High-Rate Concatenated Quantum Error-Correcting Codes for Qudits

기술 요약: 큐디트(Qudit)를 위한 고율 결합 양자 오류 정정 코드

문제 정의
양자 오류 정정(QEC)은 확장 가능한 결함 허용 양자 컴퓨팅(FTQC)을 위해 필수적이다. 대부분의 QEC 연구는 큐비트(qubit)에 집중되어 있지만, 큐디트(qudit, $q > 2$인 레벨을 가진 양자 시스템)에 대한 관심도 높아지고 있다. 큐디트는 더 풍부한 증후군(syndrome) 정보, 감소된 회로 복잡도, 향상된 매직 상태 증류(magic-state distillation)와 같은 이점을 제공한다. 그러나 높은 비율의 양자 코드, 즉 물리적 캐리어당 많은 양의 논리적 정보를 인코딩하는 코드는 주로 큐비트를 중심으로 연구되어 왔다. 특히, $[[6, 4, 2]]$ 기저 코드를 기반으로 하는 고율 결합 코드 계열인 Many-Hypercube (MHC) 코드는 큐디트로 확장되지 않았다. 본 연구는 MHC 코드가 소수 차원($q$)의 큐디트로 일반화될 때 성능이 어떻게 변화하는지, 그리고 그 오류 임계값과 스케일링 동작이 국소 차원에 따라 어떻게 의존하는지에 대한 이해의 공백을 다룬다.

방법론
저자들은 MHC 코드 계열을 큐비트에서 소수 차원 $q$ (구체적으로 $q \le 13$)의 큐디트로 확장한다.

• 코드 구성: 저자들은 파라미터 $[[6^L, 4^L, 2^L]]_q$를 갖는 레벨-2 및 레벨-3 MHC 코드를 구축한다. 인코딩은 특정 안정자 생성자($SZ, SX$)와 논리적 파울리 연산자로 정의되는 $[[6, 4, 2]]_q$ 기저 코드를 사용한다. 이 구성은 가로 방향(transversal) 논리 SUM 게이트와 논리적 푸리에 게이트(물리적 게이트와 SWAP의 재귀적 적용을 통해 구축됨)를 지원한다.
• 디코딩 전략: 큐비트 사례에서 일반화된 두 가지 디코딩 전략을 사용한다:
  1. 하드 결정(Hard-Decision, HD) 디코더: 각 결합 레벨에서 안정자 일관성을 확인하고, 일관된 증후군을 가진 블록은 수용하고 그렇지 않은 경우 실패로 표시하는 재귀적 체계이다.
  2. 레벨별 최소 거리(Level-by-Level Minimum-Distance, LLMD) 디코더: 관찰된 측정 결과로부터 해밍 거리가 최소인 모든 인코딩된 문자열을 유지하며, 계층 구조를 통해 후보들을 전파하면서 동시에 안정자 제약 조건을 강제하는 더 정교한 접근 방식이다.
• 시뮬레이션: 저자들은 큐디트 $X$-오류 모델 하에서 $S_{dim}$ 시뮬레이터를 사용하여 대규모 안정자 시뮬레이션을 수행한다. 이 모델에서 각 물리적 큐디트는 $a \neq 0$인 경우 확률 $\epsilon/(q-1)$로 $X^a$ 오류를 독립적으로 겪는다. 성능은 코드 용량(논리적 오류율 대 물리적 오류율) 측면에서 평가된다.

주요 기여

1. MHC 코드의 일반화: 본 논문은 명시적인 안정자, 논리 연산자, 인코딩 회로, 그리고 결함 허용 논리 게이트 스킴(클리포드 및 텔레포테이션을 통한 비-클리포드)을 포함하여 큐디트용 MHC 코드의 첫 번째 구성을 제공한다.
2. 디코더 일반화: HD 및 LLMD 디코더가 큐디트 영역으로 성공적으로 적응되었으며, 후보 생성 및 거리 계산에 대한 상세한 절차가 제시되었다.
3. 임계값 분석: 저자들은 $q$가 최대 13인 국소 차원에 대한 코드 용량 성능을 평가하고, LLMD와 HD 디코더를 비교한다.
4. 엔트로피 기반 해석: 저자들은 관찰된 $q$에 따른 의존성을 설명하기 위해 기저가 되는 $q$-진법 노이즈 채널의 엔트로피 관점에서 디코딩 성능을 분석한다.

결과

• 임계값 개선: LLMD 디코더의 경우, 오류 임계값이 국소 차원 $q$에 따라 단조 증가한다. 임계값은 큐비트($q=2$)의 $5.1\%$에서 $q=13$일 때 $10.0\%$까지 상승하여, 큐비트 성능의 거의 두 배에 달한다. 반면, HD 디코더는 $q$에 따른 명확한 단조 개선을 보이지 않으며 낮은 임계값($\approx 1.4\%$)을 유지한다.
• 워터폴 영역(Waterfall Regime): 충분히 큰 $q$ (구체적으로 $q \ge 5$)와 LLMD 디코더의 경우, 고오류 영역에서 "워터폴 영역"이 관찰된다. 이 영역에서 논리적 오류율은 기존의 거리 기반 추정치보다 훨씬 빠르게 감소한다(스케일링 지수가 이론적 하한인 $\lfloor(d+1)/2\rfloor$를 초과함). 이는 디코더가 고중량(high-weight) 논리적 실패를 효과적으로 억제함을 나타낸다.
• 엔트로피와 오류 중량의 경쟁: 고정된 채널 엔트로피에서 $q$가 증가함에 따라 발생하는 두 가지 효과 사이의 경쟁을 분석한다:
  1. 이점: 더 큰 $q$는 증후군 알파벳을 풍부하게 하여 논리적 클래스 간의 구별 가능성을 높인다.
  2. 비용: 고정된 엔트로피에서 더 큰 $q$는 더 높은 물리적 오류율 $\epsilon$에 해당하며, 따라서 더 큰 전형적(typical) 물리적 오류 중량을 의미한다.
     저자들은 오류 하한(error-floor) 영역(낮은 오류율)에서 더 풍부한 증후군 정보의 이점이 우세하여 더 나은 성능을 이끌어낸다는 것을 발견했다. 워터폴 영역에서는 엔트로피 스케일링 대비 전형적 오류 중량의 증가가 초기에는 성능을 저하시키지만, 디코더의 고중량 오류 처리 능력이 결국 논리적 오류의 급격한 억제로 이어진다.

의의
본 논문은 고급 디코딩 기술(LLMD 등)을 사용할 때 고차원 양자 시스템이 고율 결합 양자 코드의 성능을 실질적으로 향상시킬 수 있음을 입증한다. $q=13$에서 임계값이 거의 두 배로 증가한다는 관찰 결과는 큐디트 기반 아키텍처가 저오버헤드 FTQC를 향한 유망한 경로임을 시사한다. 또한, 최근 큐비트 qLDPC 코드에서 발견된 것과 유사하게 결합 코드에서 워터폴 영역을 확인한 것은, 고율 결합 코드가 단순한 코드 거리에 의해 예측되는 것보다 더 효과적인 스케일링 지수를 달할 수 있음을 강조한다. 저자들은 더 높은 차원에서 사용 가능한 풍부한 증후군 정보가 단순한 엔트로피 기반 고려 사항을 넘어 논리적 오류 억제에 기여한다고 결론지으며, 이는 큐디트 기반 FTQC 아키텍처 및 노이즈 적응형 디코딩 전략의 발전을 촉진한다.