論文の概要: Rethink the Role of Neural Decoders in Quantum Error Correction

• arxiv url: http://arxiv.org/abs/2605.12046v1
• Date: Tue, 12 May 2026 12:26:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.854229
• Title: Rethink the Role of Neural Decoders in Quantum Error Correction
• Title（参考訳）: 量子エラー補正におけるニューラルデコーダの役割の再考
• Authors: Ge Yan, Shanchuan Li, Yuxuan Du,
• Abstract要約: 量子誤差補正(QEC)は、量子上の利点を実現するために不可欠である。 我々は,表面符号復号化のためのニューラルデコーダを,明示的な精度-遅延制約の下で再検討する。 FPGAハードウェア上でのデプロイ性と性能を評価するために,エンドツーエンド圧縮パイプラインを開発した。
• 参考スコア（独自算出の注目度）: 12.434295501714582
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum error correction (QEC) is essential for enabling quantum advantages, with decoding as a central algorithmic primitive. Owing to its importance and intrinsic difficulty, substantial effort has been made to QEC decoder design, among which neural decoders have recently emerged as a promising data-driven paradigm. Despite this progress, practical deployment remains hindered by a fundamental accuracy-latency tradeoff, often on the microsecond timescale. To address this challenge, here we revisit neural decoders for surface-code decoding under explicit accuracy-latency constraints, considering code distances up to d=9 (161 physical qubits). We unify and redesign representative neural decoders into five architectural paradigms and develop an end-to-end compression pipeline to evaluate their deployability and performance on FPGA hardware. Through systematic experiments, we reveal several previously underexplored insights: (i) near-term decoding performance is driven more by data scale than architectural complexity; (ii) appropriate inductive bias is essential for achieving high decoding accuracy; and (iii) INT4 quantization is a prerequisite for meeting microsecond-scale latency requirements on FPGAs. Together, these findings provide concrete guidance toward scalable and real-time neural QEC decoding.
• Abstract（参考訳）: 量子誤り訂正(QEC)は、デコードを中央アルゴリズムプリミティブとして、量子アドバンテージを実現するために不可欠である。 その重要性と本質的な難しさから、QECデコーダの設計に多大な努力が払われており、中でもニューラルデコーダは、近年、有望なデータ駆動パラダイムとして出現している。 この進歩にもかかわらず、実践的なデプロイメントは、しばしばマイクロ秒のタイムスケールで、基本的な正確さとレイテンシのトレードオフによって妨げられています。 この課題に対処するために、d=9(161物理量子ビット)までのコード距離を考慮して、明示的な精度-遅延制約の下で、サーフェス・コード・デコーディングのためのニューラル・デコーダを再検討する。 代表的ニューラルデコーダを5つのアーキテクチャパラダイムに統一・再設計し、FPGAハードウェア上でのデプロイ性と性能を評価するエンドツーエンド圧縮パイプラインを開発する。 体系的な実験を通して、未発見の発見をいくつか明らかにする。 i) 短期デコーディングのパフォーマンスは、アーキテクチャ上の複雑さよりも、データスケールによって駆動されます。 二 高い復号精度を達成するためには、適切な帰納バイアスが不可欠である。 (iii)INT4量子化はFPGA上でマイクロ秒スケールのレイテンシ要求を満たすための前提条件である。 これらの発見は、スケーラブルでリアルタイムなニューラルQECデコーディングに向けた具体的なガイダンスを提供する。

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)
• Minimal Quantum Reservoirs with Hamiltonian Encoding [72.27323884094953]
  ハミルトニアン符号化に基づく量子貯水池計算のための最小限のアーキテクチャについて検討する。 このアプローチは、一般的に量子機械学習に関連する実験的なオーバーヘッドの多くを回避します。
  論文  参考訳（メタデータ） (2025-05-28T16:50:05Z)
• 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 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)
• 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。