同で復号化することにより、症候群抽出ラウンドの数を削減できることが示されている。 ここでは、回路を介して伝播する関連する論理演算子製品を直接復号することで、回路の復号化の問題を修正する。
  論文  参考訳（メタデータ） (2025-05-19T18:00:00Z)
• Accelerating Error Correction Code Transformers [56.75773430667148]
  本稿では,トランスを用いたデコーダの高速化手法を提案する。 最新のハードウェアでは、90%の圧縮比を実現し、算術演算エネルギー消費を少なくとも224倍削減する。
  論文  参考訳（メタデータ） (2024-10-08T11:07:55Z)
• A Scalable, Fast and Programmable Neural Decoder for Fault-Tolerant Quantum Computation Using Surface Codes [12.687083899824314]
  量子誤り訂正符号(Quantum error-correcting codes, QECCs)は、量子アルゴリズムの実行の大きな障害である量子ノイズの負の効果を排除できる。 回転曲面符号(RSC)に対するFTQECの要件を満たすスケーラブルで高速でプログラム可能なニューラルデコーディングシステムを提案する。 本システムでは,197 nsのデコード遅延を極端に低くし,その精度はMWPMに近い。
  論文  参考訳（メタデータ） (2023-05-25T06:23:32Z)
• 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)
• A Practical and Scalable Decoder for Topological Quantum Error Correction with Digital Annealer [0.5658123802733283]
  富士通デジタルアニール(DA)を用いた量子誤り訂正のための効率的でスケーラブルなデコーダを提案する。 特に,提案したDAデコーダを表面コードに実装し,様々なコードに対して詳細な数値実験を行い,その性能とスケーラビリティを検証した。 また、DAデコーダはハードウェア実装を含む様々な観点からUnion-Find(UF)デコーダよりも利点があることが示されている。
  論文  参考訳（メタデータ） (2022-03-29T07:48:51Z)
• 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)
• Scalable Neural Decoder for Topological Surface Codes [0.0]
  本稿では,雑音およびシンドローム測定誤差を考慮に入れた安定化符号群に対するニューラルネットワークに基づくデコーダを提案する。 重要なイノベーションは、エラーシンドロームを小さなスケールで自動デコードすることである。 このような前処理によって,実用アプリケーションにおいて最大2桁の誤差率を効果的に削減できることを示す。
  論文  参考訳（メタデータ） (2021-01-18T19:02:09Z)

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。