論文の概要: Modular Neural Decoder for Surface Code Memory and Logic on Superconducting Processors
- arxiv url: http://arxiv.org/abs/2610.03869v1
- Date: Fri, 02 Oct 2026 18:00:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:42:25.186989
- Title: Modular Neural Decoder for Surface Code Memory and Logic on Superconducting Processors
- Title（参考訳）: 表面コードメモリのためのモジュール型ニューラルデコーダと超伝導プロセッサ上の論理
- Abstract要約: 本稿では,フォールトトレラント計算用に設計されたモジュール型グラフリカレントデコーダを提案する。
再利用可能なローカルシンドロームエンコーダから構築され、シミュレーションで事前訓練され、共通のパイプラインを使用してハードウェアに微調整される。
デコーダは従来のメモリベンチマークで競合的に動作する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neural decoders for quantum error correction have achieved high accuracy on surface code memory experiments, but practical fault-tolerant computation requires decoders that transfer across devices, noise conditions, and logical operations. We introduce a modular graph-recurrent decoder designed for this setting. Built from reusable local syndrome encoders, it is pretrained in simulation and fine-tuned to hardware using a common pipeline, with only lightweight spatial aggregation adapted between experiments. The decoder performs competitively on conventional memory benchmarks, outperforming minimum-weight perfect matching (MWPM) at distances 3 and 5 on an IBM Nighthawk-generation processor and closely approaching AlphaQubit on Google's below-threshold hardware data. We then test the framework in two settings beyond memory decoding on the same IBM device. First, in an $X$-type stability experiment, we continuously tune the effective measurement error rate using a variable pre-readout rotation and train a single decoder jointly across the resulting noise range. It matches or outperforms MWPM across the sweep without requiring a separately calibrated decoder for each setting. Second, we decode a $ZZ$-merge lattice-surgery experiment between two distance-3 surface-code patches, improving the decoded correlation between the merge outcome and the final $ZZ$ parity relative to MWPM on real hardware. Together, these experiments demonstrate neural decoding that is portable not only across hardware, but also across qualitatively different surface code observables and logical operations, using models trainable on single-GPU academic resources.
- Abstract（参考訳）: 量子誤り訂正のためのニューラルデコーダは、表面コードメモリ実験において高い精度を達成したが、実用的なフォールトトレラント計算では、デバイス、ノイズ条件、論理演算間で転送するデコーダが必要である。
この設定のために設計されたモジュラーグラフリカレントデコーダを導入する。
再利用可能なローカルシンドロームエンコーダから構築され、シミュレーションで事前訓練され、共通のパイプラインを使用してハードウェアに微調整される。
デコーダは従来のメモリベンチマークで競合的に動作し、IBM Nighthawk世代プロセッサで3と5距離で最小ウェイト完全マッチング(MWPM)を上回り、Googleの下位ハードウェアデータでAlphaQubitに近づいた。
次に、同じIBMデバイス上で、メモリデコード以外の2つの設定でフレームワークをテストします。
まず、X$型安定性実験において、可変プリリープアウト回転を用いて有効測定誤差率を連続的に調整し、結果のノイズ範囲を越えて1つのデコーダを共同で訓練する。
MWPMは、各設定ごとに個別に校正されたデコーダを必要とせずに、スイープ全体で一致または性能を向上する。
第二に、2つの距離3面コードパッチ間のZZ$-merge格子探索実験をデコードし、マージ結果と実際のハードウェア上でのMWPMに対する最終的なZZ$パリティとのデコード相関を改善した。
これらの実験は、ハードウェアだけでなく、定性的に異なるサーフェスコードオブザーバブルや論理演算に対しても、シングルGPUの学術リソースでトレーニング可能なモデルを使用して、移植可能なニューラルデコーディングを実証している。
関連論文リスト
- The Gain-Engineered Transmon [68.89136228609398]
標準的なトランスモン・リードアウト共振器回路において,ノイズバイアス量子ビットを導入し,実験的に実現する。
本システムは,ハードウェア効率のよい量子エラー検出と修正手法のための単純なビルディングブロックとして利用するための道を開く。
論文 参考訳（メタデータ） (2026-08-26T17:00:42Z) - Latency-Constrained Hardware-Aware Quantum Error Correction Co-Design with Adaptive Confidence-Gated Neural Decoding for the Rotated Surface Code [0.0]
リアルタイムデコーディングは、量子エラー訂正のスケーリングにおいて大きなボトルネックとなる。
本稿では2段階推論問題としてデコードを扱うアダプティブ・アダプティブ・アダプティブ・アダプティブ・デコード・フレームワークを提案する。
回路レベルの非偏光雑音下で,3,5,7,9,11$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) - Surface code logical operations on a superconducting quantum processor [66.1042398805403]
107量子ビット超伝導量子プロセッサ上で,パッチベースのサーフェスコード論理処理の鍵となる要素を実験的に実現した。
本研究は, 保護論理メモリからアクティブでパッチベースの耐故障性論理演算まで, 超伝導表面符号実験を前進させるものである。
論文 参考訳（メタデータ） (2026-07-01T21:07:02Z) - BWTA: Accurate and Efficient Binarized Transformer by Algorithm-Hardware Co-design [71.97035034203275]
バイナライゼーションにおけるゼロ点歪みを解析し,BWTA量子化方式を提案する。
本稿では,Smooth Multi-Stage Quantizationを提案し,レベルワイド・デグラデーション・ストラテジーとMagnitude Alignment Projection Factorを組み合わせた。
実験の結果、BWTAはTransformerベースのモデルに対して、GLUEでは平均3.5%、タスクでは2%未満の精度でフル精度のパフォーマンスにアプローチしていることがわかった。
論文 参考訳（メタデータ） (2026-04-05T04:25:07Z) - 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) - Learning to Decode in Parallel: Self-Coordinating Neural Network for Real-Time Quantum Error Correction [16.310410074065743]
我々は,SOTAの精度と実時間量子誤り訂正に必要なスループットを同時に達成する,最初のスケーラブルでニューラルネットベースの並列デコーディングフレームワークを提案する。
我々は,本手法を用いて,1ラウンドあたり1us以内で最大25個の面符号を復号できる1個のTPU v6eを実証した。
論文 参考訳（メタデータ） (2026-01-14T23:04:25Z) - Demonstrating dynamic surface codes [118.67046728951689]
曲面符号の3つの時間力学的実装を実験的に実証した。
まず、曲面コードを六角格子上に埋め込んで、キュービットあたりの結合を4つから3つに減らした。
第二に、サーフェスコードを歩き、データの役割を交換し、各ラウンドごとにキュービットを測定し、蓄積した非計算エラーの組込み除去による誤り訂正を達成する。
第3に、従来のCNOTの代わりにiSWAPゲートを用いた表面コードを実現し、追加のオーバーヘッドを伴わずに、エラー訂正のための実行可能なゲートセットを拡張した。
論文 参考訳（メタデータ） (2024-12-18T21:56:50Z) - 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) - 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。