Large-Language-Model Discovery of Quantum LDPC Codes through Structured Concept Evolution

Resumen Técnico: Descubrimiento de Códigos Cuánticos LDPC mediante la Evolución de Conceptos Estructurados por Modelos de Lenguaje de Gran Tamaño

Planteamiento del Problema
La corrección de errores cuánticos (QEC) es un requisito previo para la computación cuántica escalable. Si bien el código de superficie ha sido el estándar debido a su alto umbral y geometría planar, sufre de una tasa de codificación evanescente ($\Theta(d^{-2})$), lo que requiere un exceso cuadrático de cúbits físicos por cada cúbit lógico. Los códigos de comprobación de paridad de baja densidad cuánticos (qLDPC) ofrecen una alternativa prometedora al combinar comprobaciones de paridad dispersas con tasas de codificación finitas y distancias crecientes, lo que potencialmente permite la computación tolerante a fallos con un exceso constante. Sin embargo, la construcción de códigos qLDPC de alto rendimiento es un problema de diseño discreto desafiante. Las familias existentes (por ejemplo, producto de hipergrafos, bicicleta generalizada, producto levantado) dependen de construcciones de producto algebraico parametrizadas por elementos de álgebra de grupos o polinomios de protógrafos. El rendimiento de estos códigos depende críticamente de la elección específica de estos parámetros, pero la región viable dentro del espacio de búsqueda exponencialmente grande es ínfima. Los métodos de descubrimiento actuales dependen en gran medida de la intuición experta, la enumeración exhaustiva de instancias pequeñas o el muestreo aleatorio, los cuales no escalan a las longitudes de bloque requeridas para aplicaciones prácticas.

Metodología: Evolución de Conceptos Estructurados (SCE)
Los autores introducen la Evolución de Conceptos Estructurados (SCE), un marco de búsqueda que aprovecha los Modelos de Lenguaje de Gran Tamaño (LLM) no para diseñar códigos desde los primeros principios, sino para evolucionar conceptos estructurados. En este marco, un "individuo" no es una matriz de comprobación de paridad específica, sino un concepto estructido de nivel superior $\Sigma$ emparejado con un programa ejecutable $P_\Sigma$. El concepto $\Sigma$ especifica la construcción algebraica (por ejemplo, grupo base, forma del protógrafo, matrices semilla locales), mientras que $P_\Sigma$ genera las matrices de comprobación de paridad CSS ($H_X, H_Z$) para cualquier longitud de bloque admisible.

El proceso SCE opera de la siguiente manera:

1. Espacio de Búsqueda: La búsqueda se confina a códigos CSS de Producto Levantado (LP), una generalización del producto de hipergrafos que produce algunos de los códigos qLDPC más potentes de la actualidad.
2. Mutación Jerárquica: Un LLM actúa como un operador de mutación, proponiendo ediciones al concepto estructurado en tres niveles distintos:
   • Nivel 1 (Local): Modifica las entradas del álgebra de grupos (semillas) de las matrices base $A$ y $B$ manteniendo fija la familia de grupos y la forma del protógrafo.
   • Nivel 2 (Forma/Escalado): Cambia las dimensiones del protógrafo ($m_A \times n_A, m_B \times n_B$) y la regla de escalado, alterando la longitud de bloque y la estructura mientras se mantiene fija la familia de grupos.
   • Nivel 3 (Algebraico): Reemplaza la familia de grupos base (por ejemplo, la transición de grupos abelianos a no abelianos), lo que requiere una reescritura de la forma del protógrafo y las entradas locales para mantener la validez.
3. Archivo de Calidad-Diversidad: En lugar de converger a un único óptimo, SCE mantiene un archivo de calidad-diversidad (usando un algoritmo MAP-Elites) que almacena construcciones competitivas a través de diferentes grupos base, tasas de codificación y desempeños de decodificación.
4. Evaluación: Los candidatos se evalúan bajo ruido de depolarización de capacidad de código utilizando Propagación de Creencia con Decodificación de Estadística Ordenada (BP+OSD). Se calcula una puntuación de aptitud $S$ basada en la tasa de codificación $k/n$ y el exponente de supresión de error $\alpha(p)$, penalizada por un factor de novedad para evitar el redescubrimiento de códigos estructuralmente similares.
5. Implementación: El marco se ejecuta con modelos ligeros (GPT-5.4-mini y GPT-5.4-nano) utilizando la infraestructura OpenEvolve.

