論文の概要: MDQEC-QAS: Meta-Decoding for Quantum Error Correction with Hardware-Aware VQC Search and Confidence-Gated Recovery

• arxiv url: http://arxiv.org/abs/2607.10707v1
• Date: Sun, 12 Jul 2026 11:00:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.50848
• Title: MDQEC-QAS: Meta-Decoding for Quantum Error Correction with Hardware-Aware VQC Search and Confidence-Gated Recovery
• Title（参考訳）: MDQEC-QAS: ハードウェア対応VQC検索と信頼性向上による量子エラー訂正のためのメタデコーディング
• Abstract要約: 本稿では,複数の安定化器符号と雑音設定にまたがるシンドローム・ツー・リカバリマッピングを学習する量子誤り訂正のための統合メタデコーディングフレームワークを提案する。 古典的メタMLP教師訓練ベースラインと,ハードウェア対応量子アーキテクチャサーチにより選択された変分量子回路(VQC)メタデコーダを比較した。 Meta-MLPは5つのレジームで0.9993、0.9118、0.9342、0.6304、0.7548、ハードウェア対応VQCは0.9400、0.8495、0.8415、0.5678、0.7143である。
• 参考スコア（独自算出の注目度）: 2.271697926182248
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a unified meta-decoding framework for quantum error correction that learns syndrome-to-recovery mappings across multiple stabilizer codes and noise settings, without requiring separate decoders for each configuration. The benchmark includes FiveQubit, Steane, Planar3x3, and Planar5x5 codes, four noise families, and five evaluation regimes: interpolation, unseen-p transfer, unseen-noise transfer, few-shot unseen-code adaptation, and few-shot held-out-size adaptation. We compare a classical Meta-MLP teacher-trained baseline with variational quantum circuit (VQC) meta-decoders selected through hardware-aware quantum architecture search over qubit count, circuit depth, and entangling topology. The Meta-MLP achieves teacher-label accuracies of 0.9993, 0.9118, 0.9342, 0.6304, and 0.7548 across the five regimes, while the hardware-aware VQC achieves 0.9400, 0.8495, 0.8415, 0.5678, and 0.7143. However, logical-level evaluation shows that high teacher-label accuracy alone is insufficient in the most challenging Planar5x5 setting. During interpolation, the raw logical-failure ratios relative to the teacher are 12.08 and 25.91 for the Meta-MLP and VQC, respectively, whereas confidence-gated fallback reduces them to 1.71 and 1.11. These results support confidence-aware selective recovery rather than unconditional teacher replacement.
• Abstract（参考訳）: 本稿では,複数の安定化器符号とノイズ設定にまたがるシンドローム・ツー・リカバリマッピングを,各構成ごとに分離したデコーダを必要とせずに学習する,量子誤り訂正のための統一メタデコーダフレームワークを提案する。 このベンチマークには、FiveQubit、Steane、Planar3x3、Planar5x5コード、4つのノイズファミリ、および5つの評価レギュレーションが含まれている。 本稿では,古典的メタMLP教師訓練ベースラインと,量子ビット数,回路深さ,絡み合うトポロジを対象とするハードウェア対応量子アーキテクチャ探索により選択された変分量子回路(VQC)メタデコーダを比較した。 Meta-MLPは5つのレジームで0.9993、0.9118、0.9342、0.6304、0.7548、ハードウェア対応VQCは0.9400、0.8495、0.8415、0.5678、0.7143である。 しかし,Planar5x5では,高い教師ラベルの精度だけでは不十分である。 補間中、教師に対する生の論理的欠陥比はMeta-MLPとVQCそれぞれ12.08と25.91であり、信頼性の高いフォールバックは1.71と1.11に減少する。 これらの結果は,教師交代ではなく,信頼度に配慮した選択的回復を支援する。

