⚡ electrical engineering

Auxiliary Nodes for BP Decoding of Quantum LDPC Codes

यह शोध पत्र डिकोडिंग ग्राफ में सहायक चर (auxiliary variable) और चेक नोड्स को पेश करके CSS क्वांटम LDPC कोड के बिलीफ प्रोपेगेशन डिकोडिंग को बढ़ाने के लिए एक सामान्य ढांचे का प्रस्ताव करता है, जो 4-साइकिल हटाने और सबकोड एनसेम्बल डिकोडिंग जैसी मौजूदा तकनीकों को एकीकृत करता है और सर्किट-स्तरीय शोर के तहत लॉजिकल एरर दरों में महत्वपूर्ण कमी प्रदर्शित करता है।

मूल लेखक: Daniel Tandler, Paul Bezner, Stephan ten Brink

प्रकाशित 2026-07-15

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Daniel Tandler, Paul Bezner, Stephan ten Brink

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक विशाल, तीन-आयामी भूलभुलैया (maze) को हल करने की कोशिश कर रहे हैं जहाँ दीवारें अदृश्य क्वांटम ब्लॉकों से बनी हैं। आपका लक्ष्य एक छिपे हुए रास्ते (सही एरर करेक्शन) को खोजना है बिना दीवारों से टकराए। क्वांटम कंप्यूटरों की दुनिया में, इस भूलभुलैया को क्वांटम लो-डेंसिटी पैरिटी-चेक (QLDPC) कोड कहा जाता है।

इस भूलभुलैया को हल करने के लिए, वैज्ञानिक आमतौर पर बलीफ प्रोपेगेशन (BP) नामक रणनीति का उपयोग करते हैं। BP को भूलभुलैया में मार्च करने वाले नन्हे, जिज्ञासु चींटियों के झुंड के रूप में सोचें। वे एक-दूसरे को नोट्स पास करते हुए कहते हैं, "मुझे लगता है रास्ता यहाँ है!" या "नहीं, वह तो वहाँ है!" समय के साथ, वे सही रास्ता खोजने के लिए आपस में सहमत होने की उम्मीद करते हैं।

लेकिन समस्या यह है कि कभी-कभी, भूलभुलैया में छोटे लूप (जैसे कि एक 4-साइकिल, यानी एक छोटा वर्गाकार लूप) होते हैं। जब चींटियाँ इन लूपों से टकराती हैं, तो वे भ्रमित हो जाती हैं। वे एक ही गलत नोट को बार-बार एक-दूसरे को भेजने लगती हैं, जिससे एक गलत विचार को पुख्ता किया जाता है जब तक कि वे एक "ट्रैपिंग सेट" में फंस नहीं जातीं। यह दोस्तों के एक समूह की तरह है जो एक गलत दिशा में जाने के लिए सहमत हो जाते हैं क्योंकि वे एक घेरे में आपस में बातें करते रहते हैं।

नया विचार: "हेल्पर" नोड्स जोड़ना

इस शोध पत्र के लेखक, डैनियल टैंडलर और उनकी टीम, एक चतुर तरीका प्रस्तावित करते हैं जिससे वास्तविक क्वांटम हार्डवेयर को बदले बिना भूलभुलैया को ठीक किया जा सके। वे ऑक्सिलरी नोड्स (Auxiliary Nodes)—भूलभुलैया में अतिरिक्त "हेल्पर" स्थान जो मूल डिज़ाइन में मौजूद नहीं थे लेकिन केवल चींटियों के उपयोग के लिए जोड़े गए हैं—का सुझाव देते हैं।

वे दो प्रकार के हेल्पर पेश करते हैं:

ऑक्सिलरी चेक नोड्स (ACNs): ये भूलभुलैया में जोड़े गए नए संकेत बोर्डों की तरह हैं।
ऑक्सिलरी वेरिएबल नोड्स (AVNs): ये मानचित्र में जोड़े गए अतिरिक्त खाली कमरों की तरह हैं।

