技術要約：非一様なバイアスノイズに対する、各量子ビットごとのクリフォード変形（Clifford Deformation）の計算効率の高い最適化

問題定義

超伝導ハードウェア上でのフォールトトレラント量子計算（FTQC）において、物理ノイズは単にバイアスがかかっている（例：$Z$エラーが$X$エラーよりも支配的である）だけでなく、チップ上の量子ビットごとに大きく異なる空間的な非一様性を持っています。最近のキャリブレーションデータ（Google Willowなど）は、43%の量子ビットが、位置に依存する強固な$X/Z$バイアスを示していることを示しています。この非一様性は、論理$X$軸と論理$Z$軸の間の論理エラー率（LER）に劇的な差を生じさせ、最悪の軸のLERがシステム全体の信頼性を決定します。

クリフォード変形（局所的なクリフォード演算子を介して個々の量子ビットの物理ノイズ軸を入れ替える手法）は、ハードウェアのオーバーヘッドを追加することなく論理失敗率を均衡させることができますが、既存の最適化手法には実用上の問題があります：

1. グローバル探索の限界: 固定されたグローバルな変形（例：調整されたXYコード）は、デバイスのバイアスが非一様な場合には機能せず、場合によっては変形前のコードよりも性能が悪化します。
2. ローカル・ヒューリスティックの限界: 単純なローカルルール（例：各量子ビットの支配的な軸を合わせる）は、競合するエラーパターンが同じシンドロームを共有する場合のデコーディングの曖昧さを無視するため、多くの場合で性能が劣ります。
3. 計算の困難性: 最先端のアプローチであるクリフォード変形表面符号（CDSC）は、「デコーダー・イン・ザ・ループ」戦略に依存しています。これは、ランダムな変形をサンプリングし、モンテカルロ・シミュレーション（$10^6$から$10^8$回のショットを必要とする）を通じてデコードし、最適なものを選択するというものです。このプロセスは計算コストが極めて高く（1回のキャリブレーションマップにつき数日を要する）、最適なフレームが見つかる前に、ハードウェアの改善やエラー率の低下によってデータが古くなってしまいます。

手法：CHAMELEON

著者らは、デコーディングによる検証を必要とせずに、論理失敗に関する解析的な境界値から導出されたサロゲート目的関数を用いて、各量子ビットのクリフォード変形を最適化する、コードに依存しないコンパイラであるCHAMELEONを提案しています。

コア構成要素

1. 曖昧性演算子の列挙（オフライン）:

   • この手法は、「曖昧性演算子（ambiguity operators）」を特定します。これらは、一つのエラーパターンを別のエラーパターンへと写すが、シンドロームは同一であり、かつ異なる論理結果をもたらす非自明な論理パウリ演算子です。
   • 指数関数的に存在するすべてのパターンを列挙する代わりに、CHAMELEONは、低エラー率において論理エラー率（LER）を支配する低ウェイトの曖昧性演算子（コード固有のウェイトのカットオフ $W$ まで）のみを保持します。
   • この集合は、コードファミリーごとに一度だけ事前計算され、すべてのキャリブレーションマップに対して再利用されます。大規模なコード（例：BB72）の場合、高ウェイトの演算子を削減するためにランダム化ガウス消去法が使用されます。

2. 解析的サロゲート目的関数:

   • 正確なLERをシミュレートする代わりに、CHAMELEONは論理失敗確率の上限を最小化します。
   • Bhattacharyya境界を用いることで、希少事象内の発生確率は、各量子ビットの係数の積によって境界付けられます：$\Gamma_\ell(F) = \prod_{q \in \ell} 2\sqrt{r_q^c(F)(1-r_q^c(F))}$。ここで、$r_q^c(F)$ はフレーム $F$ の下で論理クラス $c$ に提示されるエラー率です。
   • サロゲートスコア $U_c(F)$ は、これらの境界値を保持されたすべての曖昧性演算子にわたって集計します。これにより、評価の複雑さが、演算子あたりの指数関数的（$O(2^w)$）から線形的（$O(w)$）へと減少します。

3. 2段階探索アルゴリズム:

