論文の概要: Discovering correlated error mechanisms: data-driven augmentation of detector error models improving decoding

• arxiv url: http://arxiv.org/abs/2611.06605v1
• Date: Wed, 04 Nov 2026 14:55:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.142816
• Title: Discovering correlated error mechanisms: data-driven augmentation of detector error models improving decoding
• Title（参考訳）: 相関エラー機構の発見:デコードを改善する検出器エラーモデルのデータ駆動強化
• Abstract要約: 検出誤差モデル(DEM)の拡張のためのデータ駆動手法を提案する。 提案手法は,既存機構のペアをビルディングブロックとして組み合わせて,一対および高階の検出器相関を用いてフィルタし,検証することにより候補を生成する。 相関雑音と相関マッチングデコーディングを用いた曲面符号法の評価を行い、現実的な短期雑音のシナリオでは、DEM拡張は符号距離7-15でLambdaパラメータを20%増加させ、未拡張のDEMと比較して符号距離15で論理誤差率を75%減少させることを示した。
• 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: Accurate decoder priors are essential for high-performance quantum error correction. Theoretical noise models inevitably omit physically relevant error mechanisms, most notably correlated errors, which appear consistently in experimental error budgets yet are absent from standard models. We introduce a data-driven method for augmenting detector error models (DEMs) by discovering entirely new error mechanisms directly from experimental detector-firing statistics, going beyond most existing approaches that merely refine the probabilities of already-known mechanisms. Our method generates candidates by combining pairs of existing mechanisms as building blocks, then filters and validates them using pairwise and higher-order detector correlations. Crucially, this construction provides each newly discovered mechanism with a well-defined logical effect derived from the constituent error mechanisms, enabling its direct use in decoding. Furthermore, each mechanism is accompanied by a natural decomposition into lower-order components, preserving compatibility with the original decoder. This is particularly valuable in settings that rely on correlated graph-based decoders such as correlated matching. We evaluate the method on surface-code simulations with correlated noise and correlated-matching decoding, demonstrating that, in a realistic near-term noise scenario, DEM augmentation increases the Lambda parameter by 20% across code distances 7-15 and reduces the logical error rate by 75% at code distance 15 relative to the unaugmented DEM. On experimental data from Google's superconducting device, the augmented DEM increases the Lambda parameter by 9% across code distances 5-7 and yields a reduction of 14% in logical error rate over the baseline for distance 7. To our knowledge, this is the first data-driven DEM augmentation method that produces decomposed hyperedges with assigned logical effects.
• Abstract（参考訳）: 高精度デコーダは、高速な量子誤り訂正に不可欠である。 理論的ノイズモデルは必然的に物理的に関連するエラー機構を省略し、最も顕著な相関エラーは実験的なエラー予算に一貫して現れるが、標準モデルには欠落している。 本稿では,検出誤差モデル(DEM)を実験器ファイリング統計から直接全く新しいエラー機構を発見し,既知のメカニズムの確率を向上するだけの既存の手法を超越して,データ駆動による検出誤差モデル(DEM)の拡張手法を提案する。 提案手法は,既存機構のペアをビルディングブロックとして組み合わせて,一対および高階の検出器相関を用いてフィルタし,検証することにより候補を生成する。 この構造は、新しく発見された各機構に、構成的誤り機構から導かれる明確に定義された論理的効果を与え、復号にその直接的利用を可能にする。 さらに、各メカニズムには、下位コンポーネントへの自然な分解が伴い、元のデコーダとの互換性が保たれる。 これは、相関マッチングのような相関グラフベースのデコーダに依存する設定で特に有用である。 相関雑音と相関マッチングデコーディングを用いた曲面符号法の評価を行い、現実的な短期雑音のシナリオでは、DEM拡張は符号距離7-15でLambdaパラメータを20%増加させ、未拡張のDEMと比較して符号距離15で論理誤差率を75%減少させることを示した。 Googleの超伝導デバイスからの実験データによると、拡張されたDEMは、コード距離5-7でLambdaパラメータを9%増加させ、ベースラインから7.1の論理誤差率を14%削減する。 我々の知る限り、これは、割り当てられた論理効果を持つ分解されたハイパーエッジを生成する最初のデータ駆動型DEM拡張手法である。