जादू यह है कि ये हेल्पर अस्थायी हैं। एक बार जब चींटियाँ हेल्पर्स का उपयोग करके पहेली सुलझा लेती हैं, तो टीम गणितीय रूप से हेल्पर्स को "मिटा" सकती है और समाधान को मूल भूलभुलैया में वापस अनुवादित कर सकती है। यह एक छात्र को कठिन गणित समस्या का अध्ययन करने के लिए 'चीट शीट' देने जैसा है, और फिर यह देखने के लिए चीट शीट वापस ले लेना कि क्या उन्होंने वास्तव में सीखा है।

हेल्पर्स का उपयोग करने के दो तरीके

यह शोध पत्र दिखाता है कि इन हेल्पर्स का दो अलग-अलग तरीकों से उपयोग किया जा सकता है, जो लेखकों के अनुसार वास्तव में एक ही सिक्के के दो पहलू हैं:

1. लूप तोड़ना (4-साइकिल रिमूवल)
कभी-कभी, भूलभुलैया में वे छोटे, भ्रमित करने वाले वर्गाकार लूप होते हैं। टीम लूप्स को "तोड़ने" के लिए हेल्पर्स का उपयोग करती है। वे एक हेल्पर नोड जोड़ते हैं जो चींटियों को थोड़ा अलग रास्ता लेने के लिए मजबूर करता है, प्रभावी रूप से लूप को काटकर खोल देता है।

चुनौती: शोध पत्र पाता है कि यह हमेशा चींटियों को तेज़ नहीं बनाता है। उनके सिमुलेशन (कंप्यूटर परीक्षण) में, इस पद्धति की सफलता इस बात पर बहुत अधिक निर्भर करती है कि चींटियों को कितनी बार नोट्स पास करने की अनुमति दी जाती है (इटरेशन की संख्या) और वे अपने संदेश कितनी ज़ोर से चिल्लाती हैं (एक स्केलिंग फैक्टर जिसे $\alpha$ कहा जाता है)।
परिणाम: कुछ सेटिंग्स के लिए, लूप तोड़ने से बहुत मदद मिलती है। लेकिन यदि चींटियों के पास सोचने के लिए पर्याप्त समय नहीं है (कम इटरेशन काउंट), तो ये हेल्पर्स जोड़ने से चीज़ें वास्तव में बदतर हो सकती हैं क्योंकि इससे भूलभुलैया सरल होने से पहले और बड़ी और अधिक भ्रमित करने वाली हो जाती है।

2. भ्रम को विभाजित करना (सबकोड एनसेम्बल)
क्वांटम भूलभुलैयाओं में डिजेनेरेसी (degeneracy) नामक एक अनूठी समस्या होती है। इसका मतलब है कि दो या अधिक अलग-अलग रास्ते हो सकते हैं जो चींटियों को बिल्कुल एक जैसे दिखते हैं (वे एक ही "सिंड्रोम" या सुराग उत्पन्न करते हैं)। चींटियाँ इसलिए फंस जाती हैं क्योंकि वे असली रास्ते और दूसरे के बीच अंतर नहीं कर पातीं।

समाधान: टीम हेल्पर्स का उपयोग करके भूलभुलैया को "विभाजित" करने का उपयोग करती है। वे पहेली के दो संस्करण बनाते हैं: एक जहाँ वे मानते हैं कि अतिरिक्त हेल्पर "ऑन" है, और एक जहाँ वह "ऑफ" है। यह चींटियों को प्रत्येक संस्करण में एक विशिष्ट पथ चुनने के लिए मजबूर करता है, जिससे समरूपता (symmetry) टूट जाती है।
एनसेम्बल: केवल एक चींटियों के झुंड को चलाने के बजाय, वे पूरे दल (एनसेम्बल) को चलाते हैं, जिसमें से प्रत्येक दल हेल्पर सेटिंग्स के विभिन्न संयोजनों को आज़माता है। यदि एक झुंड एक वैध पथ खोज लेता है, तो वे सबसे अच्छे वाले को चुनते हैं।