   • ステップ1（二分探索）: クロスエントロピー法（CEM）を用いて、バイナリフレーム空間 $\{I, H\}^n$（$X$軸と$Z$軸の入れ替え）を探索します。これにより、論理$X$失敗率と論理$Z$失敗率のバランスを最適化します。
   • ステップ2（フルフレーム精緻化）: 探索をフルフレーム空間 $\{S_3\}^n$（パウリ軸の全6通りの置換）へと拡張し、$Y$優位の量子ビットを最適化します。このステージは、バイナリの解をウォームスタートとして利用し、展開マージン $\tau$ を用いて、フルフレームの候補がバイナリの候補よりも有意な改善を提供することを保証します。

主な貢献

• デコーダーフリーの最適化: CHAMELEONは、計算負荷の高いモンテカルロ・デコーディングを、決定論的かつ解析的なサロゲート目的関数に置き換えることで、フレーム選択時間を数日から数分へと短縮しました。
• 非一様なバイアスの処理: グローバルな変形戦略とは異なり、CHAMELEONは各量子ビットのフレームに関する協調的な探索を実行し、実際のハードウェアで見られる空間的に変化するノイズマップに対処します。
• コードへの非依存性: 本フレームワークは、曖昧性集合の構築を適応させることで、表面符号、カラーコード、および二変量バイサイクル（BB）コードを含む、様々なCSSスタビライザーコードファミリーをサポートします。
• サロゲートの忠実度: 著者らは、サロゲート目的関数の最小化が、特に強いバイアスがある領域において、実際のLERの低減と強く相関していることを示しています。

結果

実機（IBM Berlin, Miami, Google Willow）から得られたキャリブレーションモデルおよび合成ノイズマップを用いて評価を行いました。

• 計算効率: CHAMELEONは、BB72コードの最適化された変形を見つける時間を、1.2日（CDSCによる75,000個の候補）から3.1分へと短縮しました。表面符号の場合、数秒で完了します。
• サロゲートの相関: サロゲートスコアと実際のLERの間のスピアマンの順位相関係数（$\rho$）は高く、強バイアスを持つシステム（Willow）において0.8から0.98の範囲に達しました。これは、バイアスが弱いデバイスにおける相関よりも高い値です。
• 論理エラー率の低減: 最良の既存のベースライン（CDSCまたはローカルルール）と比較して、CHAMELEONは以下を実現しました：
  • 表面符号: 最大**19%**の低減（平均13%）。
  • カラーコード: 最大**16%**の低減（平均7%）。
  • 二変量バイサイクルコード: 競合するベースラインに対し、最大**10%**の低減（平均4%）。（注：合成マップでは、変形前のCSSフレームに対して最大87%の改善に達しています。）
    これらの利得は、最も強くバイアスのかかったデバイス（Willow）および高いコード距離において最も顕著になります。
• 単一軸の最適化: マジック状態準備のような、一つの論理軸のみが重要となるワークロードに対して、CHAMELEONは二軸最適化と比較して、さらなる50–191%の改善（相対的なLER低減率で33–66%に相当）を提供できます。
• 堅牢性: 本手法は、様々なバイアスの強さと物理エラー率において利得を維持します。回路レベルのノイズ（StimのSi1000モデルを使用）の下でも、依然として平均**5.2%**のLER低減を達成していますが、現象論的ノイズと比較すると、モデル全体のバイアスが弱いため、利得は小さくなります。

意義と主張

著者らは、CHAMELEONが、近未来のFTQCシステムにおいて、各量子ビットごとのクリフォード変形を実用的なものにすると主張しています。デコーダー・イン・ザ・ループのシミュレーションから最適化を切り離すことで、本手法は変化するキャリブレーションデータに迅速に適応することを可能にし、論理量子ビットが常にハードウェア固有の非一様なノイズプロファイルに対して保護されるようにします。論文は、これらの改善が追加の物理量子ビット、シンドローム抽出ラウンド、またはコード距離を必要とせずに達成されることを強調しており、既存のフォールトトレラント・スタックのための「無料の」最適化レイヤーであることを示しています。また、バイアスノイズ環境におけるデコーディングの曖昧性の複雑な相互作用を捉える上で、グローバルな手法や単純なローカル・ヒューリスティックでは不十分であり、空間的な非一様性に対処することが極めて重要であることも明らかにしています。