論文の概要: A graph-aware bounded distance decoder for all stabilizer codes

• arxiv url: http://arxiv.org/abs/2604.25424v1
• Date: Tue, 28 Apr 2026 09:32:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.79945
• Title: A graph-aware bounded distance decoder for all stabilizer codes
• Title（参考訳）: 全安定器符号に対するグラフ対応有界距離復号器
• Authors: Harikrishnan K J, Amit Kumar Pal,
• Abstract要約: 我々は,CSSおよび非CSSコードファミリを含むすべての安定化器コードに適用可能な有界距離デコーディング戦略を定式化する。 グラフのフィードフォワードネットワーク構造に関連付けられた戦略的なプルーニングは,探索空間を減らし,実行時間を短縮できることを示す。 また、任意の安定化器符号のグラフ対応有界距離復号を可能にするオープンソースライブラリQGDecoderを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We formulate a bounded distance decoding strategy applicable to all stabilizer codes including both CSS and non-CSS code-families. The framework emerges out of the local Clifford equivalence between arbitrary stabilizer states and graph states. Using the graphical representation of the stabilizers and the syndromes, we constitute the bounded distance decoding as an adaptable generalization of maximum likelihood decoding, ensuring correction of all errors with weights upper bounded by a target weight. We show that strategic pruning associated with a feed-forward network structure of the graph can reduce the search space and subsequently the runtime of the designed decoder. We demonstrate satisfactory performance of the bounded distance decoder in the case of the optimal non-CSS codes up to distance $d=11$ subjected to the depolarizing error on all qubits, and near-optimal decoding for the color and the surface codes, both belonging to the CSS family, under the bit-flip errors on the qubits. We also develop an open-source library, QGDecoder, enabling the graph-aware bounded distance decoding of arbitrary stabilizer codes.
• Abstract（参考訳）: 我々は,CSSおよび非CSSコードファミリを含むすべての安定化器コードに適用可能な有界距離デコーディング戦略を定式化する。 この枠組みは任意の安定化状態とグラフ状態の間の局所的なクリフォード同値から生じる。 安定化器とシンドロームのグラフィカルな表現を用いて、最大極大復号の適応可能な一般化として有界距離復号を構成し、目標重みによる重み付き重み付き全誤差の補正を確保する。 グラフのフィードフォワードネットワーク構造に付随する戦略的なプルーニングは,探索空間を減少させ,設計したデコーダのランタイムを減少させることを示す。 最大距離$d=11$までの有界距離デコーダの有界距離デコーダの性能を,すべてのキュービット上での非偏極誤差と,各キュービット上でのビットフリップ誤差の下で,CSSファミリーに属する色と表面符号のほぼ最適デコーダにより実証した。 また、任意の安定化器符号のグラフ対応有界距離復号を可能にするオープンソースライブラリQGDecoderを開発した。

関連論文リスト

• Faster Optimal Decoder for Graph Codes with a Single Logical Qubit [3.530759252061682]
  我々は,グラフ状態から構築した安定化器量子誤り訂正符号のクラスを開発する。 基礎となるグラフ状態の構造特性を利用した高速デコーダを提案する。
  論文  参考訳（メタデータ） (2026-02-16T13:22:19Z)
• Fermion-to-qubit encodings with arbitrary code distance [0.0]
  本研究では,1次元と2次元の局所フェルミオン・量子ビット符号化の符号距離を安定化器の重みを増大させることなく拡張できるフレームワークを提案する。 これは、トポロジ的欠陥の形で、低距離エンコーディングを表面コードに埋め込むことによって達成される。 我々の戦略は、LEを6.6.6カラーコードに明示的に埋め込むことによって、他のトポロジコードにも拡張可能であることを示す。
  論文  参考訳（メタデータ） (2025-05-05T18:00:14Z)
• Factor Graph Optimization of Error-Correcting Codes for Belief Propagation Decoding [62.25533750469467]
  低密度パリティ・チェック (LDPC) コードは、他の種類のコードに対していくつかの利点がある。 提案手法は,既存の人気符号の復号性能を桁違いに向上させる。
  論文  参考訳（メタデータ） (2024-06-09T12:08:56Z)
• A Scalable Graph Neural Network Decoder for Short Block Codes [49.25571364253986]
  エッジ重み付きグラフニューラルネットワーク(EW-GNN)に基づく短絡符号の復号化アルゴリズムを提案する。 EW-GNNデコーダは、繰り返しメッセージパッシング構造を持つタナーグラフで動作する。 EW-GNNデコーダは,復号誤り率の観点から,BP法および深層学習に基づくBP法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-11-13T17:13:12Z)
• Techniques for combining fast local decoders with global decoders under circuit-level noise [0.0]
  本稿では,3次元畳み込みを用いた局所ニューラルネットワーク(NN)デコーダの構築について紹介する。 これらのローカルデコーダは回路レベルのノイズに適応し、任意の大きさの表面コードボリュームに適用できる。 それらの応用は、特定の数の断層から生じる誤差を除去し、症候群の密度を大幅に減少させる。
  論文  参考訳（メタデータ） (2022-08-02T00:08:48Z)
• Graph Neural Networks for Channel Decoding [71.15576353630667]
  低密度パリティチェック(LDPC)やBCH符号など、様々な符号化方式の競合復号性能を示す。 ニューラルネットワーク(NN)は、与えられたグラフ上で一般化されたメッセージパッシングアルゴリズムを学習する。 提案するデコーダを,従来のチャネル復号法および最近のディープラーニングに基づく結果と比較した。
  論文  参考訳（メタデータ） (2022-07-29T15:29:18Z)
• 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)
• 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)
• Trellis Decoding For Qudit Stabilizer Codes And Its Application To Qubit Topological Codes [3.9962751777898955]
  トレリス復号器は強い構造を持ち、古典的符号化理論を用いて結果をガイドとして拡張し、復号グラフの構造特性を計算できる正準形式を示す。 修正されたデコーダは、任意の安定化コード$S$で動作し、コードの正規化子のコンパクトでグラフィカルな表現を構築するワンタイムオフライン、$Sperp$、Viterbiアルゴリズムを使った高速でパラレルなオンライン計算である。
  論文  参考訳（メタデータ） (2021-06-15T16:01:42Z)
• Neural Distributed Source Coding [59.630059301226474]
  相関構造に依存せず,高次元までスケール可能な損失DSCのためのフレームワークを提案する。 提案手法は,複数のデータセット上で評価し,複雑な相関関係と最先端PSNRを扱えることを示す。
  論文  参考訳（メタデータ） (2021-06-05T04:50:43Z)

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。