Contribuciones Clave

• Marco de Trabajo: La introducción de SCE, que empareja LLMs con una gramática de mutación algebraica estructurada para descubrir familias de códigos de producto levantado. Este enfoque desplaza la búsqueda de las entradas de matrices puras hacia conceptos algebraicos coherentes.
• Descubrimiento de Familias Diversas: El método descubre con éxito familias de códigos competitivas que van desde construcciones abelianas hasta grupos no abelianos que se extienden más allá de los diseños estándar como los códigos de bicicleta bivariante (BB).
• Evaluación de Rendimiento: Los autores caracterizan los códigos descubiertos bajo ruido de depolarización, demostrando que alcanzan altas tasas de codificación (hasta $k/n \approx 0.13$) en longitudes de bloque alrededor de $n \approx 1500$.
• Eficiencia: Todo el proceso de descubrimiento se logra utilizando LLMs ligeros, demostrando que los problemas complejos de diseño algebraico pueden abordarse sin recursos computacionales masivos.

Resultados

• Familias de Códigos: Tras tres rondas de 1000 iteraciones, la búsqueda generó 3000 construcciones candidatas. Los códigos élite representativos incluyen:
  • Abelianos: Códigos basados en grupos como $Z_3 \times Z_{14}$ y $Z_2 \times Z_2 \times Z_{11}$.
  • No Abelianos: Códigos basados en grupos dicíclicos ($Dic_{11}$) y diedros ($D_{22}$), así como productos semidirectos como $(Z_2 \times Z_2) \rtimes Z_{10}$.
• Métricas de Rendimiento:
  • Los mejores códigos descubiertos alcanzan una tasa de codificación de $k/n \approx 0.13$ con longitudes de bloque cercanas a 1500.
  • Bajo decodificación BP+OSD a una tasa de error físico $p=0.06$, la tasa de error lógico por cúbit lógico ($\epsilon_L$) para los principales candidatos es comparable o inferior a los códigos de bicicleta bivariante de referencia (por ejemplo, BB [[756, 16, 34]]), a pesar de codificar aproximadamente cinco veces más cúbits lógicos.
  • La métrica $k d^2 / n$ (un indicador de la calidad del código) alcanza valores de hasta 51.9 para los códigos no abelianos descubiertos.
• Dinámica Evolutiva: La estrategia de mutación jerárquica permite tanto el refinamiento local (Nivel 1) como la exploración estructural amplia (Niveles 2 y 3). La evolución de la puntuación muestra una mejora constante de un puntaje inicial de 0.17 a 0.62 a lo largo de las rondas de búsqueda.

Significado y Reivindicaciones
El artículo afirma que SCE proporciona una vía viable para el descubrimiento de códigos qLDPC de alto rendimiento al automatizar la exploración de espacios de diseño algebraico complejos. Al evolucionar conceptos estructurados en lugar de matrices puras, el método supera las limitaciones de los enfoques previos de aprendizaje automático que buscaban sobre estabilizadores explícitos de tamaño finito. Los resultados demuestran que la búsqueda guiada por LLM puede identificar familias de códigos competitivas, incluyendo construcciones no abelianas que anteriormente eran difíciles de encontrar mediante enumeración exhaustiva. Los autores posicionan este trabajo como un paso hacia el descubrimiento de códigos compatibles con el hardware, señalando que el marco es extensible a otras familias de códigos (por ejemplo, producto balanceado, haz de fibras) y podría adaptarse para el codiseño de códigos con restricciones de conectividad de hardware específicas. El trabajo es modesto en sus reivindicaciones, presentando el descubrimiento de construcciones competitivas en lugar de una solución definitiva a todos los desafíos de diseño de qLDPC, y reconoce que el cálculo de la distancia mínima exacta sigue siendo un problema NP-duro.