Décoder les erreurs corrélées dans les codes LDPC quantiques

Pourquoi cela compte pour les futurs ordinateurs quantiques

Les ordinateurs quantiques sont notoirement fragiles : de très petites perturbations peuvent inverser l'état de leurs qubits et compromettre un calcul. Les codes de correction d'erreurs quantiques sont censés détecter et corriger ces erreurs en temps réel, mais le faire suffisamment vite et avec suffisamment de précision constitue un obstacle majeur sur la voie de machines pratiques. Cet article montre comment décoder de manière beaucoup plus fiable et rapide une famille de codes quantiques parmi les plus prometteuses, même lorsque les erreurs sont fortement corrélées, rapprochant ainsi l'informatique quantique tolérante aux fautes en temps réel de la réalité.

Le défi de démêler les erreurs quantiques

La correction d'erreurs quantique moderne s'appuie souvent sur des codes de parité à faible densité quantiques (QLDPC), qui promettent de bonnes performances avec une surcharge relativement modeste. En principe, ces codes devraient bénéficier des mêmes décodeurs légers à passage de messages qui ont rendu les systèmes de communication classiques si performants. En pratique, ce n'est pas le cas : les structures graphiques qui décrivent les codes quantiques sont pleines de boucles très courtes, surtout lorsqu'on autorise les trois types d'erreurs de base sur un qubit (inversion de bit, inversion de phase et combinaisons des deux). Ces boucles courtes perturbent les algorithmes à passage de messages, les conduisant à buter sur certains motifs d'erreurs et à produire des estimations peu fiables — en particulier lorsque différents types d'erreurs surviennent simultanément de manière corrélée, comme c'est le cas dans des circuits quantiques réalistes.

Reconfigurer la carte des erreurs plutôt que l'algorithme

Plutôt que d'inventer une nouvelle règle de décodage complexe, les auteurs adoptent une approche différente : ils modifient le graphe sur lequel s'exécute le décodage. Ils introduisent une méthode appelée augmentation et recâblage du graphe pour l'inférence (GARI). L'idée clé est d'identifier des motifs fortement connectés dans le graphe de décodage — en particulier des boucles à quatre nœuds impliquant une erreur combinée problématique sur un qubit — et de les remplacer systématiquement par un motif légèrement plus grand mais mieux structuré. Cela se fait en ajoutant de nouveaux nœuds « effectifs » d'erreurs et de contrôles qui représentent des groupes de nœuds originaux. La transformation garantit que le problème de décodage sous-jacent reste mathématiquement équivalent : aucune information sur les erreurs physiques n'est perdue, mais le graphe devient plus propice à l'inférence.

Transformer une image embrouillée en une qui soit lisible par les décodeurs

Au niveau des matrices sous-jacentes qui définissent le code, le modèle d'erreur des détecteurs d'origine mélange l'information provenant de nombreux endroits du circuit et des trois types d'erreurs, créant d'immenses amas de boucles courtes. GARI casse efficacement ces amas en redirigeant la façon dont les erreurs sont représentées, en particulier celles impliquant le type d'erreur combinée. La « matrice GARI » résultante comporte beaucoup moins de cycles courts et une connectivité moyenne plus faible dans les parties qui importent le plus pour les erreurs corrélées. Cela permet à un algorithme standard et bien compris de type min-sum normalisé de fonctionner beaucoup plus près de son comportement idéal, en faisant circuler des messages probabilistes plus fiables à travers le graphe. Fait important, cette structure épurée réduit aussi le nombre total de connexions que le décodeur doit traiter, ce qui aide lors du mappage de l'algorithme sur du matériel.

Beaucoup de décodeurs travaillant en parallèle, mais rapidement

S'appuyant sur le graphe amélioré, les auteurs conçoivent une stratégie de décodage hybride qui équilibre vitesse et utilisation des ressources. Ils utilisent un décodeur min-sum normalisé avec un calendrier qui met à jour certains contrôles un par un et d'autres par petites couches parallèles. Cela se prête particulièrement bien à une implémentation sur des FPGA (field-programmable gate arrays), où le câblage et la fréquence d'horloge sont critiques. Pour accroître encore la fiabilité, ils exécutent un petit ensemble de tels décodeurs en parallèle, chacun avec un ordre d'actualisation aléatoire légèrement différent. Dès qu'un décodeur trouve un motif d'erreur compatible avec les données mesurées, l'ensemble s'arrête et cette solution est retenue. Cette « course à la convergence » extrait une précision supplémentaire sans augmenter de façon significative le temps moyen de décodage.

Surpasser les meilleurs décodeurs tout en restant en temps réel

En utilisant des codes quantiques bicycle bivariés de distances 6, 10 et 12 comme références, la nouvelle méthode égalise ou dépasse plusieurs décodeurs de pointe qui étaient auparavant considérés comme des références pour le traitement des erreurs corrélées. Pour le plus grand code étudié, le taux d'erreur logique par cycle tombe à environ sept cas pour un milliard pour un taux d'erreur physique typique d'un pour mille — comparable à des méthodes de recherche beaucoup plus lourdes et à des décodeurs d'ensemble avancés. Surtout, les auteurs synthétisent aussi leur conception sur un FPGA haut de gamme et montrent que le décodage peut être achevé en temps réel : pour le code de distance 12, la latence moyenne par cycle est d'environ 273 nanosecondes, et plus de 99,99 % de toutes les tentatives de décodage se terminent en moins d'une microseconde, un ordre de grandeur compatible avec des cycles réalistes de correction d'erreurs.

Ce que cela signifie pour l'extension des machines quantiques

En termes accessibles, ce travail montre comment redessiner la feuille de route qu'un décodeur utilise pour interpréter les signaux d'erreur afin qu'un algorithme simple et rapide puisse mieux en tirer parti. En assainissant la structure en coulisses et en utilisant plusieurs décodeurs légers en parallèle, les auteurs améliorent simultanément la précision et respectent des contraintes temporelles strictes. Bien que personne ne s'attende à ce que cette famille de méthodes résolve tous les défis de correction d'erreurs à des échelles arbitrairement grandes, les résultats démontrent que les décodeurs à passage de messages, associés à une conception de graphe astucieuse comme GARI, peuvent déjà assurer une protection en temps réel et à haute performance de l'information quantique — une étape importante vers des ordinateurs quantiques tolérants aux fautes et pratiques.

Citation: Maan, A.S., Garcia Herrero, F.M., Paler, A. et al. Decoding correlated errors in quantum LDPC codes. Nat Commun 17, 3965 (2026). https://doi.org/10.1038/s41467-026-70556-3

Mots-clés: correction d'erreurs quantiques, codes LDPC, matériel de décodeur, bruit corrélé, algorithmes de passage de messages