Fugu-MT 論文翻訳(概要): QAdapt: A Noise-Adaptive Neural Pre-Decoding Framework for Quantum Error Correction

論文の概要: QAdapt: A Noise-Adaptive Neural Pre-Decoding Framework for Quantum Error Correction

arxiv url: http://arxiv.org/abs/2607.28422v1
Date: Thu, 30 Jul 2026 16:02:00 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-31 21:37:00.649408
Title: QAdapt: A Noise-Adaptive Neural Pre-Decoding Framework for Quantum Error Correction
Title（参考訳）: QAdapt: 量子エラー補正のためのノイズ適応型ニューラルプリコーディングフレームワーク
Abstract要約: 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。
参考スコア（独自算出の注目度）: 4.363796734015247
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Fault-tolerant quantum computing (FTQC) relies on quantum error correction to suppress physical errors and preserve logical information at scale. In practice, however, performance is constrained not only by physical noise but also by the latency of classical decoders processing rapidly generated syndrome data. This challenge is exacerbated by hardware noise that is strong, heterogeneous, and nonstationary, as well as by the simulation-to-hardware distribution shift that can substantially degrade fixed neural decoders. We present QAdapt, a noise-adaptive neural pre-decoding framework for surface-code quantum error correction. QAdapt captures local spatiotemporal correlations in syndrome data, sequentially adapts to evolving noise conditions while mitigating catastrophic forgetting, and forwards the residual syndrome to a conventional global decoder. Across 110 synthetic out-of-distribution noise configurations for rotated surface-code memory circuits, QAdapt consistently reduces the logical error rate relative to the neural pre-decoding baseline. On Google's Willow benchmark data, without target-domain fine-tuning, it achieves reductions of up to 5.79 percent in logical error rate and 9.32 percent in backend decoding latency on the residual syndrome. These results demonstrate that QAdapt provides a practical and decoder-compatible approach to improving the robustness and backend decoding efficiency of quantum error correction under evolving hardware noise.
Abstract（参考訳）: フォールトトレラント量子コンピューティング(FTQC)は、物理誤差を抑え、論理情報を大規模に保存するために量子エラー補正に依存する。しかし、実際には、性能は物理的ノイズだけでなく、高速に生成されたシンドロームデータを処理する古典デコーダのレイテンシにも制約される。この課題は、強い、不均一で非定常なハードウェアノイズと、固定されたニューラルデコーダを著しく劣化させるシミュレーションからハードウエアへの分散シフトによって悪化する。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、シンドロームデータ中の局所時空間相関を捉え、破滅的忘れを緩和しながら進化するノイズ条件に順次適応し、従来のグローバルデコーダに残差シンドロームを転送する。 QAdaptは、回転した表面コードメモリ回路のための110以上の合成外分布ノイズ構成において、ニューラルプリデコードベースラインに対する論理誤差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、ターゲットドメインを微調整することなく、論理エラー率最大5.79パーセント、残留症候群の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。これらの結果から,QAdaptは,進化するハードウェアノイズ下での量子誤り訂正の堅牢性とバックエンド復号効率を向上させるために,実用的でデコーダ互換のアプローチを提供することが示された。

関連論文リスト

Low-Overhead Error-Corrected QCNNs Using Bivariate Bicycle Codes [46.79788938455095]
量子畳み込みニューラルネットワーク(QCNN)は、量子コンピューティングのパワーと古典的なCNNを組み合わせて、分類タスクの計算スピードアップを行う。最先端の量子デバイスにおけるノイズレベルは、実用的なQCNNの実行には高すぎる。本稿では,QCNNに対する距離4 BB量子誤差補正手法を提案する。
論文参考訳（メタデータ） (2026-07-07T01:12:38Z)
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)
DiffQEC: A versatile diffusion model for quantum error correction [17.479930278772667]
DiffQEC(DiffQEC)は,マルチラウンド空間時間症候群のプロセッサを組み込んだデコーダである。 Googleの超伝導量子プロセッサの実験データに基づいて、DiffQECは論理エラー率を最大10.2%削減する。これらの改善は、脱分極ノイズ下では、コード距離を最大17まで延長する。
論文参考訳（メタデータ） (2026-04-27T16:08:38Z)
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)
Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文参考訳（メタデータ） (2026-01-10T02:36:03Z)
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)
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)

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。