आंकड़े क्या कहते हैं

टीम ने एक विशिष्ट क्वांटम कोड पर इन विचारों का परीक्षण किया जिसे [[72, 12, 6]] बाइवैरियेट बाइसिकल (BB) कोड कहा जाता है। उन्होंने $p = 0.001$ की त्रुटि दर पर और 6 मेजरमेंट राउंड ( $r=6$ ) के लिए सिमुलेशन चलाया।

लूप ब्रेकर: जब उन्होंने 4-साइकिल को हटाया, तो लॉजिकल एरर रेट (वह दर जिस पर भूलभुलैया हल करने वाला विफल होता है) गिर गया, लेकिन केवल तभी जब उन्होंने चींटियों को पर्याप्त चरणों (इटरेशन) के लिए चलने दिया। यदि वे बहुत जल्दी रुक गए, तो अतिरिक्त हेल्पर्स ने मदद करने के बजाय ग्राफ को और बड़ा और भ्रमित बना दिया।
टीम अप्रोच: सबसे रोमांचक परिणाम एनसेम्बल डिकोडर से आया। लूप-ब्रेकिंग प्रक्रिया के दौरान उत्पन्न हेल्पर्स को "विभाजन" उपकरणों के रूप में उपयोग करके, उन्होंने डिकोडर्स की एक टीम बनाई।
- छोटे कोड के लिए, एक एडेप्टिव एनसेम्बल (जहाँ टीम वर्तमान स्थिति के आधार पर तय करती है कि कौन से हेल्पर्स का उपयोग करना है) जिसमें 24 सदस्य थे, ने BP+OSD-0 नामक बहुत अधिक जटिल और धीमी विधि के लगभग बराबर प्रदर्शन किया।
- एक बड़े कोड ([[90, 8, 10]]) के लिए, यहाँ तक कि 128 सदस्यों की एक टीम भी सर्वश्रेष्ठ प्रदर्शन के स्तर तक नहीं पहुँच पाई, जो यह सुझाव देता है कि बड़े भूलभुलैया के लिए, उन्हें और भी स्मार्ट ट्रिक्स (जैसे विंडो डिकोडिंग) की आवश्यकता हो सकती है ताकि सूचना तेज़ी से फैल सके।

वे क्या दावा नहीं करते

यह ध्यान देना महत्वपूर्ण है कि यह शोध पत्र क्या नहीं कहता:

वे यह दावा नहीं करते कि यह सभी क्वांटम त्रुटियों को हल करने वाला कोई जादुई समाधान है।
वे यह नहीं कहते कि लूप हटाना हमेशा बेहतर होता है; वास्तव में, वे दिखाते हैं कि यदि डिकोडर पर्याप्त समय तक नहीं चलता है तो यह बदतर भी हो सकता है।
वे यह भी दावा नहीं करते कि "एडेप्टिव" विधि एकदम सटीक है; वे सुझाव देते हैं कि हेल्पर्स को चुनने का उनका वर्तमान तरीका सबसे अच्छा नहीं हो सकता है, और एक स्मार्ट चयन रणनीति परिणामों को और बेहतर बना सकती है।

निष्कर्ष

यह शोध पत्र एक सामान्य ढांचा प्रस्तावित करता है जहाँ आप भ्रमित करने वाले लूप को ठीक करने और समरूपता को तोड़ने के लिए क्वांटम डिकोडिंग ग्राफ में अस्थायी रूप से "हेल्पर" नोड्स जोड़ सकते हैं। सिमुलेशन में, यह दृष्टिकोण डिकोडर्स की एक टीम को मिलकर काम करने और एकल डिकोडर की तुलना में त्रुटियों को काफी कम करने की अनुमति देता है। हालाँकि, इसकी सफलता प्रक्रिया को सावधानीपूर्वक ट्यून करने पर निर्भर करती है, और बड़े कोड के लिए अभी भी सुधार की काफी गुंजाइश है। यह टूलबॉक्स में एक नया और आशाजनक उपकरण है, लेकिन काम अभी खत्म नहीं हुआ है।

