論文の概要: Calibration-Conditioned FiLM Decoders for Low-Latency Decoding of Quantum Error Correction Evaluated on IBM Repetition-Code Experiments

• arxiv url: http://arxiv.org/abs/2601.16123v1
• Date: Thu, 22 Jan 2026 17:23:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-23 21:37:20.667804
• Title: Calibration-Conditioned FiLM Decoders for Low-Latency Decoding of Quantum Error Correction Evaluated on IBM Repetition-Code Experiments
• Title（参考訳）: IBM繰り返し符号実験による量子誤差補正の低遅延復号化のための校正制御FiLMデコーダ
• Authors: Samuel Stein, Shuwen Kan, Chenxu Liu, Adrian Harkness, Sean Garner, Zefan Du, Yufei Ding, Ying Mao, Ang Li,
• Abstract要約: 量子誤り訂正(QEC)のリアルタイム復号化は、フォールトトレラント量子計算の実現に不可欠である。 超伝導プロセッサにおける時間スケールの自然な分離を生かしたハードウェアコンディショニングニューラルデコーダフレームワークを提案する。 また,FiLM条件のデコーダは,修正された最小値完全マッチングに対して,論理誤差率を最大11.1倍に削減できることを示した。
• 参考スコア（独自算出の注目度）: 7.856983722811477
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-time decoding of quantum error correction (QEC) is essential for enabling fault-tolerant quantum computation. A practical decoder must operate with high accuracy at low latency, while remaining robust to spatial and temporal variations in hardware noise. We introduce a hardware-conditioned neural decoder framework designed to exploit the natural separation of timescales in superconducting processors, where calibration drifts occur over hours while error correction requires microsecond-scale responses. By processing calibration data through a graph-based encoder and conditioning a lightweight convolutional backbone via feature-wise linear modulation (FiLM), we decouple the heavy processing of device statistics from the low-latency syndrome decoding. We evaluate this approach using the 1D repetition code as a testbed on IBM Fez, Kingston, and Pittsburgh processors, collecting over 2.7 million experimental shots spanning distances up to d = 11. We demonstrate that a single trained model generalizes to unseen qubit chains and new calibration data acquired days later without retraining. On these unseen experiments, the FiLM-conditioned decoder achieves up to an 11.1x reduction in logical error rate relative to modified minimum-weight perfect matching. We observe that by employing a network architecture that exploits the highly asynchronous nature of system calibration and decoding, hardware-conditioned neural decoding demonstrates promising, adaptive performance with negligible latency overhead relative to unconditioned baselines.
• Abstract（参考訳）: 量子誤り訂正(QEC)のリアルタイム復号化は、フォールトトレラント量子計算の実現に不可欠である。 実用的なデコーダは、ハードウェアノイズの空間的および時間的変動に対して頑健でありながら、低レイテンシで高い精度で動作する必要がある。 本稿では,超伝導プロセッサにおける時間スケールの自然な分離を生かしたハードウェアコンディショニング型ニューラルデコーダフレームワークを提案する。 グラフベースのエンコーダを用いてキャリブレーションデータを処理し、特徴量線形変調(FiLM)を介して軽量な畳み込みバックボーンを条件付けすることにより、低遅延シンドローム復号からデバイス統計の重い処理を分離する。 我々は、IBM Fez、キングストン、ピッツバーグのプロセッサ上で1D繰り返しコードを用いてこのアプローチを評価し、270万枚以上の実験ショットをd = 11まで収集した。 トレーニングされた1つのモデルが、再学習することなく、未知のキュービット鎖と新しいキャリブレーションデータに一般化できることを実証する。 これらの目に見えない実験では、FiLM条件付きデコーダは、修正された最小限の完全マッチングに対する論理誤差率を最大11.1倍削減する。 システムキャリブレーションとデコーディングの高非同期性を利用したネットワークアーキテクチャを用いることで、ハードウェア条件のニューラルデコーディングは、未条件のベースラインに対して無視できない遅延オーバーヘッドで、有望で適応的なパフォーマンスを示す。

関連論文リスト

• 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)
• Demonstrating real-time and low-latency quantum error correction with superconducting qubits [52.08698178354922]
  超伝導量子プロセッサに組み込まれたスケーラブルFPGAデコーダを用いて低遅延フィードバックを示す。 復号ラウンド数が増加するにつれて、論理誤差の抑制が観察される。 この作業でデコーダのスループットとレイテンシが発達し、デバイスの継続的な改善と相まって、次世代の実験がアンロックされた。
  論文  参考訳（メタデータ） (2024-10-07T17:07:18Z)
• 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)
• 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)
• 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)
• A scalable and fast artificial neural network syndrome decoder for surface codes [0.8078491757252693]
  任意の形状と大きさの曲面符号をデコードできるスケーラブルで高速なシンドロームデコーダを開発した。 5000万を超えるランダムな量子エラーインスタンスの厳格なトレーニングに基づいて、ANNデコーダは1000を超えるコード距離で動作することを示した。
  論文  参考訳（メタデータ） (2021-10-12T09:41:09Z)

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。