An iterative Ising decoder for quantum error correction codes

Sintesi Tecnica: Un Decodificatore Ising Iterativo per Codici di Correzione degli Errori Quantistici

Problema
Il documento affronta la sfida della decodifica dei codici di correzione degli errori quantistici (QEC), specificamente il codice Torico e il codice Color 6.6.6, sotto rumore depolarizzante. Sebbene il framework Ising offra un metodo potente per la decodifica, mappando il problema nell'ottimizzazione dello stato fondamentale di un Hamiltoniano classico, esso affronta significativi problemi di scalabilità sotto rumore depolarizzante. A differenza del rumore di tipo bit-flip, che produce interazioni a 2 corpi, il rumore depolarizzante introduce correlazioni di errore $X$-$Z$ (tramite errori $Y$) che si manifestano come termini incrociati nell'Hamiltoniano.
Sotto rumore depolarizzante fenomenologico, queste correlazioni risultano in termini di interazione ad alto ordine: fino a 8 corpi per il codice Torico e 10 corpi per il codice Color. Questi termini ad alto ordine creano paesaggi energetici accidentati che ostacolano i solver euristici (degradando la convergenza e gonfiando i tempi di esecuzione) e impongono un overhead severo quando vengono incorporati in hardware Ising nativo a 2 corpi, poiché richiedono numerosi spin ausiliari per la quadratizzazione.

Metodologia: Iterative Low-Order Decoding (ILOD)
Per mitigare questi colli di bottiglia, gli autori propongono l'algoritmo Iterative Low-Order Decoding (ILOD). Invece di ottimizzare un singolo Hamiltoniano congiunto contenente termini incrociati ad alto ordine, l'ILOD decompone il problema in sub-Hamiltoniani alternati di tipo $X$ e di tipo $Z$.

1. Decomposizione e Alternanza: L'algoritmo risolve i sottoproblemi di tipo $X$ e di tipo $Z$ secondo uno schema seriale di Gauss–Seidel. Ciò riduce l'ordine massimo di interazione da 8/10 corpi a 4/5 corpi rispettivamente per i codici Torico e Color.
2. Ripesatura Bayesiana: Per approssimare le correlazioni $X$-$Z$ mancanti, l'ILOD impiega un meccanismo di prior Bayesiana. Dopo aver risolto un tipo (ad esempio, $X$), la configurazione di errore inferita viene utilizzata per pesare nuovamente i accoppiamenti dell'tipo opposto ($Z$). Nello specifico, se un qubit è inferito avere un errore della componente $X$, la probabilità che abbia un errore della componente $Z$ viene aggiornata (ad esempio, a $1/2$ se è presente $X$ o $Y$) e la forza di accoppiamento $J$ viene regolata tramite la condizione di Nishimori.
3. Robustezza alle Imperfezioni del Solver: Riconoscendo che i solver pratici potrebbero non restituire stati fondamentali esatti, gli autori introducono una formulazione a "decisione morbida" (soft-decision). Invece di assegnazioni rigide, utilizzano probabilità condizionate ($a$ e $b$) che riflettono l'affidabilità del solver per aggiornare gli accoppiamenti, impedendo a stime locali errate di vincolare rigidamente il successivo passaggio di ottimizzazione.
4. Estensione al Rumore Fenomenologico: Il metodo estende la tecnica al grafo del detector 3D nello spazio-tempo richiesto per il rumore fenomenologico, applicando l'ottimizzazione alternata e gli aggiornamenti bayesiani attraverso sia le dimensioni spaziali che quelle temporali, mantenendo statici gli accoppiamenti degli errori di misura.

Contributi Chiave

• Innovazione Algoritmica: La proposta dell'ILOD, che scambia l'ottimizzazione congiunta esatta con un'approssimazione iterativa a basso ordine che cattura le correlazioni tra tipi attraverso aggiornamenti dinamici degli accoppiamenti.
• Riduzione della Complessità: L'algoritmo dimezza il numero massimo di corpi dei termini di interazione. Ciò leviga significativamente il paesaggio energetico, riducendo la proliferazione di stati metastabili.
• Efficienza dell'Hardware: Riducendo l'ordine delle interazioni, l'ILOD riduce drasticamente l'overhead degli spin ausiliari richiesto per l'embedding in hardware Ising nativo a 2 corpi (ad esempio, macchine Ising coerenti, quantum annealer).
• Ripristino della Convergenza: Il metodo ripristina la convergenza del solver a distanze di codice maggiori dove la formulazione congiunta fallisce nel convergere entro budget di annealing ragionevoli.

Risultati Numerici
Gli autori hanno valutato l'ILOD rispetto alla formulazione Ising congiunta e alle varianti di Minimum-Weight Perfect Matching (MWPM) sotto rumore depolarizzante di tipo code-capacity e fenomenologico.

• Soglie (Accuratezza):

  • Codice Torico (Fenomenologico): L'ILOD raggiunge una soglia del 4,73%, leggermente inferiore al 4,83% della formulazione congiunta, ma significativamente superiore al MWPM (3,80%) e al Correlated MWPM (4,65%).
  • Codice Color (Fenomenologico): L'ILOD raggiunge il 4,41%, concordando con il 4,36% della formulazione congiunta entro l'incertezza statistica, ed entrambi superano il MWPM (3,35%).
  • Code-Capacity: Si osservano tendenze simili, con le soglie dell'ILOD leggermente inferiori alla formulazione congiunta ma superiori ai decoder basati su matching.

• Tempo di Esecuzione e Convergenza:

  • Scaling: Il rapporto empirico del tempo di esecuzione (ILOD/Joint) scala come $(0,81)^d$ per il codice Torico sotto rumore di tipo code-capacity, indicando un'accelerazione esponenziale all'aumentare della distanza del codice $d$. Sotto rumore fenomenologico, la base dello scaling del tempo di esecuzione scende da $b \approx 3,34$ (Joint) a $b \approx 2,70$ (ILOD).
  • Convergenza: Per il codice Color a $d=9$, la formulazione congiunta non riesce a convergere nemmeno con un ampio budget di annealing ($2 \times 10^5$ sweep), mentre l'ILOD converge con successo con significativamente meno sweep.

• Overhead dell'Hardware:

  • Dopo la quadratizzazione di Rosenberg (conversione in termini a 2 corpi), l'ILOD riduce il conteggio totale degli spin (gauge + ausiliari) di un fattore di circa 2,5 per entrambi i codici rispetto alla formulazione congiunta.

Significatività e Rivendicazioni
Il documento sostiene che l'ILOD fornisca un framework efficiente per la decodifica basata su Ising che bilancia accuratezza, latenza e scalabilità dell'hardware. La principale significatività risiede nel rendere possibile l'uso di hardware Ising nativo a 2 corpi per la decodifica di codici QEC ad alto ordine sotto rumore depolarizzante. Riducendo l'ordine di interazione, l'ILOD rende il problema della decodifica trattabile per l'hardware attuale e quello vicino futuro, ripristinando la convergenza a distanze di codice dove la formulazione congiunta esatta diventa computazionalmente intrattabile. Gli autori osservano che, sebbene l'ILOD comporti una piccola penalità di approssimazione nelle prestazioni della soglia rispetto alla formulazione congiunta esatta, ciò è compensato dai sostanziali guadagni nella velocità del solver e nell'efficienza delle risorse hardware. L'approccio è presentato come applicabile ad altri codi CSS, inclusi i codici qLDPC, dove l'alto peso dei stabilizzatori renderebbe altrimenti proibitivo l'embedding Ising congiunto.