Threshold Behavior of ZX and ZY Surface Codes Under Circuit-Level Biased and Crosstalk Noise

기술 요약: 회로 수준의 편향된 노이즈 및 크로스토크 하에서의 ZX 및 ZY 표면 코드 임계 동작

문제 정의
양자 오류 정정(QEC)은 결함 허용 양자 컴퓨팅을 위해 필수적이며, 특히 물리적 하드웨어(예: 비트 플립 오류가 지배적인 초전도 큐비트 및 트랩 이온)에서 나타나는 편향된 노이즈를 고려할 때 더욱 그러하다. 최적 텐서 네트워크 디코더를 사용한 이전 연구(Tuckett 등, 2018)는 맞춤형 표면 코드 안정기(구체적으로 Z-유형 대신 Y-유형 안정기로 교체)가 코드 용량(code-capacity) 노이즈 환경에서 임계값을 크게 향상시킨다는 것을 입증했으나, 실시간 디코더를 사용하는 회로 수준(circuit-level) 노이즈에서도 이러한 이점이 지속되는지는 여전히 미해결 과제로 남아 있다. 회로 수준 노이즈는 모든 게이트, 측정 및 리셋 과정에서 결함을 발생시키며, 디코더가 3차원(시공간) 신드롬 데이터를 처리할 수 있어야 한다. 또한, 실제 하드웨어는 성능을 저하시킬 수 있는 상관된 오류, 즉 게이트 기반 크로스토크(crosstalk)를 나타내기도 한다. 본 연구는 맞춤형 안정기의 구조적 이점이 실용적인 매칭 디코더를 사용하는 회로 수준 임계값으로 전이되는지, 그리고 크로스토크 노이즈가 표준 코드와 다르게 맞춤형 코드에 영향을 미치는지 조사한다.

방법론
저자들은 표준 X-유형 안정기를 Y-유형 안정기로 대체하고 Z-유형 안정기는 유지하는 ZY 표면 코드를 구축하였다. 이 구조를 표준 ZX 표면 코드와 비교하였다. 연구에는 다음 파라미터와 도구가 사용되었다:

• 노이즈 모델: 두 가지 회로 수준 노이즈 모델이 구현되었다: (1) 비트 플립 오류가 지배적인 Pauli-X 편향 노이즈로, 편향 파라미터 $\eta$가 불균형 상태($\eta=0.5$)부터 순수 X-편향($\eta=\infty$)까지 변화한다; (2) 잔류 상호작용을 시뮬레이션하기 위해 게이트 기반 XX 크로스토크 노이즈($p_\times = 5 \times 10^{-4}$)를 추가한 결합 모델.
• 코드 변형: 회전된(rotated) 및 회전되지 않은(unrotated) 표면 코드 기하 구조를 코드 거리 $d \in \{5, \dots, 17\}$에 대해 시뮬레이션하였다.
• CNOT 스케줄링: ZX 코드에 대해 두 가지 CNOT 순서 스케줄인 "X-정렬"(10231203) 및 "Z-정렬"(01320312)을 테스트하였다. ZY 코드의 경우 "X-정렬" 스케줄만 사용하였다.
• 디코딩: 모든 시뮬레이션에 상관된 매칭 지원 기능이 있는 PyMatching v2.3.1(최소 가중치 완벽 매칭, MWPM) 디코더를 사용하였다.
• 시뮬레이션 파이프라인: Stim과 Sinter를 사용하여 몬테카를로 시뮬레이션을 수행하였으며, X, Y, Z 메모리 실험에 대한 논리적 오류율을 추적하였다. 임계값은 임계 지수 스케일링 피팅(critical exponent scaling fits)을 통해 추출되었다.

