Cyclic Hypergraph Product Code

1. بيان المشكلة

تعد أكواد تصحيح الخطأ الكمي من نوع (Low-Density Parity-Check) أو ما يعرف بـ (LDPC)، وتحديداً أكواد "المنتج الفائق للرسم البياني" (Hypergraph Product - HGP)، مرشحات واعدة للحوسبة الكمية ذات القدرة على تحمل الأخطاء، وذلك نظراً لمعدلات ترميز ثابتة ومسافات دنيا متعددة الحدود. ومع ذلك، فإن تحسين أكواد HGP لتتفوق على أكواد السطح (Surface Codes) في عمليات المحاكاة العملية على مستوى الدوائر يظل تحدياً كبيماً.

اعتمدت استراتيجيات التحسين السابقة على:

• التقنيات الكلاسيكية: النمو التدريجي للحواف (Progressive Edge Growth) للقضاء على مجموعات الفخ المحلية.
• البحث العشوائي: توليد نماذج HGP عشوائية واختيار الأفضل أداءً بينها.
• التعلم الآلي (ML): استخدام التعلم المعزز أو التلدين المحاكي (Simulated Annealing) لإجراء تحويلات محلية على هياكل الأكواد.

القصور الجوهري: إن فضاء البحث لأكواد HGP ضخم للغاية. وغالباً ما تقع النهج القائمة على التعلم الآلي في الأمثلة المحلية (Local Optima) وتواجه صعوبة في اكتشاف التناظرات العالمية التي تعزز الأداء بشكل كبير. علاوة على على ذلك، تتطلب أكواد HGP المحسنة حالياً تخطيطات معقدة متعددة الطبقات (مثل 4 طبقات مستوية) يصعب تنفيذها على بنيات أجهزة معينة.

2. المنهجية

يقترح المؤلفون تحولاً في النموذج من التحسين المحلي القائم على التعلم الآلي إلى فرض التناظر العالمي بالتزامن مع البحث الشامل.

• التناظر الدوري (Cyclic Symmetry): بدلاً من المصفوفات العشوائية، قيد المؤلفون فضاء البحث في أكواد HGP المبنية من أكواد دورية. وقد عرفوا أكواد CxC بأنها حاصل الضرب الفائق لرمزين دوريين.
• العائلات الفرعية: لجعل البحث شاملاً، ركزوا على عائلتين متماثلتين محددتين:
  1. أكواد C²: حاصل ضرب كود دوري مع نفسه ($A=B$).
  2. أكواد C×R: حاصل ضرب كود دوري مع كود تكرار ($B(y) = 1+y$).
• فضاء البحث: أجروا بحثاً شاملاً (Brute-force search) على جميع الأكواد الدورية الكلاسيكية ذات أطوال كتل $n_c \le 40$ وأوزان فحص $w \in [2, 5]$. نتج عن ذلك أكواد HGP بأوزان مثبت (Stabilizer weights) تصل إلى 10 وأطوال كتل تصل إلى 3,200.
• تقييم الأداء:
  • المحاكاة: أُجريت عمليات محاكاة على مستوى الدائرة باستخدام محاكي Stim مع نماذج ضوضاء إزالة الاستقطاب (Depolarizing noise).
  • فك التشفير: تم استخدام فك التشفير بالانتشار الإيماني (Belief Propagation - BP) مع فك التشفير ذو الإحصاء المرتب (Ordered Statistics Decoding - OSD) (10,000 تكرار لـ BP، ومرتبة خامسة لـ OSD).
  • المقاييس: تم تطبيع معدلات الخطأ المنطقي بالنسبة لعدد الكيوبتات المنطقية وجولات المتلازمة (Syndrome rounds) للسماح بمقارنة عادلة عبر مختلف معدلات الكود.

3. المساهمات الرئيسية

أ. اكتشاف أكواد HGP دورية عالية الأداء

اكتشف المؤلفون حالات محددة من أكود C² و C×R تتفوق بشكل كبير على أكواد HGP المحسنة بالتعلم الآلي والتي كانت تمثل أحدث ما توصل إليه العلم.