関連論文リスト

• Latency-Constrained Hardware-Aware Quantum Error Correction Co-Design with Adaptive Confidence-Gated Neural Decoding for the Rotated Surface Code [0.0]
  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。
  論文  参考訳（メタデータ） (2026-07-07T04:18:42Z)
• Configurable Algorithms for Histopathologic Cancer Detection on Quantum Hardware [3.569867801312132]
  病理組織学的癌検出は, 組織変動, 染色の違い, 病巣間の微妙な視覚的区別が原因で困難である。 本稿では,二段階CSWAP回路(DG-CSWAP)とハードウェア効率の高い破壊スワップ回路(DG-DST)の2つの量子アルゴリズムを提案する。 読み出し誤差補正、バイアスサブトラクション、傾斜回帰を含む3段階のNISQ軽減パイプラインは、シングルピクセルのハードウェアMSEを8倍削減する。
  論文  参考訳（メタデータ） (2026-06-19T21:12:51Z)
• Beyond Encoder Accumulation: Measuring Encoder Roles in Multi-Encoder VLMs [50.3757247538081]
  我々は、統一パイプラインの下で、5つの共通ビジョンエンコーダの空でないサブセット31を再訓練し、評価する。 各エンコーダのコントリビューションを,容量と必要量という2つの軸に分解する。 エンコーダごとのプロジェクタ有効ランクは、残留スコアの変動を説明する。
  論文  参考訳（メタデータ） (2026-06-02T16:46:42Z)
• LAQuant: A Simple Overhead-free Large Reasoning Model Quantization by Layer-wise Lookahead Loss [8.481133435038839]
  大規模な推論モデルは、長い自己回帰復号によって競合レベルの数学と符号化精度に達する。 ウェイト量子化はアクセラレーションの標準ツールであるが、長復号推論ベンチマークでは、代表的なレシピが正確さを失う。 そこで我々はLookAhead Quantization (LAQuant) を提案する。
  論文  参考訳（メタデータ） (2026-05-09T07:35:38Z)
• Resource-Efficient Iterative LLM-Based NAS with Feedback Memory [49.44875022114861]
  ニューラルアーキテクチャサーチ(NAS)はネットワーク設計を自動化するが、従来の手法ではかなりの計算資源を必要とする。 本稿では,大規模言語モデル(LLM)を活用して,畳み込みニューラルネットワークアーキテクチャを反復的に生成し,評価し,洗練するクローズドループパイプラインを提案する。
  論文  参考訳（メタデータ） (2026-03-12T16:00:22Z)
• Fault-Tolerant Quantum Error Correction: Implementing Hamming-Based Codes with Advanced Syndrome Extraction Techniques [0.0]
  インテリジェントアンシラ管理は、標準的なアプローチと比較して最大2.4$times$のエラー抑制を改善する。 我々の実装は、現実的な雑音条件下での論理誤差率を5.1×10-5$まで低くする。 これらの結果は、短期量子デバイスに即座にデプロイ可能なツールを提供する。
  論文  参考訳（メタデータ） (2026-01-10T00:10:52Z)
• Decoding Correlated Errors in Quantum LDPC Codes [41.04211723135311]
  本稿では,回路レベルの雑音下での量子LDPC符号における相関誤差の復号化フレームワークを提案する。 提案手法のコアは、相関検出誤差モデルを変更する干渉法(GARI)のグラフ拡張と再配線である。 FPGA実装の予備的な結果は、この高い精度をリアルタイムに達成でき、デコードインスタンスの99.99%において、平均デコードレイテンシは273 ns、サブマイクロ秒レイテンシは99.99%であることを示している。
  論文  参考訳（メタデータ） (2025-10-15T19:59:05Z)
• Diversity Methods for Improving Convergence and Accuracy of Quantum Error Correction Decoders Through Hardware Emulation [0.46873264197900916]
  本稿では,ソフトウェアモデルの代わりに実際のハードウェアを用いて,量子誤り訂正デコーダの評価を行うハードウェアエミュレータを提案する。 エミュレータは、150MHzで動作する1つのFPGAデバイスで、20日で1013ドルの異なるエラーパターンを探索することができる。 Intel Core i9に128GBのRAMを搭載した最適化されたC++ソフトウェアは、同様の結果を得るのに1年以上かかる。
  論文  参考訳（メタデータ） (2025-04-01T20:04:27Z)
• Efficient and Universal Neural-Network Decoder for Stabilizer-Based Quantum Error Correction [44.698141103370546]
  GraphQECは、線形時間複雑性を持つ安定化器コードのグラフ構造を機械学習に活用した、コードに依存しないデコーダである。 我々の手法は、任意の安定化符号をまたいだリアルタイム量子誤り訂正のための最初の普遍解である。
  論文  参考訳（メタデータ） (2025-02-27T10:56:53Z)
• Few-Shot Image Quality Assessment via Adaptation of Vision-Language Models [93.91086467402323]
  Gradient-Regulated Meta-Prompt IQA Framework (GRMP-IQA) は、視覚言語事前学習モデルのCLIPをIQAタスクに効率よく適応させるように設計されている。 GRMP-IQAは、 (i) Meta-Prompt 事前学習モジュールと (ii) Quality-Aware Gradient Regularization の2つのコアモジュールから構成される。
  論文  参考訳（メタデータ） (2024-09-09T07:26:21Z)
• Near-optimal decoding algorithm for color codes using Population Annealing [44.99833362998488]
  回復操作を高い確率で行うデコーダを実装した。 異なる雑音モデルの下で4.8.8色符号格子上でのデコーダ性能について検討する。
  論文  参考訳（メタデータ） (2024-05-06T18:17:42Z)
• Single-shot decoding of good quantum LDPC codes [38.12919328528587]
  量子タナー符号が逆雑音の単ショット量子誤り補正(QEC)を促進することを証明した。 本稿では,複数ラウンドのQECにおける誤りを抑えるために,並列復号アルゴリズムを各ラウンドで一定時間実行するのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-06-21T18:00:01Z)
• 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)

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。