Forced Gap Post-Selection for Quantum LDPC Codes and their Operations

Riepilogo Tecnico: Post-Selezione con Gap Forzato per Codici LDPC Quantistici e le Loro Operazioni

Enunciato del Problema
I codici quantistici a bassa densità di parità (LDPC) ad alto tasso offrono vantaggi significativi in termini di sovraccarico spaziale rispetto ai codici di superficie, ma incontrano difficoltà nell'implementare strategie di post-selezione efficaci. Nei codici di superficie, viene utilizzato un "gap complementare" per quantificare la fiducia nella decodifica confrontando la verosimiglianza logaritmica della correzione più probabile con una correzione logicamente complementare. Tuttavia, questa tecnica non si estende direttamente ai codici LDPC quantistici generali per due motivi principali:

1. Incompatibilità del Decodificatore: I codici LDPC quantistici generali non possono essere decodificati utilizzando decodificatori di accoppiamento (matching decoders), che sono centrali nel calcolo del gap per i codici di superficie.
2. Esplosione Combinatoria: I codici ad alto tasso possiedono molti osservabili logici ($k$ qubit logici implicano $4k$ classi logiche distinte). Un approccio ingenuo alla post-selezione richiederebbe la decodifica in ogni classe logica per trovare il secondo esito più probabile, rendendo il processo computazionalmente non fattibile (ad esempio, $2^{12}$ classi per un codice a 72 qubit con $k=12$).

Metodologia: Post-Selezione con Gap Forzato
Gli autori propongono una strategia "Gap Forzato", un metodo di post-selezione generale applicabile ai codici LDPC quantistici ad alto tasso con molti osservabili logici. L'approccio è indipendente dal decodificatore, ma si basa sulla capacità di forzare un decodificatore a trovare una soluzione con un esito logico specifico.

La strategia procede in tre fasi:

1. Esecuzione di Base: Il decodificatore viene eseguito sul sindrome osservato $\sigma$ per produrre una correzione di base $e^{(0)}$ con classe logica $L^{(0)}$. Se il decodificatore non converge (un "cancellazione" o erasure), il colpo viene immediatamente rifiutato.
2. Esecuzioni Forzate: Per ciascuno dei $K$ osservabili logici, il decodificatore viene rieseguito $K$ volte. Nella $i$-esima esecuzione, il problema di decodifica viene modificato aggiungendo la $i$-esima riga della matrice di azione $A$ (con un bit invertito $1 \oplus L^{(0)}_i$) alla matrice di controllo di parità $H$. Questo forza il decodificatore a trovare una correzione $e^{(i)}$ in cui l'$i$-esimo osservabile logico ha un esito complementare rispetto alla base.
3. Calcolo del Gap e Decisione: L'algoritmo raggruppa tutte le soluzioni convergenti per identificare l'insieme delle classi logiche distinte trovate. Calcola il "Gap" come la differenza nelle verosimiglianze logaritmiche tra la classe logica più probabile $\lambda^{(0)}$ e la seconda classe logica distinta più probabile $\lambda^{(1)}$:
   $$\text{Gap} := \log P[\lambda^{(0)}] - \log P[\lambda^{(1)}]$$
   Se tutte le esecuzioni forzate non convergono, il Gap è impostato a $\infty$ (accettato). Se la base fallisce, il Gap è 0 (rifiutato). Viene applicata una soglia $T$; i colpi con $\text{Gap} < T$ vengono rifiutati.

Questo metodo scala linearmente con il numero di osservabili logici ($K+1$ esecuzioni) invece che esponenzialmente ($2^K$), rendendolo computazionalmente fattibile.

Contributi Chiave

• Generalizzazione del Gap Complementare: Il lavoro estende il concetto del gap complementare dai codici di superficie ai codici LDPC quantistici generali ad alto tasso con più qubit logici.
• Algoritmo Efficiente: Introduce una strategia che evita l'inseguibile enumerazione di tutte le classi logiche forzando solo deviazioni negli osservabili individuali, riducendo il carico computazionale da esponenziale a lineare in $K$.
• Indipendenza dal Decodificatore: La strategia è progettata per funzionare con decodificatori iterativi (come la Propagazione delle Credenze) che potrebbero non convergere, trattando la non-convergenza come un segnale specifico (cancellazione o gap infinito) piuttosto che come un fallimento del metodo.
• Implementazione Leggera: A differenza delle precedenti strategie ad alte prestazioni che si basano sulla Decodifica Statistica Ordinata (OSD) ad alta latenza, questo metodo si basa sulla Propagazione delle Credenze amichevole per FPGA (specificamente il decodificatore Relay-BP).

Risultati
La strategia è stata valutata utilizzando il decodificatore Relay-BP su:

• Circuiti in Idle: I codici a bicicletta bivariata (BB) a 72 qubit [[72, 12, 6]] e a 144 qubit [[144, 12, 12]].
• Operazioni Logiche: Gadget di chirurgia (in-modulo $X_1$, $Y_1$ e inter-modulo $X_1X_1$) per il codice a 144 qubit.

Le scoperte chiave includono:

• Miglioramento del Tasso di Errore: Sul codice a 72 qubit con rumore fisico $p=10^{-3}$, la strategia raggiunge un tasso di errore logico per round di $\approx 3.5 \times 10^{-8}$ a un tasso di post-selezione dell'1%. Ciò rappresenta un miglioramento di oltre un fattore 4 rispetto alle precedenti strategie di post-selezione (ad esempio [LEB25] a $\approx 10^{-5}$ e [Xie+26] a $\approx 1.5 \times 10^{-7}$) in condizioni simili.
• Tasso di Post-Selezione: I guadagni di prestazioni sono più pronunciati a bassi tassi di post-selezione (sotto l'1%). La curva del tasso di errore logico si appiattisce dopo circa l'1% di rifiuto, poiché i colpi rimanenti hanno o gap infiniti (la base ha convergito, le esecuzioni forzate hanno fallito) o sono cancellazioni.
• Confronto con Lavori Precedenti: Mentre altre strategie (come quelle in [LEB25] e [Xie+26]) possono continuare a migliorare a tassi di post-selezione più elevati (ad esempio 5–30%), spesso richiedono decodificatori computazionalmente più intensivi (BP-OSD). La strategia Gap Forzato offre prestazioni superiori nel regime a basso rifiuto con un sovraccarico computazionale significativamente inferiore.

Significato e Affermazioni
Il documento afferma che la strategia Gap Forzato fornisce una soluzione "semplice e generale" per la post-selezione nei codici LDPC quantistici ad alto tasso, offrendo tassi di errore logico migliorati con un calcolo leggero. Gli autori la collocano come uno strumento pratico per scenari in cui è disponibile la post-selezione, in particolare per attività di generazione offline di stati di risorse come la distillazione di stati magici, dove il rumore operativo spesso domina.

Gli autori notano modestamente che la strategia non migliora significativamente oltre un tasso di post-selezione dell'1% per i circuiti in idle testati e che il lavoro futuro potrebbe affrontare i pavimenti di errore causati da esecuzioni forzate non convergenti combinando il metodo con altre tecniche di decodifica (ad esempio OSD o decimazione). Sottolineano inoltre che, sebbene la strategia sia efficace per le dimensioni attuali dei codici, la sua scalabilità verso distanze di codice più grandi e tassi di errore fisici più bassi richiede ulteriori indagini, potenzialmente tramite analisi di eventi rari piuttosto che simulazione Monte Carlo diretta.