論文の概要: A Mixture of Experts Vision Transformer for High-Fidelity Surface Code Decoding

• arxiv url: http://arxiv.org/abs/2601.12483v1
• Date: Sun, 18 Jan 2026 16:49:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.647329
• Title: A Mixture of Experts Vision Transformer for High-Fidelity Surface Code Decoding
• Title（参考訳）: 高忠実表面符号復号のためのエキスパートビジョン変換器の混合
• Authors: Hoang Viet Nguyen, Manh Hung Nguyen, Hoang Ta, Van Khu Vu, Yeow Meng Chee,
• Abstract要約: トポロジカル・スタビライザーの符号は、その幾何学的局所性と実践的関連性から特に魅力的である。 本稿では,量子ビジョン変換器を用いたデコーダQuantumSMoEを提案する。 トーリックコードの実験は、QuantumSMoEが最先端の機械学習デコーダより優れていることを示した。
• 参考スコア（独自算出の注目度）: 12.998419492098462
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum error correction is a key ingredient for large scale quantum computation, protecting logical information from physical noise by encoding it into many physical qubits. Topological stabilizer codes are particularly appealing due to their geometric locality and practical relevance. In these codes, stabilizer measurements yield a syndrome that must be decoded into a recovery operation, making decoding a central bottleneck for scalable real time operation. Existing decoders are commonly classified into two categories. Classical algorithmic decoders provide strong and well established baselines, but may incur substantial computational overhead at large code distances or under stringent latency constraints. Machine learning based decoders offer fast GPU inference and flexible function approximation, yet many approaches do not explicitly exploit the lattice geometry and local structure of topological codes, which can limit performance. In this work, we propose QuantumSMoE, a quantum vision transformer based decoder that incorporates code structure through plus shaped embeddings and adaptive masking to capture local interactions and lattice connectivity, and improves scalability via a mixture of experts layer with a novel auxiliary loss. Experiments on the toric code demonstrate that QuantumSMoE outperforms state-of-the-art machine learning decoders as well as widely used classical baselines.
• Abstract（参考訳）: 量子誤り訂正は大規模量子計算の鍵となる要素であり、物理ノイズから論理情報を多くの物理量子ビットに符号化することで保護する。 トポロジカル・スタビライザーの符号は、その幾何学的局所性と実践的関連性から特に魅力的である。 これらの符号では、安定化器の測定により、回復操作に復号する必要があるシンドロームが発生し、スケーラブルなリアルタイム操作において、デコードが中心的なボトルネックとなる。 既存のデコーダは一般的に2つのカテゴリに分類される。 古典的なアルゴリズムデコーダは、強力で確立されたベースラインを提供するが、大きなコード距離や制約のあるレイテンシの制約の下で、かなりの計算オーバーヘッドを発生させる可能性がある。 機械学習ベースのデコーダは高速なGPU推論とフレキシブルな関数近似を提供するが、多くのアプローチではトポロジカルコードの格子幾何学と局所構造を明示的に利用せず、性能を制限できる。 本研究では,量子ビジョン変換器をベースとしたデコーダQuantumSMoEを提案する。このデコーダは,局所的な相互作用と格子接続を捉えるために,形状の埋め込みと適応マスクによってコード構造を組み込んで,新たな補助的損失を伴う専門家層を混合することでスケーラビリティを向上させる。 トーリックコードの実験では、QuantumSMoEは最先端の機械学習デコーダよりも優れており、古典的なベースラインが広く使用されている。

関連論文リスト

• Neural Decoders for Universal Quantum Algorithms [0.43553942673960666]
  モジュール型アテンションベースニューラルデコーダを導入し,ゲートによる相関関係を学習する。 我々のデコーダは、最もエラーに近いデコーダに匹敵する高速な推論と論理的エラー率を達成する。 これらの結果は、量子コンピューティングの実用的で汎用的で高性能なツールとして、ニューラルデコーダを確立している。
  論文  参考訳（メタデータ） (2025-09-14T17:51:46Z)
• A Unitary Encoder for Surface Codes [0.0]
  そこで本研究では,ロータリーな曲面符号と正規な曲面符号の符号変換に基づいて,曲面符号状態を符号化する非局所ユニタリ回路を提案する。 我々のエンコーダは、中性原子や閉じ込められたイオンのような非局所的な相互作用が利用できるプラットフォームにおいて、実用的な利点を提供する。
  論文  参考訳（メタデータ） (2025-06-04T15:45:03Z)
• Bubble Clustering Decoder for Quantum Topological Codes [8.62986288837424]
  本稿では,MWPMの低遅延交換として機能する量子曲面符号に対するバブルクラスタリングデコーダを提案する。 この速度アップは、欠陥を中心にした泡に基づく効率的なクラスタ生成を利用する。 適度な物理誤差率の場合、これはデータキュービット数の線形複雑性と同値である。
  論文  参考訳（メタデータ） (2025-04-02T12:02:34Z)
• 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)
• Localized statistics decoding for quantum low-density parity-check codes [3.716393259548592]
  任意の量子低密度パリティチェック符号に対する局所統計復号法を導入する。 我々のデコーダは専用ハードウェアの実装に適しており、実験からリアルタイムシンドロームをデコードするための有望な候補として位置づけられている。
  論文  参考訳（メタデータ） (2024-06-26T18:00:09Z)
• Learning Linear Block Error Correction Codes [62.25533750469467]
  本稿では,バイナリ線形ブロック符号の統一エンコーダデコーダトレーニングを初めて提案する。 また,コード勾配の効率的なバックプロパゲーションのために,自己注意マスキングを行うトランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-07T06:47:12Z)
• 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)
• Adversarial Neural Networks for Error Correcting Codes [76.70040964453638]
  機械学習(ML)モデルの性能と適用性を高めるための一般的なフレームワークを紹介する。 本稿では,MLデコーダと競合する識別器ネットワークを組み合わせることを提案する。 我々のフレームワークはゲーム理論であり、GAN(Generative Adversarial Network)によって動機付けられている。
  論文  参考訳（メタデータ） (2021-12-21T19:14:44Z)

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。