関連論文リスト

• Multi-Stage Mamba-Based Architecture for Fast and Scalable Superconducting Qubit Readout [2.7180447022087932]
  超伝導量子プロセッサでは、リードアウト演算はエラーを起こしやすく、高レイテンシである。 Mambaモデルに基づく多段量子状態判別器を提案する。 本モデルでは, 平均読み出し精度が0.906であり, 最良報告の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-07-13T15:12:07Z)
• Reconstruction of detector error model for quantum error correction [6.505803823301456]
  本稿では,実験症候群統計を直接離散的物理ハイパーグラフに変換するための一貫した枠組みを提案する。 本研究では, 高次から低次まで, 絶対的な統計的分散が線形に蓄積されるような, 密度コードにおける正確な連続パラメータ抽出が, テキスト分散カスケードによって制限されていることを示す。 これは、現実的な量子ハードウェアにおいて、非常に相関性の高いノイズを特徴付け、デコードするための実践的なアプローチを提供する。
  論文  参考訳（メタデータ） (2026-06-15T06:51:48Z)
• Estimating Detector Error Models on Google's Willow [0.0]
  検出誤差モデル推定における最近の理論的進歩を集約する。 これらのアルゴリズムを適用して、Googleの72ビットと105ビットのチップからDEMを推定する。 少人数のDEMに対して抽出可能な可能性関数を用いることで、DEMが症候群から直接推定される確率関数は、未確認症候群とより密に一致することを示す。
  論文  参考訳（メタデータ） (2025-12-11T17:04:32Z)
• 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)
• Towards Automated Error Discovery: A Study in Conversational AI [48.735443116662026]
  本稿では,会話型AIにおけるエラーの検出と定義のためのフレームワークであるAutomated Error Discoveryを紹介する。 また,その実装に対するエンコーダに基づくアプローチとして,SEEED(Soft Clustering Extended-Based Error Detection)を提案する。
  論文  参考訳（メタデータ） (2025-09-13T14:53:22Z)
• GNN-ASE: Graph-Based Anomaly Detection and Severity Estimation in Three-Phase Induction Machines [0.0]
  本稿では,誘導機の故障診断にグラフニューラルネットワーク(GNN)を用いたモデルフリーアプローチを提案する。 提案したGNN-ASEモデルは,生の入力から関連する特徴を自動的に学習し,抽出する。 個別断層検出と複合断層条件の多クラス分類について評価した。
  論文  参考訳（メタデータ） (2025-07-23T01:50:07Z)
• Witnessing entanglement in trapped-ion quantum error correction under realistic noise [41.94295877935867]
  量子誤り補正(Quantum Error Correction, QEC)は、論理情報を複数の物理量子ビットに符号化することで冗長性を利用する。 トラップイオンプラットフォームで使用される2量子光シフトゲートの平均ゲート不忠実度を推定するために,詳細な顕微鏡誤差モデルを提案する。 次に、この現実的な誤差モデルを適用し、QECビルディングブロックとして機能する回路によって生成されるマルチパーティントの絡み合いを定量化する。
  論文  参考訳（メタデータ） (2022-12-14T20:00:36Z)
• Semantic Perturbations with Normalizing Flows for Improved Generalization [62.998818375912506]
  我々は、非教師付きデータ拡張を定義するために、潜在空間における摂動が利用できることを示す。 トレーニングを通して分類器に適応する潜伏性対向性摂動が最も効果的であることが判明した。
  論文  参考訳（メタデータ） (2021-08-18T03:20:00Z)

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。