Cyclic Hypergraph Product Code

Probleemstelling

Het realiseren van grote schaal kwantumcomputers vereist kwantumfoutcorrectie (QEC) om fouten te beheersen. Hoewel oppervlakcodes (surface codes) de standaard zijn, hebben ze een hoge overhead aan qubits. Kwantum Low-Density Parity-Check (LDPC) codes, en specifiek Hypergraph Product (HGP) codes, beloven een constante coderingssnelheid en een groeiende minimale afstand, wat leidt tot een lagere overhead.

Echter, het optimaliseren van HGP-codes is een uitdaging vanwege de enorme zoekruimte. Bestaande methoden omvatten:

1. Classische optimalisatie: Het importeren van technieken zoals "progressive edge growth", maar dit werkt niet perfect omdat kwantum-decoders anders werken dan klassieke decoders.
2. Random search en ML: Het genereren van vele willekeurige codes of het gebruik van machine learning (ML) voor lokale transformaties (zoals simulated annealing of reinforcement learning).
   • Beperking: ML-methoden verbeteren codes vaak lokaal, maar missen globale symmetrieën die cruciaal kunnen zijn voor prestaties. Bovendien zijn circuit-level simulaties (nodig voor accurate prestatiebeoordeling) zo resource-intensief dat het onmogelijk is om een groot aantal codes te testen.

Methodologie

De auteurs omzeilen de beperkingen van ML en willekeurige zoekopdrachten door globale symmetrieën op te leggen aan de codes, waardoor de zoekruimte drastisch wordt verkleind en een uitputtende zoekopdracht mogelijk wordt.

1. Constructie (CxC Codes):

   • Ze focussen op HGP-codes die zijn opgebouwd uit twee cyclische codes. Ze noemen deze "CxC codes".
   • De pariteitscheck-matrices worden gedefinieerd via polynomen $A(x)$ en $B(y)$ met coëfficiënten in $\mathbb{F}_2$, waarbij $x$ en $y$ circulaire matrices (circulant matrices) zijn.
   • De auteurs onderzoeken twee specifieke sub-families:
     • $C^2$ codes: Het product van een cyclische code met zichzelf ($A(x) = B(y)$).
     • $CxR$ codes: Het product van een cyclische code met een herhalingscode (repetition code, $B(y) = 1+y$).

2. Zoekstrategie:

   • Ze voeren een brute-force zoekopdracht uit over alle klassieke cyclische codes met een blok-lengte $n_c \leq 40$ en een gewicht van de generator-polynoom $w$ tussen 2 en 5.
   • Hierdoor worden HGP-codes gegenereerd met stabilisator-gewichten tot 10 en blok-lengtes tot 3200.
   • De zoekruimte is klein genoeg om exhaustief te doorzoeken, maar groot genoeg om hoogwaardige codes te vinden die ML-methoden missen.

3. Hardware Layout:

   • Vanwege de cyclische structuur ontwerpen de auteurs een efficiënte lay-out voor de QCCD-architectuur (Quantum Charge-Coupled Device), specifiek voor platforms met "vliegende qubits" (zoals gevangen ionen).
   • De lay-out gebruikt een $2 \times n$ array: de bovenste rij bevat data-qubits, de onderste rij bevat ancilla-qubits.
   • Door cyclische verschuivingen (cyclic shifts) van de ancilla-rij kunnen ancilla-qubits worden uitgelijnd met de data-qubits die ze moeten meten, zonder complexe langeafstandsverbindingen.

Kernbijdragen

1. Ontdekking van Superieure Codes: De auteurs hebben $C^2$ en $CxR$ codes gevonden die significant beter presteren dan eerder geoptimaliseerde HGP-codes (inclusief die geoptimaliseerd met ML).
2. Uitputtende Zoekopdracht: In plaats van ML voor lokale verbeteringen, tonen ze aan dat het opleggen van globale cyclische symmetrieën leidt tot codes met betere parameters en lagere fouten.
3. Efficiënte Circuit-Implementatie: Ze presenteren een algoritme (Algorithm 1) voor syndroom-extractie met constante diepte (constant depth) voor de $CxC$ codes, mogelijk gemaakt door de cyclische verschuivingen in de hardware lay-out.
4. Vergelijking met State-of-the-Art: Ze vergelijken hun codes met de recente "bivariate bicycle" (BB) codes en ML-geoptimaliseerde HGP-codes.

Resultaten

De simulaties op circuit-niveau (met een fysieke foutkans $p = 10^{-3}$) tonen de volgende resultaten:

• Logische Foutkans: De gevonden $C^2$ codes bereiken een logische foutkans per logische qubit die tot drie orde van grootte lager is dan ML-geoptimaliseerde HGP-codes.
  • Voorbeeld: Een $[[882, 50, 10]]$ $C^2$ code bereikt een foutkans $< 2 \times 10^{-8}$, terwijl de ML-code $[[625, 25, 8]]$ slechts $\approx 2 \times 10^{-5}$ bereikt.
• Vergelijking met BB-codes: Sommige $C^2$ codes bereiken tegelijkertijd een lagere logische foutkans en een kleinere qubit-overhead dan de state-of-the-art bivariate bicycle (BB) codes, zij het tegen de prijs van een grotere blok-lengte.
• CxR Codes: Hoewel deze codes een lagere coderingssnelheid hebben, presteren ze nog steeds aanzienlijk beter in logische foutkans dan ML-geoptimaliseerde HGP-codes. Hun eenvoudige structuur maakt ze zeer geschikt voor de voorgestelde hardware lay-out.
• Circuit Diepte: De voorgestelde lay-out zorgt voor syndroom-extractie in constante diepte, wat essentieel is voor de implementatie op platforms zoals gevangen ionen.

Betekenis en Conclusie

Dit werk toont aan dat het imposeer van globale symmetrieën (cyclische structuren) een krachtigere strategie is voor het ontwerpen van kwantum LDPC-codes dan puur machine learning of willekeurige zoekopdrachten.

• Prestaties: De ontdekte codes bieden een nieuw state-of-the-art niveau voor HGP-codes, met prestaties die concurreren met of zelfs de beste BB-codes overtreffen.
• Implementatie: De combinatie van de code-structuur en de specifieke $2 \times n$ lay-out met cyclische verschuivingen maakt deze codes zeer relevant voor praktische implementaties op kwantumhardware, met name voor gevangen ionen (trapped ions) en andere platforms met vliegende qubits.
• Toekomst: Hoewel de focus ligt op het ontwerp van de code en het geheugen, suggereert de robuustheid van HGP-codes (zoals weerstand tegen "hook errors") dat ze een sterke kandidaat blijven voor langetermijn fouttolerantie.

Kortom, dit paper levert een doorbraak in het ontwerp van kwantumfoutcorrectiecodes door een elegante combinatie van algebraïsche symmetrie en hardware-georiënteerde lay-out, wat leidt tot aanzienlijk betere prestaties dan eerdere methoden.