論文の概要: GreenPeas: Unlocking Adaptive Quantum Error Correction with Just-in-Time Decoding Hypergraphs

• arxiv url: http://arxiv.org/abs/2604.16613v1
• Date: Fri, 17 Apr 2026 18:11:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.105724
• Title: GreenPeas: Unlocking Adaptive Quantum Error Correction with Just-in-Time Decoding Hypergraphs
• Title（参考訳）: GreenPeas: ジャストインタイムのデコードハイパーグラフで適応的量子エラー訂正をアンロック
• Authors: Abbas B. Ziad, Jubo Xu, Hongxiang Fan,
• Abstract要約: GreenPeasは、ハイパーグラフの高速でジャストインタイムなコンパイルのためのツールチェーンである。 我々は,Stimのバックトラッキングアルゴリズムを,大規模並列GPUアーキテクチャに効率的にマッピングする方法を示す。 我々の実装は、主要な耐故障性アーキテクチャの2つにまたがるStimベースラインを平均10倍のスピードアップを実現している。
• 参考スコア（独自算出の注目度）: 6.815406906400873
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Circuit-level decoders are essential for the realisation of low-overhead fault-tolerant quantum computing. However, they rely on complex hypergraphs that are traditionally compiled ahead-of-time. This static approach introduces a significant bottleneck for an emerging class of adaptive circuits, where the structure is modified during execution based on mid-circuit measurement outcomes. Pre-compiling hypergraphs for all possible circuit branches would incur an exponential memory cost, rendering current tools impractical for these workloads. Hence, we introduce GreenPeas, a C++/CUDA toolchain for the high-speed, just-in-time compilation of decoding hypergraphs. By lowering the circuit to a space-time error propagation graph, we show how Stim's backtracking algorithm can be mapped efficiently onto massively parallel GPU architectures, decomposing the O(nl) workload for a circuit with n qubits and l gate layers across thousands of concurrent threads. Our implementation achieves a greater than 10x average speedup over the Stim baseline across two of the leading fault-tolerant architectures: the surface and bivariate bicycle codes. As a key use case, we demonstrate that this speedup enables circuit-level decoding of adaptive syndrome measurement circuits, unlocking a regime previously restricted to less accurate phenomenological decoders. We aim to open-source GreenPeas to support the research of future adaptive circuit protocols.
• Abstract（参考訳）: 回路レベルのデコーダは、低オーバーヘッドフォールトトレラント量子コンピューティングの実現に不可欠である。 しかし、それらは伝統的に前もってコンパイルされる複雑なハイパーグラフに依存している。 この静的なアプローチは、中間回路の測定結果に基づいて実行中に構造が変更される、新しい適応回路のクラスに重大なボトルネックをもたらす。 可能なすべての回路ブランチに対して事前コンパイルされたハイパーグラフは指数関数的なメモリコストを発生させ、現在のツールがこれらのワークロードに非現実的になる。 したがって、高速でジャストインタイムなハイパーグラフのコンパイルのためのC++/CUDAツールチェーンであるGreenPeasを導入する。 回路を時空誤差伝搬グラフに下げることで、Stimのバックトラックアルゴリズムが大規模並列GPUアーキテクチャに効率的にマッピングできることを示し、数千の並列スレッドにわたるn量子ビットおよびlゲート層を持つ回路のO(nl)ワークロードを分解する。 我々の実装は,2つの主要な耐故障性アーキテクチャ – 表面およびバイバリアイト自転車コード – にわたって,Stimベースラインの平均速度を10倍以上に向上させる。 重要なユースケースとして,この高速化により適応型症候群計測回路の回路レベル復号が可能となり,従来より精度の低い現象デコーダに制限されていたレギュレーションが解禁されることを示した。 我々はGreenPeasをオープンソースにして、将来の適応回路プロトコルの研究を支援することを目指している。

関連論文リスト

• AI-Enabled Decoding of Qubit Loss for Quantum Error-Correcting Codes [16.0178741156376]
  量子ビット損失は、量子計算における主要なエラー源である。 グラフニューラルネットワークアーキテクチャに基づく人工知能型デコーダを開発した。
  論文  参考訳（メタデータ） (2026-04-15T17:59:35Z)
• 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)
• An almost-linear time decoding algorithm for quantum LDPC codes under circuit-level noise [0.562479170374811]
  フォールトトレラントな量子コンピュータは古典的コプロセッサと組み合わせて設計されなければならない。 我々は、量子低密度パリティチェック符号のほぼ線形時間デコーダとして、信念伝播と順序付きタナーフォレスト(BP+OTF)アルゴリズムを導入する。
  論文  参考訳（メタデータ） (2024-09-02T19:50:57Z)
• CktGNN: Circuit Graph Neural Network for Electronic Design Automation [67.29634073660239]
  本稿では,回路トポロジ生成とデバイスサイズを同時に行う回路グラフニューラルネットワーク(CktGNN)を提案する。 オープンサーキットベンチマーク(OCB: Open Circuit Benchmark)は、オープンソースのデータセットで、10ドル(約10万円)の異なるオペレーショナルアンプを含む。 我々の研究は、アナログ回路のための学習ベースのオープンソース設計自動化への道を開いた。
  論文  参考訳（メタデータ） (2023-08-31T02:20:25Z)
• Parallel window decoding enables scalable fault tolerant quantum computation [2.624902795082451]
  本稿では,デコード問題を並列化し,ほぼ任意のシンドローム処理速度を実現する手法を提案する。 並列化では、古典的なフィードバックの決定を遅らせる必要があり、論理クロックの速度が遅くなる。 既知のオート・テレポーテーション・ガジェットを使用すれば、キュービットオーバーヘッドの増加と引き換えに、スローダウンを完全に排除することができる。
  論文  参考訳（メタデータ） (2022-09-18T12:37:57Z)
• Machine Learning Optimization of Quantum Circuit Layouts [63.55764634492974]
  本稿では量子回路マッピングQXXとその機械学習バージョンQXX-MLPを紹介する。 後者は、レイアウトされた回路の深さが小さくなるように最適なQXXパラメータ値を自動的に推論する。 近似を用いてレイアウト法を学習可能な経験的証拠を提示する。
  論文  参考訳（メタデータ） (2020-07-29T05:26:19Z)

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。