• أكواد C²: يحقق كود C² من نوع [[882, 50, 10]] معدل خطأ منطقي لكل كيوبت أقل من $2 \times 10^{-8}$ عند معدل خطأ فيزيائي قدره $10^{-3}$. وهذا أفضل بثلاث مراتب عشرية من كود [[625, 25, 8]] المحسن بالتعلم الآلي (والذي حقق $\approx 2 \times 10^{-5}$).
• المقارنة مع أكواد BB: تحقق أكواد C² الجديدة أداءً مقارباً لأكواد الدراجة الثنائية (Bivariate Bicycle - BB) المكتشفة حديثاً. والجدير بالذكر أن بعض أكواد C² تحقق معدل خطأ منطقي أقل وطبقة زائدة (Overhead) أصغر من أكواد BB، وإن كان ذلك بطول كتلة أكبر.
• أكود C×R: على الرغم من هيكلها البسيط (الضرب في كود تكرار)، إلا أن هذه الأكواد تتفوق أيضاً على أكواد HGP المحسنة بالتعلم الآلي في معدل الخطأ المنطقي، مما يوفر مقايضة مع معدلات ترميز أقل قليلاً ولكن مع أداء أفضل على مستوى الدائرة بسبب انخفاض أوزان الفحص.

ب. تخطيط مستوٍ فعال لبنيات QCCD

بالاستفادة من التناظر الدوري، صمم المؤلفون تخطيطاً نموذجياً 2×n متوافقاً مع بنية الجهاز الكمي ذي الشحنة المتغيرة (Quantum Charge-Coupled Device - QCCD)، وهي بنية شائعة في أنظمة الأيونات المحاصرة.

• الهيكل: توضع الكيوبتات البيانات في صف واحد، والكيوبتات المساعدة (Ancilla) في صف ثانٍ.
• الآلية: تقوم عملية إزاحة دورية (Cyclic shift) بتحريك الكيوبتات المساعدة لتتراصف مع كيوبتات البيانات المحددة التي تحتاج للتفاعل معها.
• العمق: يسمح هذا التخطيط بـ استخراج متلازمة بعمق ثابت. عمق الدائرة لكل جولة هو خطي بالنسبة لأوزان الفحص ($O(w)$) ولكنه ثابت بالنسبة لطول الكتلة، مما يجعله قابلاً للتوسع بشكل كبير.
• التوافق مع الأجهزة: هذا النهج وثيق الصلة بالمنصات القادرة على نقل الكيوبتات أو الإزاحات الدورية، مثل الأيونات المحاصرة، والكيوبتات الفوتونية، والذرات المحايدة.

4. النتائج

• معدلات الخطأ: عند معدل خطأ فيزيائي $p = 10^{-3}$، أظهرت أفضل أكواد C² معدلات خطأ منطقية لكل كيوبت تقارب $10^{-8}$، وهي تتفوق بمراحل على نظيراتها المحسنة بالتعلم الآلي ($10^{-5}$).
• الطبقة الزائدة (Overhead): تقدم أكواد C² مقايضة أفضل بين الطبقة الزائدة للكيوبتات (مقلوب معدل الكود) ومعدل الخطأ المنطقي مقارنة بكل من أكواد HGP المحسنة بالتعلم الآلي وأكواد BB في أنظمة محددة.
• المتانة: يشير المؤلفون إلى أن أكواد HGP قد توفر متانة متأصلة ضد "أخطاء الخطاف" (Hook errors) مقارنة بعائلات LDPC الأخرى، رغم أن هذا يتطلب مزيداً من الدراسة.
• كفاءة التخطيط: يقلل التخطيط الدوري المقترح من استخراج المتلازمة إلى عمق ثابت، مما يحل مشكلة رئيسية في تنفيذ أكود LDPC على أجهزة ذات اتصال محدود.

5. الأهمية

يُظهر هذا العمل أن فرض التناظرات العالمية (الهياكل الدورية) هو استراتيجية أكثر فعالية لتحسين أكود LDPC الكمية من عمليات البحث المحلية القائمة على التعلم الآلي.

1. قفزة في الأداء: يضع معايير جديدة لأكواد HGP، موضحاً أنها يمكن أن تتفوق على كل من أكواد HGP المحسنة بالتعلم الآلي وأكواد BB الرائدة في مقاييس معينة (معدل الخطأ والطبقة الزائدة).
2. قابلية التنفيذ على الأجهزة: من خلال تصميم تخطيط يستخدم الإزاحات الدورية، يجسّر البحث الفجوة بين نظرية الأكواد المجردة والتنفيذ العملي على بنيات الأيونات المحاصرة وغيرها من البنيات القائمة على النقل. لقد أثبت أن أكود LDPC يمكن تنفيذها باستخراج متلازمة بعمق ثابت، وهو مطلب حاسم للقدرة على تحمل الأخطاء.
3. الاتجاه المستقبلي: تشير الورقة إلى ضرورة استكشاف فضاء البحث لأكواد الكم من خلال القيود الهيكلية (مثل الدورية) بدلاً من التحسين العشوائي أو المحلي الصرف، مما يفتح آفاقاً جديدة لاكتشاف أكود تصحيح الخطأ الكمي عالية الأداء.