論文の概要: Latency-Constrained Hardware-Aware Quantum Error Correction Co-Design with Adaptive Confidence-Gated Neural Decoding for the Rotated Surface Code
- arxiv url: http://arxiv.org/abs/2607.05814v2
- Date: Wed, 08 Jul 2026 14:10:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 12:30:34.821301
- Title: Latency-Constrained Hardware-Aware Quantum Error Correction Co-Design with Adaptive Confidence-Gated Neural Decoding for the Rotated Surface Code
- Title（参考訳）: 回転曲面符号に対する適応信頼グラフ付きニューラルデコードによる遅延制約付きハードウェア・アウェア量子誤差補正設計
- Abstract要約: リアルタイムデコーディングは、量子エラー訂正のスケーリングにおいて大きなボトルネックとなる。
本稿では2段階推論問題としてデコードを扱うアダプティブ・アダプティブ・アダプティブ・アダプティブ・デコード・フレームワークを提案する。
回路レベルの非偏光雑音下で,3,5,7,9,11$で$dの回転曲面符号をベンチマークした。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Real-time decoding is a major bottleneck in scaling quantum error correction (QEC) from noisy intermediate-scale quantum (NISQ) devices to fault-tolerant quantum computing. We present an adaptive confidence-gated decoding framework for the rotated surface code that treats decoding as a two-stage inference problem. A lightweight feed-forward neural network performs fast-path decoding for the majority of syndrome measurements, while only low-confidence predictions are escalated to a minimum-weight perfect matching (MWPM) refinement stage. We benchmark the framework on rotated surface codes with distances $d \in \{3,5,7,9,11\}$ under circuit-level depolarising noise using the Stim stabiliser simulator. The evaluation characterises logical accuracy, confidence-controlled accuracy-latency trade-offs, decoding throughput, per-shot latency, and decoding-graph resource scaling. Routing only 3.3%-6.2% of syndromes to the refinement stage improves logical accuracy from 99.21% for the neural-only baseline to 99.81% at a confidence threshold of 0.95 while incurring only a bounded increase in average decoding cost. Neural-decoder throughput saturates near $4.6 \times 10^{5}$ samples s$^{-1}$ at batch size 512 on commodity CPU hardware, indicating that the neural fast path is not the dominant throughput bottleneck beyond code distance $d=7$. We release the complete benchmarking pipeline, trained models, raw benchmark data, and source code, and explicitly distinguish the experimentally validated contributions from the broader hardware-aware QEC co-design roadmap, including hardware-constrained code discovery, GPU-accelerated inference, and multi-noise optimisation, which remain directions for future work.
- Abstract（参考訳）: リアルタイムデコーディングは、ノイズの多い中間スケール量子(NISQ)デバイスからフォールトトレラント量子コンピューティングまで、量子エラー補正(QEC)をスケールする上で大きなボトルネックとなる。
本稿では,2段階推論問題としてデコードを扱う回転曲面符号に対する適応型アダプティブ・アダプティブ・デコード・フレームワークを提案する。
軽量フィードフォワードニューラルネットワークは、ほとんどの症候群測定において高速パス復号を行い、低信頼度予測のみを最小ウェイト完全マッチング(MWPM)改善段階にエスカレーションする。
我々は,Stim安定化器シミュレータを用いて,回路レベルの偏極雑音下での距離が$d \in \{3,5,7,9,11\}$の回転曲面符号についてベンチマークを行った。