शीर्षक: QLDPC कोड के BP डिकोडिंग के लिए ऑक्जिलरी नोड्स (Auxiliary Nodes)
लेखक: डैनियल टैंडलर, पॉल बेज़नर, और स्टीफ़न टेन ब्रिंक (यूनिवर्सिटी ऑफ स्टटगार्ट)

समस्या विवरण (Problem Statement)

क्वांटम लो-डेंसिटी पैरिटी-चेक (QLDPC) कोड्स, विशेष रूप से कैलडरबैंक-शोर-स्टीन्स (CSS) कोड्स के लिए बेलिफ प्रोपेगेशन (BP) डिकोडिंग एक कम-जटिलता वाली विधि है। हालांकि, BP का प्रदर्शन इसके अंतर्निहित टैनर ग्राफ (Tanner graph) की संरचना के प्रति अत्यधिक संवेदनशील होता है। दो प्राथमिक कारक BP प्रदर्शन को बाधित करते हैं:

लघु चक्र (Short Cycles): विशेष रूप से 4-चक्र (4-cycles), जो BP एल्गोरिदम में संदेशों को अत्यधिक सह-संबंधित (correlated), दोलनशील (oscillate) और गलत विश्वासों को सुदृढ़ करने का कारण बनते हैं।
डीजेनेरेसी (Degeneracy): यह क्वांटम सिनड्रोम-आधारित डिकोडिंग में एक अनूठी घटना है जहाँ कई अलग-अलग त्रुटि परिकल्पनाएँ (error hypotheses) एक ही सिनड्रोम उत्पन्न करती हैं। यह अस्पष्टता अभिसरण विफलताओं (convergence failures/quantum-type trapping sets) का कारण बन सकती है, विशेष रूप से कम-भार वाले स्टेबलाइजर्स (low-weight stabilizers) वाले कोड्स में।

मौजूदा समाधान अक्सर अधिक जटिल डिकोडर्स के साथ BP परिणामों को पोस्ट-प्रोसेस करते हैं (जिससे विलंबता/latency बढ़ जाती है) या डिकोडिंग प्रक्षेपवक्र (decoding trajectory) को संशोधित करते हैं। अन्य दृष्टिकोण डिकोडिंग ग्राफ को संरचनात्मक रूप से संशोधित करने का प्रयास करते हैं, जैसे कि 4-चcycles को हटाना या डीजेनेरेसी सेट्स को विभाजित करना, लेकिन इन्हें अक्सर अलग-अलग तकनीकों के रूप में माना जाता है।

कार्यप्रणाली (Methodology)

लेखक CSS कोड्स के डिकोडिंग ग्राफ को ऑक्जिलरी वेरिएबल नोड्स (AVNs) और ऑक्जिलरी चेक नोड्स (ACNs) का उपयोग करके बढ़ाने के लिए एक सामान्य ढांचे (general framework) का प्रस्ताव करते हैं। यह ढांचा अतिरिक्त भौतिक मापों की आवश्यकता के बिना मानक स्टेबलाइजर मेजरमेंट सर्किट के साथ संगत होने के लिए डिज़ाइन किया गया है।

मुख्य गणितीय निर्माण में शामिल है:

AVN सम्मिलन (Insertion): $H$ के पैरिटी-चेक मैट्रिक्स में एक 'ऑल-जीरो' कॉलम जोड़ना।
ACN सम्मिलन: मैट्रिक्स में एक नया रो $c_{aug}^T = (c'^T, 1)$ जोड़ना।
सिनड्रोम रूपांतरण (Syndrome Transformation): मूल सिनड्रोम $s$ को एक रैखिक मानचित्र $A$ के माध्यम से एक संवर्धित सिनड्रोम $s_{aug}$ में मैप करना।

