Adaptive decoding of quantum LDPC codes through decoder disagreement

I computer quantistici promettono di risolvere problemi che sono attualmente impossibili per le macchine classiche, dalla progettazione di nuovi medicinali alla decrittazione di codici di cifratura complessi. Tuttavia, queste macchine sono incredibilmente fragili. I bit quantistici, o qubit, che memorizzano le informazioni, vengono facilmente disturbati dal minimo calore, vibrazione o rumore elettromagnetico, causando la perdita dei dati. Per costruire un computer quantistico utile, gli scienziati devono progettare un sistema in grado di rilevare e correggere questi errori più velocemente di quanto si verifichino, un processo noto come tolleranza ai guasti (fault tolerance). Ciò richiede un flusso costante di computer classici che monitorino la macchina quantistica, leggano i segnali di errore e calcolino le correzioni in tempo reale. Se il computer classico non riesce a tenere il passo con la velocità della macchina quantistica, l'intero sistema si blocca.

La sfida è che i codici di correzione degli errori più potenti, che proteggono la maggior quantità di dati, sono anche i più dispendiosi dal punto di vista computazionale per la decodifica. Richiedono a un computer classico di eseguire una ricerca massiccia per trovare la correzione giusta per ogni singolo schema di errore rilevato. Per anni, l'approccio standard è stato quello di trattare ogni schema di errore allo stesso modo, applicando la stessa ricerca intensiva a ogni singolo caso, indipendentamente dal fatto che si trattasse di un errore semplice o di un puzzle complesso. Questo garantisce l'accuratezza, ma spreca enormi quantità di potenza di calcolo su casi banali. Un nuovo studio condotto dai ricercatori dell'University College London suggerisce un modo più intelligente: invece di trattare ogni errore nello stesso modo, il decoder può osservare la propria ipotesi iniziale e decidere, "al volo", quali errori richiedano effettivamente lo sforzo maggiore.

I ricercatori si sono concentrati su un tipo specifico di codice di correzione degli errori quantistici chiamato codice a parità a bassa densità (low-density parity-check code). In questi sistemi, la macchina quantistica produce una stringa di dati chiamata sindrome, che funge da mappa di dove potrebbero essersi verificati gli errori. Per correggere gli errori, un decoder classico esegue prima un algoritmo probabilistico veloce che formula una ipotesi rapida sul modello di errore più probabile. Successivamente, esegue un secondo passaggio algebrico che forza l'ipotesi a rispettare perfettamente le regole del codice. Nel metodo tradizionale, il decoder lancerebbe poi una ricerca profonda ed esaustiva per trovare la correzione assoluta migliore per ogni singola occorrenza, un processo che richiede molto tempo. Il nuovo studio pone una domanda diversa: quanta parte di quella ricerca profonda è effettivamente necessaria per ogni specifico caso?

Il team ha scoperto che la risposta risiede nel disaccordo tra i due passaggi iniziali. L'ipotesi probabilistica veloce e la correzione algebrica spesso concordano perfettamente sugli errori semplici. Tuttavia, quando l'errore è difficile, i due metodi producono risposte differenti. I ricercatori hanno scoperto che il numero di punti in cui queste due risposte divergono funge da segnale di avviso interno perfetto. Un grande disaccordo indica che l'errore è complesso e che l'ipotesi veloce è probabilmente errata, mentre un piccolo disaccordo indica che l'errore è semplice e che l'ipotesi veloce è probabilmente corretta. Misurando questo disaccordo, il decoder può identificare istantaneamente quali schemi di errore sono rischiosi e quali sono sicuri.

Utilizzando questa intuizione, il team ha costruito un decoder adattivo che smista il lavoro in modo diverso. Inve Instead di eseguire la costosa ricerca profonda su ogni errore, il sistema esegue prima il controllo veloce a due fasi. Se i due passaggi concordano o divergono solo leggermente, il sistema accetta la risposta veloce e procede. Se il disaccordo è elevato, indicando un errore ad alto rischio, il sistema eleva quel caso specifico alla ricerca profonda. I ricercatori hanno testato questo metodo su diversi codici quantistici, incluso un codice complesso con 144 qubit di dati. Hanno scoperto che applicando la ricerca profonda solo al 20% dei casi più difficili, il sistema recuperava quasi tutta l'accuratezza fornita da una ricerca completa ed esaustiva.

I risultati hanno mostrato una riduzione drammatica dei costi. Sul codice a 144 qubit, questo approccio selettivo ha ridotto il tempo medio richiesto per decodificare ogni errore di un fattore di 3,6 rispetto all'applicazione della ricerca profonda a ogni singolo caso. Il sistema è diventato molto più veloce senza sacrificare la capacità di correggere gli errori. I ricercatori hanno anche testato questo metodo su un tipo diverso di codice con una struttura distinta, e lo stesso schema si è confermato: il segnale di disaccordo ha identificato con successo i casi difficili, e concentrare l'impegno extra su di essi ha permesso di catturare quasi tutti i guadagni di accuratezza disponibili. Ciò suggerisce che il beneficio della ricerca profonda non è distribuito uniformemente su tutti gli errori, ma è concentrato in un piccolo sottoinsieme di istanze difficili che il decoder può individuare immediatamente.

Per garantire che non si trattasse solo del risultato di simulazioni al computer, il team ha eseguito un esperimento reale su un processore quantistico a ioni intrappolati prodotto da Quantinuum. Hanno utilizzato una versione ridotta del codice sull'hardware reale, che è soggetto a rumore del mondo reale, spesso più disordinato e meno prevedibile rispetto ai modelli usati nelle simulazioni. Anche su questo dispositivo fisico, il segnale di disaccordo è rimasto un predittore affidabile. Il sistema era ancora in grado di distinguere tra errori facili e difficili, dimostrando che il metodo funziona al di fuori di un modello teorico. Tuttavia, l'esperimento ha anche evidenziato un limite cruciale: sapere quali errori sono rischiosi è solo metà della battaglia. Nel test sull'hardware, la ricerca profonda aveva pochissimo da correggere perché il codice stesso era troppo piccolo per correggere efficacemente gli errori. Ciò ha confermato che il metodo funziona meglio quando esiste sia un segnale chiaro per identificare il problema, sia una potenza sufficiente nella ricerca profonda per risolverlo effettivamente.

Lo studio conclude che il computer classico non ha bisogno di indovinare alla cieca quanto lavoro debba svolgere. Il decoder contiene già le informazioni necessarie per prendere questa decisione. Osservando il momento in cui le proprie stime interne divergono, il sistema può concentrare la sua potenza di calcolo esattamente dove è più necessaria. Questo approccio consente al computer classico di tenere il passo con la macchina quantistica, gestendo efficientemente il flusso di dati sugli errori. Trasforma il processo di decodifica da uno sforzo di forza bruta in un impegno mirato, assicurando che le risorse costose siano spese solo per gli errori che le richiedono davvero. Questo equilibrio tra velocità e accuratezza è un passo critico verso la realizzazione pratica di un calcolo quantistico su larga scala e tollerante ai guasti.