주요 기여

1. 회로 수준 노이즈로의 확장: 본 연구는 맞춤형 안정기의 이점을 코드 용량 영역에서 더 현실적인 회로 수준 영역(전체 게이트, 측정 및 리셋 결함 포함)으로 확장하였다.
2. ZY 표면 코드 구축: 저자들은 X-편향 노이즈 하에서의 ZY 표면 코드를 공식적으로 정의하고 시뮬레이션하여, 동일한 회로 수준 조건 하에서의 표준 ZX 코드와 직접 비교하였다.
3. 크로스토크 분석: 게이트 기반 XX 크로스토크가 표준 및 맞춤형 표면 코드에 미치는 영향을 정량화하고, 서로 다른 논리 메모리(X/Y vs. Z)에 미치는 효과를 구분하였다.
4. 디코더의 한계: 본 논문은 맞춤형 안정기 구조가 제공하는 추가적인 신드롬 정보를 활용하는 데 있어 매칭 기반 디코더(특히 PyMatching)의 한계를 강조한다.

결과

• ZX 표면 코드 동작:
  • X-편향 노이즈 하에서, X-메모리 임계값($p^X_{th}$)은 편향 $\eta$에 따라 단조 증가하며, 결국 순수 X-편향의 시뮬레이션 범위를 초과한다. 반대로, Z-메모리 임계값($p^Z_{th}$)은 감소하여 낮은 값에서 포화된다.
  • XX 크로스토크를 추가하면 Z-메모리 임계값이 크게 감소하지만(피팅 불확실성을 넘어), X-메모리 임계값에는 거의 영향을 주지 않는다.
  • CNOT 순서: CNOT 스케줄의 선택은 성능을 재분배한다. Z-정렬 스케줄은 높은 편향에서 X-메모리 임계값을 약간 감소시키는 대가로 Z-메모리 임계값(특히 회전되지 않은 코드에서)을 개선한다.
• ZY 표면 코드 동작:
  • Y-메모리 안정성: ZX 코드의 X-메모리와 달리, ZY 코드의 Y-메모리 임계값($p^Y_{th}$)은 모든 편향 값에 대해 거의 일정하게 유지되며, 편향 증가에 따른 유의미한 개선을 보이지 않는다.
  • Z-메모리 동등성: ZY와 ZX 코드의 Z-메모리 임계값은 모든 편향 값에 대해 통계적으로 구별 불가능하다.
  • 크로스토크 영향: 크로스토크를 추가하면 ZY 코드의 Y 및 Z 메모리 임계값이 모두 감소한다. Y-메모리의 감소는 모든 편향 값에서 유의미하다.
• 디코더 성능: ZY 코드는 지배적인 X 오류에 대해 ZX 코드보다 두 배 많은 신드롬 정보를 제공한다. 그러나 PyMatching 디코더는 이 추가된 정보를 활용하여 Z-메모리 임계값을 개선하지 못하며, 결과적으로 표준 ZX 코드와 동일한 성능을 보인다.

의의 및 주장
본 논문은 맞춤형 안정기 구조(ZY 코드와 같은)가 지배적인 오류에 대해 신드롬 정보를 두 배로 제공함으로써 이론적 이점을 제공하지만, 실제 매칭 디코더(MWPM)는 회로 수준 노이즈 하에서 이 구조를 완전히 활용할 수 없다고 주장한다. 저자들은 ZY 코드의 추가 신드롬 정보가 표준 매칭 알고리즘이 상관된 신드롬에 대해 공동 추론(joint reasoning) 없이 효과적으로 처리할 수 없는 하이퍼그래프 구조를 형성한다고 결론짓는다.

따라서, 본 연구는 매칭 기반 디코더의 경우, 신드롬 구조를 풍부하게 만드는 것보다 오류 기하 구조를 단순화하도록 코드를 수정하는 것이 더 효과적일 수 있음을 시사한다. 결과는 맞춤형 안정기 구조의 잠재력을 회로 수준 환경에서 완전히 실현하기 위해서는 상관된 신드롬 정보에 대해 공동으로 추론할 수 있는 디코더(예: 텐서 네트워크 디코더 또는 학습 기반 접근 방식)가 필요함을 명확히 보여준다. 또한, 본 연구는 CNOT 순서가 애플리케이션 요구 사항에 따라 특정 논리 메모리(X/Y vs. Z)를 보호하는 것을 우선시하기 위해 조정 가능한 파라미터임을 입증한다.