यह मूल सिस्टम $He = s $को संवर्धित सिस्टम$ H_{aug}e_{aug} = s_{aug}$ में बदल देता है। लेखक सिद्ध करते हैं कि संवर्धित सिस्टम के समाधान स्थान (solution space) का मूल चरों पर प्रोजेक्शन एक बायजेक्शन (bijection) है, जो यह सुनिश्चित करता है कि डिकोडिंग समस्या समान बनी रहती है।

यह ढांचा दो अलग-अलग व्याख्याओं को एकीकृत करता है:

संरचनात्मक संशोधन (4-Cycle Removal): विशिष्ट $c'$ वेक्टर्स चुनकर, ACNs का उपयोग ग्राफ में 4-चक्रों को समाप्त करने के लिए किया जा सकता है (GARI विधि और अनुकूलित रो-एडिशन रणनीतियों के समान)।
डीजेनेरेसी स्प्लिटिंग (Degeneracy Splitting/Affine Subcode Ensemble): एक AVN को एक विशिष्ट मान पर स्थिर करना एक एफाइन बाधा (affine constraint, $c'^T e = \text{const}$ ) लागू करता है। यदि $c'$ मौजूदा पंक्तियों (rows) या लॉजिकल ऑपरेटर्स के रैखिक रूप से स्वतंत्र है, तो यह डीजेनेरेसी सेट को विभाजित कर देता है, प्रभावी रूप से एक सबकोड एनसेम्बल (subcode ensemble) बनाता है।

मुख्य योगदान (Key Contributions)

एकीकृत ढांचा (Unified Framework): यह शोध पत्र एक सामान्य बीजगणितीय ढांचे को औपचारिक रूप देता है जो AVNs और ACNs के उपयोग के माध्यम से 4-साइकिल रिमूवल और एफाइन सबकोड एनसेम्बल डिकोडिंग (ASCED) को जोड़ता है।
दोहरी व्याख्या (Dual Interpretation): यह प्रदर्शित करता है कि ACNs का उपयोग ग्राफ को संरचनात्मक रूप से संशोधित करने (चक्र हटाने) के लिए किया जा सकता है, जबकि AVNs को स्थिर करने से डीजेनेरेसी सेट्स विभाजित होते हैं।
ग्राफ-व्युत्पन्न एनसेम्बल डिकोडर (Graph-Derived Ensemble Decoder): लेखक एक नया डिकोडर प्रस्तावित करते हैं जो 4-साइकिल रिमूवल प्रक्रिया के दौरान उत्पन्न ऑक्जिलरी नोड्स को उम्मीदवार बाधाओं (candidate constraints) के रूप में पुनः उपयोग करता है। वे दो चयन रणनीतियों को लागू करते हैं:
- स्टेटिक (Static): उन उम्मीदवारों को पुनरावृत्ति से चुनता है जो लॉजिकल एरर रेट को कम करते हैं या विफल त्रुटि घटनाओं (failed error events) के कवरेज को अधिकतम करते हैं।
- एडाप्टिव (Adaptive): एक मानक BP पास चलाता है; यदि यह अभिसरण में विफल रहता है, तो यह LLR मैग्नीट्यूड के आधार पर AVNs को रैंक करता है और सबसे कम विश्वसनीय वाले को एनसेम्बल बनाने के लिए चुनता है।
बैक-ट्रांसफॉर्मेशन एल्गोरिदम: संवर्धित सिनड्रोम की गणना करने के लिए आवश्यक मैपिंग मैट्रिक्स $A$ का निर्माण करने हेतु एक एल्गोरिदम (Alg. 1) प्रदान किया गया है, जो हार्डवेयर के साथ संगतता सुनिश्चित करता है।

परिणाम (Results)

