Evolutionary Discovery of Bivariate Bicycle Codes with LLM-Guided Search

Dit artikel presenteert een door een LLM gestuurde evolutionaire workflow die succesvol nieuwe hoogpresterende bivariate-bicycle quantum LDPC-codes ontdekt door Python-programma's te muteren en kandidaten rigoureus te valideren via een meerfasige pipeline, wat resulteert in 465 verschillende codes, inclusief indecomposable en varianten met een hoge afstand.

De kern

Stel je voor dat je de perfecte beveiliging probeert te bouwen voor een digitale kluis. In de wereld van quantumcomputing wordt deze "beveiliging" een quantum error-correcting code genoemd. Het doel ervan is om fragiele quantum-informatie te beschermen tegen ruis en fouten. Hoe beter het slot, hoe meer gegevens je kunt opslaan (hoge "rate") en hoe meer schade het kan weerstaan voordat het breekt (hoge "distance").

Al een lange tijd proberen wetenschappers de beste ontwerpen voor deze sloten te vinden, specifiek een type genaamd Bivariate Bicycle (BB) codes. Denk aan deze als ingewikkelde, wiskundige blauwdrukken. Het probleem is dat het aantal mogelijke blauwdrukken zo enorm is dat het voelt als het zoeken naar een specifiek zandkorreltje op elk strand op aarde, en het controleren of een blauwdruk werkt is extreem traag en moeilijk.

Dit artikel beschrijft een nieuwe manier om deze blauwdrukken te vinden met behulp van Artificiële Intelligentie (specifiek Large Language Models, of LLM's) die fungeren als een evolutionaire gids.

Hier is het verhaal van hun ontdekking, onderverdeeld in eenvoudige concepten:

1. De "Evolutionaire" Zoekmachine

In plaats van dat een mens probeert de perfecte blauwdruk te raden, bouwden de onderzoekers een systeem dat natuurlijke evolutie nabootst.

• Het "Organisme": In plaats van één enkele code te evolueren, evolueerden ze een Python computerprogramma (een recept) dat codes genereert.
• De "Mutatie": Een AI (de LLM) bekijkt het huidige beste recept en stelt kleine wijzigingen voor, zoals "verander dit getal" of "voeg een nieuwe stap toe."
• De "Survival of the Fittest": Het systeem genereert duizenden nieuwe recepten. Het test ze snel om te zien of ze een geldige code produceren. De beste overleven om opnieuw gemuteerd te worden; de slechte worden weggegooid.

Over vijf "campagnes" (zoekrondes) draaide dit door AI gestuurde systeem ongeveer 1.650 generaties, waarbij ongeveer 200.000 kandidaat-codes werden gescreend. Het hele proces kostte ongeveer $400 aan computertijd en duurde ongeveer 140 uur.

2. De "Val" en de "Scheidsrechter"

In een vroeg stadium van de zoektocht liep de AI in een slimme val. Het vond recepten die codes produceerden met een enorme hoeveelheid gegevensopslag (hoge "rate"), wat er geweldig uitzag. Echter, deze codes waren in fekelijk waardeloos omdat ze nul vermogen hadden om fouten te corrigeren (distance = 2). Het was alsof je een kluisdeur vindt die met een paperclip geopend kan worden; het bevat veel spullen, maar het is niet veilig.

De onderzoekers realiseerden zich dat hun initiële "distance checker" (een standaard hulpmiddel genaamd BP-OSD) tegen hen loog. Het overschatte de kracht van deze codes, soms wel met een factor 12.

Om dit op te lossen, voegden ze een strikte Scheidsrechter (MILP) toe aan het proces.

• De Taak van de Scheidsrechter: Dit is een zware wiskundige solver die de afstand van een code met 100% zekerheid controleert.
• Het Resultaat: De Scheidsrechter ving de "vallen" direct op. Het onthulde ook dat veel codes die de AI als sterk beschouwde, in werkelijkheid zwak waren. Dit dwong de AI om te stoppen met het zoeken naar de "nep" hoogpresterende codes en echt sterke codes te vinden.

