Learning-Based List Sequential Belief Propagation Decoding of Quantum LDPC Codes

技術要約：量子LDPC符号の学習ベース・リスト逐次信念伝播復号

問題提起
量子低密度パリティ検査（QLDPC）符号は、その疎なスタビライザー構造と高い符号化率により、フォールトトレラント量子計算の有望な候補となっています。しかし、これらの符号を効率的に復号することは依然として大きな課題です。標準的な信念伝播（BP）復号器は、QLDPC符号に適用した場合、収束に失敗したり、論理的に誤った解に収束したりすることがよくあります。この失敗は、主に以下の2つの要因に起因します。

1. 構造的問題： スタビライザー符号の可換制約は、タナーグラフ内に多くの短いサイクルを誘発し、標準的なBPが要求する独立性の仮定を損なわせます。
2. 量子退化（Quantum Degeneracy）： 異なるパウリ誤差パターンが同一のシンドロームを生じさせ、等価なリカバリ操作を表すことがあります。その結果、復号器は正確な物理的誤差を特定する必要はなく、正しい論理コセット内の誤差を特定すればよいことになります。この退化は、対称的な擬似コードワードやトラッピングセットを引き起こし、BPの振動や停滞を招きます。

強化学習ベースの逐次スケジューリング（RL-S）は、最適な変数ノード更新順序を学習することで収束を改善する有望な手法であることを示していますが、これは単一の軌跡（single-trajectory）によるアプローチに留まっています。逐次復号器には「惜しいミス」の決定を再考するメカニズムが欠けています。もし、局所的に最も可能性の高いパウリ記号が早期に選択され、それが退化のためにグローバルに最適ではないことが判明した場合、復号器は回復することができません。

手法
著者らは、単一軌跡のRL-Sの限界に対処するため、学習ベース・リスト逐次（RL-LS）BP復号器を提案しています。この手法は、既存のRL-Sフレームワークを拡張し、単一のパスではなく、候補となる復号軌跡のリストを保持するように設計されています。

コアとなるメカニズムは以下の通りです。

1. 逐次的選択： 各復号ステップにおいて、学習されたポリシー（オフラインで訓練された凍結されたQテーブル）が、RL-Sのアプローチと同様に、局所的なシンドローム駆動型の状態表現に基づいて次に更新する変数ノードを選択します。
2. リスト拡張： 単一の更新を確定させる代わりに、選択されたノードに対して2つの候補となる継続パスを生成します。
   • 通常のチャイルド（Ordinary Child）： 標準的なRL-Sの更新に従い、局所的な事後分布に基づき最も可能性の高いパウリ記号を選択します。
   • 代替チャイルド（Alternative Child）： 更新後の対数尤度比（LLR）ペアを、2番目に可能性の高いパウリ記号へとソフトにバイアスさせます。復号器は、隣接する局所BPメッセージを再計算し、変数ノードをこの2番目に優れた記号に設定します。
3. パスメトリックと枝刈り： 各軌跡には累積パスメトリック $M$ が割り当てられます。このメトリックは、局所的に支配的な決定からの逸脱に対してペナルティを課します。具体的には、2番目に優れた分岐を選択することに対するペナルティは、最も優れた記号と2番目に優れた記号の間の局所的な対数尤度ギャップ（$\Delta$）です。
   • 復号器は、パスメトリック $M$ と残留不一致重み $w$ の辞書式順序に基づいて、上位 $L$ 個の候補を保持します。
   • この枝刈り戦略により、復号器は局所的な曖昧さ（退化）を探索しつつ、局所的に支配的な証拠に可能な限り近いパスを優先することを保証します。
4. 終了： 経路がゼロの残留不一致（シンドロームの一致）を達成するか、最大反復回数に達するまでプロセスが継続されます。どのパスも収束しない場合、復号器は最も優れた $(M, w)$ ペアを持つ生存パスを返します。

主な貢献

• 新規な復号器アーキテクチャ： 本論文は、学習ベースの逐次スケジューリング・フレームワークの中にリストベースの探索を統合したRL-LS復号器を導入しています。重い後処理を付加したり、固定されたプレフィックスの後に並列的なビット反転を実行したりする従来のリストベースのアプローチとは異なり、RL-LSは逐次的更新プロセスの中で直接リスト拡張を行います。
• ソフト摂動戦略： 著者らは、ハードな反転を行うのではなく、LLRを2番目に優れたパウリ記想へとソフトにバイアスさせることで、代替軌跡を生成する特定の手法を提案しています。これにより、主要な学習済み軌跡を破棄することなく、競合する仮説を探索することが可能になります。
• 累積パスメトリック： 局所的な決定の尤度とシンドロームの一致というグローバルな要件とのバランスを取るために、候補パスをランク付けする新しいメトリックを定義しました。
• 厳密な拡張： 提案された復号器は、基礎となるRL-S復号器の厳密な拡張です。通常のRL-Sの軌跡は常にリスト内の1つの候補として保持されるため、ベースとなる復号器の性能が低下することはありません。

数値結果
著者らは、デポラリジング・チャネルにおけるBivariate Bicycle (BB) 符号およびA5符号を含む、代表的なQLDPCベンチマーク符号を用いてRL-LS復号器を評価しました。

• 性能向上： 数値結果は、RL-LSがブロック誤り率（BLER）において、基礎となるRL-Sおよび従来のBPベースの手法（QBP、QBPGD、BP-OSD-0など）を大幅に上回ることを示しています。
• 効率性： 提案手法は、より少ない反復回数で優れた誤り訂正性能を達成します。例えば、[[288, 12, 18]] BB符号において、リストサイズ $L=8$ および $T=100$ 反復のRL-LSは、$T=1000$ 反復のRL-Sに匹敵する性能を達成し、大幅なレイテンシの優位性を提供しました。
• 収束速度： 様々なデポラリジング確率において、学習ベースの復号器、特にRL-LSは、従来のBPベースの復号器と比較して、平均反復回数が著しく少ないことが示されました。

意義と主張
本論文は、RL-LS復号器が、量子退化および短いサイクルによって引き起こされる逐次復号における早期のミスのリスクを効果的に軽減することを主張しています。学習ベースの逐次スケジューリングによる収束性の向上と、軽量なリスト探索を組み合わせることで、この手法は単一軌跡のアプローチよりも局所的な曖昧さをより堅牢にナビゲートできます。

著者らは、本研究をBPベースのQLDPC復号の信頼性を向上させるための有望な方向性として位置付けています。彼らは、このアプローチがBPメッセージパッシングの枠組み内に完全に留まっており、重い後処理ステージの複雑さを回避しながら、復号レイテンシと誤り訂正性能の間の良好なトレードオフを提供することを強調しています。結果は、学習ベースの逐次スケジューリングにリストベースの探索を統合することが、フォールトトレラント量子アーキテクチャを強化するための有効な戦略であることを示唆しています。