लेखकों ने सर्किट-लेवल नॉइज़ ( $p=0.001$ ) के तहत [[72, 12, 6]] और [[90, 8, 10]] बाइवैरियेट बाइसिकल (BB) कोड्स पर अपने तरीकों का मूल्यांकन किया।

4-Cycle Removal: 4-चक्रों को हटाने से होने वाला प्रदर्शन लाभ BP इटरेशन ( $I$ ) और चेक-नोड मैसेज स्केलिंग फैक्टर ( $\alpha$ ) की संख्या पर निर्भर करता है। हालांकि चक्रों को हटाना आम तौर पर प्रदर्शन में सुधार करता है, लेकिन संवर्धित ग्राफ को सूचना प्रसार के लिए पर्याप्त इटरेशन की आवश्यकता होती है। कम इटरेशन काउंट के लिए, AVNs जोड़ने से शुरू में प्रदर्शन खराब हो सकता है।
Ensemble Decoding: दोनों स्टेटिक और एडाप्टिव एनसेम्बल डिकोडर, मूल और 4-साइकिल-मुक्त दोनों ग्राफों पर मानक BP की तुलना में प्रति-राउंड लॉजिकल एरर रेट ( $p_L$ $p_{L}$ ) को महत्वपूर्ण रूप से कम करते हैं।
- [[72, 12, 6]] कोड के लिए, एक 24 सदस्यों वाला एडाप्टिव एनसेम्बल OSD-0 के साथ संयुक्त BP डिकोडर के प्रदर्शन के लगभग बराबर पहुँच जाता है, जबकि समानांतर निष्पादन (parallel execution) के कारण प्लेन BP के समान विलंबता बनाए रखता है।
- बड़े [[90, 8, 10]] कोड के लिए, एनसेम्बल डिकोडर प्रदर्शन में सुधार करता है, लेकिन 128 एनसेम्बल सदस्यों के साथ भी यह BP+OSD-0 की तुलना में अंतर दिखाता है।
व्यापार-बंद (Trade-offs): शोध पत्र नोट करता है कि 4-साइकिल रिमूवल से डिकोडिंग ग्राफ में किनारों (edges) की संख्या बढ़ सकती है (4 के बजाय 5 किनारे जोड़ते हुए), जो डिकोडिंग जटिलता और प्रदर्शन के बीच एक ट्रेड-ऑफ पैदा करता है।

महत्व और दावे (Significance and Claims)

शोध पत्र का दावा है कि यह पहले से ही भिन्न तकनीकों (शॉर्ट-साइकिल रिमूवल और सबकोड एनसेम्बल डिकोडिंग) के लिए एक सामान्य बीजगणितीय व्याख्या प्रदान करता है। AVNs और ACNs के उपयोग को औपचारिक बनाकर, लेखक डिकोडिंग ग्राफ डिजाइन में एक लचीला विकल्प प्रदान करते हैं।

लेखक विनम्रतापूर्वक कहते हैं कि हालांकि उनके प्रस्तावित एनसेम्बल डिकोडर मानक BP की तुलना में लॉजिकल एरर रेट को काफी कम कर देते हैं, लेकिन बड़े कोड्स के लिए और अधिक लाभ के लिए पूरक तकनीकों, जैसे लेयर्ड या विंडो डिकोडिंग की आवश्यकता हो सकती है, ताकि प्रभावी समस्या के आकार को कम किया जा सके। वे यह भी नोट करते हैं कि एडाप्टिव एनसेम्बल के लिए वर्तमान LLR-आधारित चयन रणनीति हमेशा इष्टतम स्प्लिटर उम्मीदवारों की पहचान नहीं कर सकती है, जो सुधार की गुंजाइश का सुझाव देती है। यह कार्य स्थापित करता है कि इन ग्राफ ऑगमेंटेशन को बिना किसी नए भौतिक माप की आवश्यकता के मानक स्टेबलाइजर मेजरमेंट फ्रेमवर्क में एकीकृत किया जा सकता है।