Декодирование скоррелированных ошибок в квантовых LDPC-кодах

Почему это важно для будущих квантовых компьютеров

Квантовые компьютеры известны своей хрупкостью: крошечные возмущения могут поменять состояние кубитов и испортить вычисление. Коды квантовой коррекции ошибок призваны обнаруживать и исправлять такие ошибки в реальном времени, но сделать это достаточно быстро и точно — серьёзное препятствие на пути к практическим машинам. В этой работе показано, как декодировать одну из передовых семейств квантовых кодов гораздо надёжнее и быстрее, даже когда ошибки сильно скоррелированы, что приближает реализацию реального времени устойчивых к ошибкам квантовых вычислений.

Задача распутывания квантовых ошибок

Современная квантовая коррекция ошибок часто опирается на квантовые низкоплотные проверочные коды (QLDPC), которые обещают высокую производительность при относительно умеренных накладных расходах. Теоретически эти коды должны выигрывать от лёгких декодеров на основе передачи сообщений, которые сделали классические системы связи столь успешными. На практике этого не происходит: графовые структуры, описывающие квантовые коды, полны очень коротких циклов, особенно когда учитываются все три базовых типа ошибок на кубите (переворот бита, переворот фазы и комбинированные перевороты). Эти короткие циклы вводят в заблуждение алгоритмы передачи сообщений, заставляя их застревать на определённых шаблонах ошибок и давать ненадёжные оценки — особенно когда разные типы ошибок возникают вместе и коррелируют, как это имеет место в реалистичных квантовых схемах.

Перепрограммирование карты ошибок вместо изобретения нового алгоритма

Вместо того чтобы придумывать очередное сложное правило декодирования, авторы выбирают другой подход: они меняют граф, на котором выполняется декодирование. Они предлагают метод, называемый расширением графа и перенастройкой для вывода (GARI). Ключевая идея — выявлять тесно связанные шаблоны в графе декодирования — особенно четырёхузловые циклы, вовлекающие проблемную комбинированную ошибку на кубите — и систематически заменять их немного большей, но лучше структурированной структурой. Это достигается добавлением новых «эффективных» узлов ошибок и проверок, которые заменяют группы исходных узлов. Преобразование гарантирует математическую эквивалентность исходной задачи декодирования: никакая информация о физических ошибках не теряется, но граф становится более удобным для вывода.

Преобразование запутанной картины в читаемую для декодеров

На уровне базовых матриц, задающих код, исходная модель детектора ошибок смешивает информацию из многих частей схемы и из всех трёх типов ошибок, создавая огромные кластеры коротких циклов. GARI эффективно разбивает эти кластеры, перенаправляя представление ошибок, особенно тех, что связаны с комбинированным типом. Полученная «матрица GARI» имеет намного меньше коротких циклов и более низкую среднюю связность в тех частях, которые важны при скоррелированных ошибках. Это означает, что стандартный, хорошо изученный нормализованный алгоритм минимальной суммы для передачи сообщений теперь может работать гораздо ближе к своему идеальному поведению, передавая более надёжные вероятностные сообщения по графу. Важно, что эта более чистая структура также уменьшает общее число соединений, которые должен обрабатывать декодер, что полезно при картировании алгоритма на аппаратное обеспечение.

Множество декодеров параллельно, но быстро

Опираясь на улучшенный граф, авторы разрабатывают гибридную стратегию декодирования, которая уравновешивает скорость и использование ресурсов. Они используют нормализованный декодер минимальной суммы с расписанием, которое обновляет некоторые проверки поочерёдно, а другие — небольшими параллельными слоями. Это особенно подходит для реализации на программируемых пользователем вентильных матрицах (FPGA), где важны разводка и тактовая частота. Для повышения надёжности они запускают скромный ансамбль таких декодеров параллельно, каждый с немного отличающимся случайным порядком обновления. Как только любой из декодеров находит шаблон ошибки, согласующийся с измеренными данными, весь ансамбль останавливается, и это решение принимается. Такая «гонка за сходимостью» выжимает дополнительную точность без значительного увеличения среднего времени декодирования.

Обход ведущих декодеров при сохранении работы в реальном времени

Используя в качестве эталонов бивариантные велосипедные квантовые коды с расстояниями 6, 10 и 12, новый метод сопоставим или превосходит несколько современных декодеров, которые ранее считались золотым стандартом для работы со скоррелированными ошибками. Для наибольшего исследованного кода логическая скорость ошибок за раунд падает примерно до семи частей на миллиард при типичном физическом уровне ошибок один из тысячи — сопоставимо с гораздо более тяжёлыми методами на основе поиска и продвинутыми ансамблевыми декодерами. Ключевым является и то, что авторы также синтезировали свою схему на высокопроизводительной FPGA и показали, что декодирование может быть выполнено в реальном времени: для кода с расстоянием 12 средняя задержка на раунд составляет около 273 наносекунд, и более 99.99% всех попыток декодирования завершаются в пределах микросекунды — временного масштаба, совместимого с реалистичными циклами коррекции ошибок.

Что это означает для масштабирования квантовых машин

Проще говоря, эта работа показывает, как перерисовать дорожную карту, которой декодер пользуется для интерпретации сигналов ошибок, так чтобы простой и быстрый алгоритм мог гораздо лучше их понимать. Упорядочив структуру «за кулисами» и используя несколько лёгких декодеров параллельно, авторы одновременно улучшают точность и соблюдают строгие временные ограничения. Хотя никто не ожидает, что это семейство методов решит все задачи коррекции ошибок на сколь угодно больших масштабах, результаты демонстрируют, что декодеры на основе передачи сообщений в сочетании с умной конструкцией графа, такой как GARI, уже способны обеспечивать высокопроизводительную, реального времени защиту квантовой информации — важный шаг на пути к практическим устойчивым квантовым компьютерам.

Цитирование: 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

Ключевые слова: квантовая коррекция ошибок, LDPC-коды, аппаратное декодирование, скоррелированный шум, алгоритмы передачи сообщений