Measurement-Based Loss Tolerance in Graph-GKP Codes through Syndrome-Resolved Pauli-Frame Decoding

Resumen Técnico: Tolerancia a la Pérdida Basada en Mediciones en Códigos Grafo–GKP

Planteamiento del Problema
La computación cuántica tolerante a fallos en plataformas fotónicas y bosónicas enfrenta un desafío dual: suprimir el ruido físico (específicamente la pérdida y el squeezing finito) manteniendo al mismo tiempo la compatibilidad con arquitecturas realistas de computación cuántica basada en mediciones (MBQC). Los enfoques existentes suelen tratar la búsqueda de caminos en códigos de grafo (que gestiona la pérdida mediante la selección de representantes lógicos alternativos) y la decodificación analógica de Gottesman–Kitaev–Preskill (GKP) (que gestiona el ruido de desplazamiento mediante registros de síndromes continuos) como capas de control separadas. Una composición secuencial simple es insuficiente porque la disponibilidad de los nodos del grafo suele estar determinada por el umbral de los mismos registros analógicos GKP utilizados para la decodificación. Esto crea una dependencia donde la selección de la rama del grafo es un evento dependiente de los datos, lo que requiere un marco unificado que integre la recuperación analógica local con la búsqueda de caminos de grafos globales y el seguimiento del marco de Pauli (Pauli-frame tracking).

Metodología
Los autores desarrollan un marco causal que unifica los códigos de grafo y los códigos GKP bajo un modelo de pérdida pura seguida de amplificación limitada por la cuántica. La metodología avanza a través de las siguientes etapas:

1. Recuperación GKP Local y Calificación de Confianza:

   • Cada bloque GKP local se somete a una recuperación antes de las mediciones de grafo externas destructivas.
   • El decodificador local produce un síndrome continuo, una clase de Pauli residual inferida y una puntuación de confianza derivada de una aproximación de coset más cercano (CC) del decodificador de máxima verosimilitud.
   • Mecanismo Crucial: Los resultados de baja confianza se convierten deliberadamente en borrados localizados ($\perp_{loc}$). Esto asegura que la indisponibilidad se genere directamente a partir del registro de medición bosónica en lugar de ser muestreada independientemente de un canal de eliminación externo.

2. Compilación Grafo–GKP:

   • El marco construye una red compilada $L_G$ mediante la aplicación de la aplicación de cociente lógico exterior a través del mapa de cociente lógico local.
   • Esto crea una superred donde la dimensión lógica se verifica mediante dualidades simplécticas.
   • El sistema distingue entre tres eventos operativos: el rechazo del decodificador local (gestionado por la búsqueda de caminos de grafos), la falla al encontrar un representante de grafo accesible y la confianza insuficiente en el marco lógico inferido.

3. Restricciones de Rama Condicionadas por el Decodificador:

   • El controlador de grafos selecciona una "rama" (un conjunto de representantes accesibles) basándose en el registro de disponibilidad generado por las puntuaciones de confianza locales.
   • El marco define submódulos de compatibilidad ($C_b$) y submódulos soportados por medición ($R_b$) que restringen el espacio cociente para la reconstrucción de observables.
   • La rama seleccionada determina los representantes lógicos accesibles y el marco de Pauli lógico de salida.

4. Posterior Resuelto por Síndromes y Actualización de Marco:

   • El decodificador calcula un posterior resuelto por el síndrome sobre la rama del grafo, incorporando tanto los síndromes aceptados como los rechazados.
   • Utiliza una reconstrucción de resultados con signo y una concatenación recursiva de módulos grafo-GKP.
   • El marco de Pauli se actualiza basándose en la estimación de máxima a posteriori (MAP) del sector lógico, utilizando métricas de confianza (log-odds) para determinar si una rama debe ser aceptada o tratada como una falla ($\perp_{conf}$).

Contribuciones Clave

• Marco Causal Unificado: El artículo establece una única capa de control que integra la decodificación GKP analógica local con la búsqueda de caminos de códigos de grafo globales, resolviendo la dependencia circular entre la determinación de la disponibilidad y el procesamiento de síndromes.
• Conversión Deliberada a Borrado: Un mecanismo novedoso donde los resultados de recuperación GKP de baja confianza se convierten explícitamente en borrados localizados, asegurando que el patrón de disponibilidad se derive causalmente de los datos bosónicos.
• Decodificación Resuelta por Síndromes: La derivación de una restricción de rama condicionada por el decodificador y una reconstrucción de resultados con signo que tiene en cuenta el posterior completo sobre la rama del grafo, en lugar de solo decisiones deterministas (hard decisions).
• Concatenación Recursiva y Fusión: Derivación teórica de la concatenación recursiva de módulos grafo-GKP y la fusión lógica resuelta por síndromes, proporcionando una vía para arquitecturas escalables.
• Implementación Algorítmica: La presentación de algoritmos específicos para la recuperación local (Algoritmo 1), la selección de rama condicionada por el decodificador (Algoritmo 2) y la decodificación de coset más cercano resuelta por síndromes (Algoritmo 3).

Resultados
Se realizaron simulaciones numéricas a través de varios niveles de squeezing utilizando redes GKP cuadradas y hexagonales.

• Tolerancia a la Pérdida: Las simulaciones identificaron comportamientos de tolerancia a la pérdida dependientes de la tarea y pseudoumbrales de profundidad finita para las mediciones lógicas.
• Comparación de Redes: La red GKP hexagonal demostró ventajas sobre la red cuadrada, originadas por un desplazamiento lógico no trivial más corto a nivel local.
• Métricas de Rendimiento: El estudio cuantificó los pseudoumbrales de tamaño finito para las mediciones lógicas y sus capas de marco de Pauli asociadas, validando la efectividad del enfoque resuelto por síndromes en el manejo tanto de la pérdida como del ruido de desplazamiento.

Significancia
El artículo afirma que la interfaz grafo-GKP resultante proporciona una capa de control causal unificada para:

• Computación Cuántica Basada en Mediciones (MBQC) tolerante a fallos.
• Computación basada en fusión.
• Todos los repetidores fotónicos.

Al unificar el manejo de la pérdida (vía búsqueda de caminos de grafos) y el ruido de desplazamiento (vía decodificación GKP analógica), el marco aborda las demandas específicas de las plataformas fotónicas donde la pérdida, el squeezing finito y las operaciones probabilísticas deben incorporarse en un único modelo computacional. El trabajo enfatiza que el máximo de verosimilitud de coset lógico envuelto exacto define el objetivo estadístico, mientras que el decodificador ejecutable utiliza una aproximación de coset más cercano ponderada por covarianza, proporcionando un enfoque práctico pero riguroso para la tolerancia a fallos en sistemas cuánticos de variables continuas.