この評価は、論理的精度、信頼性制御された精度-遅延トレードオフ、復号スループット、ショット毎のレイテンシ、復号-グラフリソーススケーリングを特徴付ける。
改善段階にシンドロームを3.3%-6.2%だけルーティングすると、論理的精度が99.21%から0.95の信頼しきい値で99.81%に向上し、平均復号コストはわずかに増加している。
ニューラルデコーダのスループットは、一般的なCPUハードウェアのバッチサイズ512で4.6 \times 10^{5}$サンプルs$^{-1}$に飽和し、コード距離$d=7$を超える主要なスループットボトルネックではないことを示す。
我々は、完全なベンチマークパイプライン、トレーニングされたモデル、生のベンチマークデータ、ソースコードをリリースし、実験的に検証されたコントリビューションと、ハードウェア制約のあるコード発見、GPUアクセラレーションの推論、将来の作業の方向性を示すマルチノイズ最適化を含む、より広範なハードウェア対応のQEC共同設計ロードマップを明確に区別します。
関連論文リスト
- QAdapt: A Noise-Adaptive Neural Pre-Decoding Framework for Quantum Error Correction [4.363796734015247]
表面符号量子誤り訂正のための雑音適応型ニューラルプリコーディングフレームワークQAdaptを提案する。
QAdaptは、ニューラルネットワークのプリデコードベースラインに対する論理エラー率を一貫して減少させる。
GoogleのWillowベンチマークデータでは、微調整を対象とせず、論理エラー率最大5.79パーセント、バックエンドデコード遅延9.32パーセントの削減を実現している。
論文 参考訳（メタデータ） (2026-07-30T16:02:00Z) - Sparse Mamba Decoder for Quantum Error Correction: Efficient Defect-Centric Processing of Surface Code Syndromes [2.3449131636069898]
フォールトトレラントな量子コンピュータを構築するには量子エラー補正が不可欠である。
ほとんどのデコーダは精度が高いが、実際のエラー率に関係なく、$O(d2 R)$regard of size $O(d2 R)の完全な高密度シンドロームアレイを処理している。
我々は,k個のアクティブ検出イベントのみを処理する欠陥中心型ニューラルデコーダであるSparse Mamba Decoder (SMD)を紹介した。
論文 参考訳（メタデータ） (2026-05-16T21:01:29Z) - Real-time Surface-Code Error Correction Using an FPGA-based Neural-Network Decoder [11.81591184245689]
本稿ではFPGAベースのニューラルネットデコーダを内蔵したハードウェア統合制御アーキテクチャについて報告する。
超伝導量子プロセッサ上で, 実時間表面符号(距離-3) QEC を実験的に実証した。
実時間復号化とフィードバック補正により,オフライン復号化に匹敵する論理性能が得られることを示す。
論文 参考訳（メタデータ） (2026-05-06T13:24:10Z) - Calibration-Conditioned FiLM Decoders for Low-Latency Decoding of Quantum Error Correction Evaluated on IBM Repetition-Code Experiments [7.856983722811477]
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。
論文 参考訳（メタデータ） (2026-01-22T17:23:32Z) - 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) - Fast Flux-Activated Leakage Reduction for Superconducting Quantum
Circuits [84.60542868688235]
量子ビット実装のマルチレベル構造から生じる計算部分空間から漏れること。
パラメトリックフラックス変調を用いた超伝導量子ビットの資源効率向上のためのユニバーサルリーク低減ユニットを提案する。
繰り返し重み付け安定化器測定におけるリーク低減ユニットの使用により,検出されたエラーの総数を,スケーラブルな方法で削減できることを実証した。
論文 参考訳（メタデータ） (2023-09-13T16:21:32Z) - 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) - A Scalable, Fast and Programmable Neural Decoder for Fault-Tolerant
Quantum Computation Using Surface Codes [12.687083899824314]
量子誤り訂正符号(Quantum error-correcting codes, QECCs)は、量子アルゴリズムの実行の大きな障害である量子ノイズの負の効果を排除できる。
回転曲面符号(RSC)に対するFTQECの要件を満たすスケーラブルで高速でプログラム可能なニューラルデコーディングシステムを提案する。
本システムでは,197 nsのデコード遅延を極端に低くし,その精度はMWPMに近い。
論文 参考訳（メタデータ） (2023-05-25T06:23:32Z) - 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) - Single-Shot Optical Neural Network [55.41644538483948]
深層ニューラルネットワークに必要な計算資源を削減するために,「重定常」アナログ光学・電子ハードウェアが提案されている。
我々は、スケーラブルで1層当たり単発の重み付き光学プロセッサを提案する。
論文 参考訳（メタデータ） (2022-05-18T17:49:49Z) - 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)
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。