Avkodning av korrelerade fel i kvant-LDPC-koder

Varför detta spelar roll för framtida kvantdatorer

Kvantdatorer är ökända för sin skörhet: små störningar kan vända ett kubits tillstånd och förstöra en beräkning. Kvantfelkorrigerande koder ska upptäcka och rätta dessa fel i realtid, men att göra det tillräckligt snabbt och tillräckligt korrekt är ett stort hinder för praktiska maskiner. Denna artikel visar hur man kan avkoda en ledande familj av kvantkoder betydligt mer tillförlitligt och snabbare, även när felen är starkt korrelerade, vilket för realtidstoleranta kvantdatorer närmare verklighet.

Utmaningen att reda ut kvantfel

Modern kvantfelkorrigering förlitar sig ofta på kvant‑low‑density parity‑check (QLDPC)-koder, som lovar hög prestanda med relativt måttlig overhead. I princip borde dessa koder dra nytta av samma lätta meddelande‑passande avkodare som gjorde klassiska kommunikationssystem så framgångsrika. I praktiken gör de inte det: de grafiska strukturer som beskriver kvantkoderna är fulla av mycket korta slingor, särskilt när alla tre grundläggande feltyper på en qubit (bitflip, faseflip och kombinerade flippar) är tillåtna. Dessa korta slingor förvirrar meddelande‑passande algoritmer, vilket gör att de fastnar i vissa felmönster och ger opålitliga uppskattningar—särskilt när olika feltyper uppträder samtidigt i korrelerade sätt, som händer i realistiska kvantkretsar.

Omkoppling av felkartan istället för algoritmen

I stället för att uppfinna ännu en komplex avkodningsregel väljer författarna en annan strategi: de ändrar grafen på vilken avkodningen körs. De introducerar en metod kallad graph augmentation and rewiring for inference (GARI). Nyckelidén är att identifiera tätt sammanbundna mönster i avkodningsgrafen—särskilt fyrnotsloopar som involverar ett problematiskt kombinerat fel på en qubit—och systematiskt ersätta dem med ett något större men bättre strukturerat mönster. Detta görs genom att lägga till nya ”effektiva” fel‑ och kontrollnoder som ersätter grupper av ursprungliga noder. Transformeringen garanterar att det underliggande avkodningsproblemet är matematiskt ekvivalent: ingen information om de fysiska felen går förlorad, men grafen blir mer gynnsam för inferens.

Förvandla en rörig bild till en som avkodare kan läsa

På nivån för de underliggande matriser som definierar koden blandar den ursprungliga detektorfelmodellen information från många ställen i kretsen och från alla tre feltyper, vilket skapar stora kluster av korta slingor. GARI bryter effektivt upp dessa kluster genom att omdirigera hur fel representeras, särskilt de som involverar den kombinerade feltypen. Den resulterande ”GARI‑matrisen” har betydligt färre korta cykler och en lägre genomsnittlig konnektivitet i de delar som är viktigast för korrelerade fel. Det innebär att en standardiserad, välkänd normaliserad min‑sum‑meddelande‑passande algoritm nu kan fungera mycket närmare sitt ideala beteende och skicka mer pålitliga probabilistiska meddelanden genom grafen. Viktigt är också att denna renare struktur minskar det totala antalet förbindelser som avkodaren måste bearbeta, vilket hjälper vid implementering i hårdvara.

Många avkodare som arbetar parallellt, men snabbt

Baserat på den förbättrade grafen utformar författarna en hybrid avkodningsstrategi som balanserar hastighet och resursanvändning. De använder en normaliserad min‑sum‑avkodare med ett schema som uppdaterar vissa kontroller en i taget och andra i små parallella lager. Detta passar särskilt väl för implementering på fältprogrammerbara grindmatriser (FPGA:er), där kablage och klockhastighet är kritiska. För att öka tillförlitligheten ytterligare kör de en modest uppsättning av sådana avkodare parallellt, var och en med en något annorlunda slumpmässig uppdateringsordning. Så snart någon avkodare hittar ett felmönster som stämmer med de uppmätta data stoppas hela ensemblet, och den lösningen används. Denna ”tävling mot konvergens” pressar fram extra noggrannhet utan att avsevärt öka den genomsnittliga avkodningstiden.

Slår ledande avkodare samtidigt som det förblir i realtid

Med bivariata bicycle‑kvantkoder med distanserna 6, 10 och 12 som jämförelsesystem matchar eller överträffar den nya metoden flera toppmoderna avkodare som tidigare betraktades som guldkalibrerade för hantering av korrelerade fel. För den största studerade koden sjunker den logiska felhastigheten per omgång till ungefär sju delar på en miljard vid en typisk fysisk felhastighet av en på tusen—i nivå med mycket tyngre sökbaserade metoder och avancerade ensembleavkodare. Avgörande är att författarna också syntetiserar sin design på en högpresterande FPGA och visar att avkodning kan slutföras i realtid: för distance‑12‑koden är den genomsnittliga latenstiden per omgång omkring 273 nanosekunder, och mer än 99,99 % av alla avkodningsförsök avslutas inom en mikrosekund, en tidskala som är kompatibel med realistiska felkorrigeringscykler.

Vad detta betyder för att skala upp kvantmaskiner

I lättillgängliga termer visar detta arbete hur man kan rita om den karta som en avkodare använder för att tolka fel‑signaler så att en enkel, snabb algoritm kan förstå dem mycket bättre. Genom att städa upp strukturen bakom kulisserna och använda flera lätta avkodare parallellt förbättrar författarna samtidigt noggrannheten och uppfyller strikta tidskrav. Även om ingen förväntar sig att denna familj av metoder ska lösa varje felkorrigeringsutmaning i godtyckligt stora skalor, visar resultaten att meddelande‑passande avkodare, när de paras med smart grafdesign som GARI, redan kan stödja högpresterande, realtidsskydd av kvantinformation—ett viktigt steg mot praktiska fel‑toleranta kvantdatorer.

Citering: 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

Nyckelord: kvantfelkorrigering, LDPC-koder, dekoderhårdvara, korrelerat brus, meddelande‑passande algoritmer