論文の概要: Logical Neural Belief Propagation for Linear-Complexity Decoding of Surface Codes
- arxiv url: http://arxiv.org/abs/2608.27682v1
- Date: Thu, 27 Aug 2026 20:14:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.142742
- Title: Logical Neural Belief Propagation for Linear-Complexity Decoding of Surface Codes
- Title（参考訳）: 曲面符号の線形複素復号化のための論理的ニューラルリーフ伝播
- Abstract要約: 本稿では,デコーディング対象を物理レベルから論理レベルにリダイレクトするニューラルデコーダを提案する。
L-NBPの全ての成分はバックプロパゲーションによって訓練できるため、L-NBPはエンドツーエンドで訓練される。
表面符号では、L-NBPは順序統計復号法とBPの整合性や性能に優れる。
- 参考スコア（独自算出の注目度）: 11.618639724042382
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum error correction (QEC) requires decoders that achieve high logical accuracy while scaling efficiently with the code length. Belief propagation (BP) is attractive for its linear decoding complexity, but conventional BP decoders often fail to reach sufficient logical accuracy on surface codes. We propose Logical Neural Belief Propagation (L-NBP), a BP-based neural decoder that redirects the decoding objective from physical-level decoding to logical-level decoding. L-NBP first runs a neural BP (NBP) module that produces posterior beliefs, and a logical classifier then transforms these beliefs into a continuous-valued soft syndrome and predicts the logical operator. Because all components in L-NBP are trainable by backpropagation, L-NBP is trained end-to-end, so that the NBP module learns to extract soft syndromes that are favorable for logical classification. On surface codes, L-NBP matches or outperforms the BP with ordered-statistics decoding (BP-OSD) and minimum-weight perfect matching (MWPM) while retaining the linear complexity of BP, and achieves a threshold of $17.5\%$ under depolarizing noise. Moreover, under circuit-level noise, L-NBP matches the accuracy of BP-OSD on the distance-$9$ surface code while requiring only $0.2\%$ of its complexity. These results show that combining BP, neural weights, and logical-level decoding enables scalable and high-accuracy quantum decoding.
- Abstract（参考訳）: 量子エラー補正(QEC)では、コード長を効率的にスケーリングしながら高い論理精度を実現するデコーダが必要となる。
信念伝播(BP)はその線形復号化の複雑さに魅力があるが、従来のBP復号器は表面符号の十分な論理的精度を達成できないことが多い。
論理的ニューラル・リーフ・プロパゲーション(L-NBP)は,物理レベルのデコードから論理レベルのデコードへデコード対象をリダイレクトするBPベースのニューラル・デコーダである。
L-NBPはまず後続の信念を生成するニューラルBP(NBP)モジュールを実行し、論理分類器はこれらの信念を連続的に評価されたソフトシンドロームに変換し、論理演算子を予測する。
L-NBPの全ての成分はバックプロパゲーションによって訓練できるので、L-NBPはエンドツーエンドで訓練されるので、NPPモジュールは論理分類に好適なソフトシンドロームを抽出することを学ぶ。
表面符号では、L-NBPはBPの線形複雑性を維持しつつ、順序統計復号法(BP-OSD)と最小重完全整合法(MWPM)に適合し、偏極雑音下では17.5\%の閾値を得る。
さらに、回路レベルのノイズの下では、L-NBPはBP-OSDの精度を9$表面符号で一致させるが、その複雑さは0.2$%しか必要としない。
これらの結果は、BP、ニューラルウェイト、論理レベルデコーディングを組み合わせることで、スケーラブルで高精度な量子デコーディングが可能になることを示している。
関連論文リスト
- Evolutionary BP+OSD Decoding for Low-Latency Quantum Error Correction [7.798982496438193]
本稿では,BPアルゴリズムにトレーニング可能な重みを組み込んだ量子誤り訂正のための進化的信念伝搬デコーダを提案する。
実験により、BP+OSDは、特に厳密な低レイテンシ制約下で、BP+OSDよりもデコード性能が良く、計算複雑性も低くなることが示された。
論文 参考訳（メタデータ） (2025-12-20T08:29:43Z) - Degeneracy Cutting: A Local and Efficient Post-Processing for Belief Propagation Decoding of Quantum Low-Density Parity-Check Codes [0.9558392439655014]
量子低密度パリティチェック(qLDPC)符号は、スケーラブルなフォールトトレラント量子計算を実現することを約束している。
qLDPC符号を復号化するための一般的なアプローチは、信念伝播デコーダ(BP)を使い、その後に復号化の精度を高めるための後処理ステップを用いることである。
リアルタイムデコーディングでは、処理後アルゴリズムは計算コストが小さく、並列実装を容易にするためにTannerグラフ上のローカル操作にのみ依存することが望ましい。
我々は,各安定化器の支持に制限された情報を操作するBPデコーダの効率的な後処理手法であるデジェネリアシーカット(DC)を提案する。
論文 参考訳（メタデータ） (2025-10-09T18:01:30Z) - Fully Parallelized BP Decoding for Quantum LDPC Codes Can Outperform BP-OSD [11.699137824558164]
本稿では,信念伝達のみに基づく軽量デコーダを提案する。
提案手法は,BP発振統計を用いて信頼できないビットを識別し,修正されたテストパターンの集合を生成し,低照度BPを用いて並列に復号する。
論文 参考訳（メタデータ） (2025-06-30T20:47:28Z) - Improved belief propagation is sufficient for real-time decoding of quantum memory [1.0486135378491268]
Relay-BPは大規模量子コンピュータのリアルタイム量子回路デコードをターゲットにしている。
回路ノイズの復号化問題に対して高い精度を実現する。
Relay-BPは本質的に並列であり、FPGAやASICによる高速な低フットプリントデコードを可能にする。
論文 参考訳（メタデータ） (2025-06-02T15:23:00Z) - Belief Propagation Decoding of Quantum LDPC Codes with Guided Decimation [55.8930142490617]
BPガイドデシミテーション(BPGD)に基づくQLDPC符号のデコーダを提案する。
BPGDは非収束によるBP故障率を著しく低下させる。
論文 参考訳（メタデータ） (2023-12-18T05:58:07Z) - Neural Belief Propagation Decoding of Quantum LDPC Codes Using
Overcomplete Check Matrices [60.02503434201552]
元のチェック行列における行の線形結合から生成された冗長な行を持つチェック行列に基づいてQLDPC符号を復号する。
このアプローチは、非常に低い復号遅延の利点を付加して、復号性能を著しく向上させる。
論文 参考訳（メタデータ） (2022-12-20T13:41:27Z) - 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) - 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) - Logical blocks for fault-tolerant topological quantum computation [55.41644538483948]
本稿では,プラットフォームに依存しない論理ゲート定義の必要性から,普遍的なフォールトトレラント論理の枠組みを提案する。
資源オーバーヘッドを改善するユニバーサル論理の新しいスキームについて検討する。
境界のない計算に好適な論理誤差率を動機として,新しい計算手法を提案する。
論文 参考訳（メタデータ） (2021-12-22T19:00:03Z) - Pruning Neural Belief Propagation Decoders [77.237958592189]
本稿では,機械学習を用いたBPデコードに対して,過剰完全パリティチェック行列を調整する手法を提案する。
我々は,デコーダの複雑さを低減しつつ,0.27dB,1.5dBのML性能を実現する。
論文 参考訳（メタデータ） (2020-01-21T12:05:46Z)
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。