3. De Ontdekkingen

Na het verfijnen van hun proces vond het systeem 465 verschillende, hoogwaardige codes. Hier zijn de hoogtepunten:

• De "Gouden Standaard" Match: Ze vonden een nieuw type code (een "Perturbed Bivariate Bicycle") die de prestaties evenaart van de huidige best bekende code (de "Gross Code"), maar een andere, complexere structuur gebruikt. Het is alsof je een nieuw motordesign vindt dat dezelfde kilometers maakt als de beste auto op de markt, maar een ander type brandstof gebruikt.
• Meer Data, Dezelfde Bescherming: Ze vonden codes die meer data kunnen opslaan (tot 54 logische qubits) dan eerdere records, terwijl ze een redelijk niveau van bescherming behouden.
• De "Decomposable" Ontdekking: Het systeem vond een code die eruitzag als een supergeavanceerd slot. Echter, de grafische analyse van de Scheidsrechter onthulde dat het eigenlijk gewoon twee gewone sloten waren die aan elkaar geplakt waren. Het was geen nieuwe uitvinding; het was gewoon twee bestaande sloten naast elkaar. Dit toonde het vermogen van het systeem aan om "nep" complexiteit te herkennen.

4. De "Rate vs. Distance" Afruil

De onderzoekers brachten het landschap van alle codes in kaart en vonden een consistente regel, zoals een natuurwet voor deze sloten:

• De "Envelope": Je kunt over het algemeen geen slot hebben dat enorme hoeveelheden data opslaat EN tegelijkertijd extreem taai is.
• De Curve: Als je meer data wilt opslaan (hogere rate), wordt het slot makkelijker te breken (lagere distance). Als je een supersterk slot wilt, moet je minder data opslaan.
• De Uitzondering: Ze vonden enkele codes die de grenzen van deze curve opzoeken (zoals een code met 50 data-eenheden en distance 8), maar ze konden de fundamentele "envelope" van de afruil nog steeds niet doorbreken.

5. Waarom Dit Belangrijk Is

De paper concludeert dat het gebruik van een AI om computerprogramma's te evolueren een praktisch, goedkoop hulpmiddel is voor het ontdekken van nieuwe quantum-codes.

• Het vond codes die mensen en traditionele wiskundige zoektochten over het hoofd hadden gezien.
• Het bewees dat standaard testtools gevaarlijk onnauwkeurig kunnen zijn voor hoogwaardige codes, wat het gebruik van de strikte "Scheidsrechter" (MILP) noodzakelijk maakt.
• Het toonde aan dat AI kan leren om "vallen" te vermijden en complexe algebraïsche patronen te ontdekken die generaliseren over verschillende groottes van quantumcomputers.

Kortom, de onderzoekers gebruikten een AI om een "code generator" te evolueren, leerden het om nepresultaten te negeren, en ontdekten succesvol een nieuwe familie van quantum-sloten die sterker, efficiënter of simpelweg anders zijn dan alles wat we tot nu toe hadden.

Technische samenvatting

Technisch overzicht: Evolutionaire ontdekking van bivariabele Bivariate Bicycle-codes met LLM-gestuurde zoektocht

Probleemstelling

De ontdekking van Quantum Low-Density Parity-Check (qLDPC) codes, in het bijzonder Bivariate Bicycle (BB) codes, vereist het navigeren door enorme combinatorische ontwerpopruimtes om codes te vinden met gunstige trade-offs tussen rate, afstand en drempelwaarde. Hoewel BB-codes gewichts-6 stabilisatoren en constante-diepte syndroomextractie bieden die geschikt zijn voor nabije hardware, blijft het landschap van hoogwaardige codes bij praktische bloklengtes ($n \lesssim 1000$) grotendeels onverkend. Bestaande systematische enumeraties zijn vaak beperkt tot specifieke polynomiale vormen of kleine bloklengtes, en de zoekruimte mist een gradiëntstructuur die geschikt is voor continue optimalisatie. Bovendien is het betrouwbaar certificeren van de parameters (specifiek de minimale afstand $d$) van kandidaat-codes computationeel moeilijk; standaard heuristische methoden zoals Belief Propagation met Ordered Statistics Decoding (BP-OSD) blijken de afstand systematisch te overschatten, vooral voor hoog-rate codes, wat leidt tot onbetrouwbare fitnesssignalen in evolutionaire zoektochten.

Methodologie

De auteurs introduceren een LLM-gestuurde evolutionaire workflow die is ontworpen voor het ontdekken en valideren van kwantumcodes. In plaats van individuele codeparameters te evolueren, evolueert het systeem generator ansätze—Python-programma's die kandidaat-polynoomparen (of 4-tuples voor niet-CSS codes) produceren voor willekeurige roosterdimensies.

Evolutionair Framework

• Algoritme: Het systeem maakt gebruik van OpenEvolve, een implementatie van het MAP-Elites algoritme, om een Large Language Model (LLM) te begeleiden bij het muteren van code-generatoren.
• Mutatiestrategie: Het LLM ontvangt de huidige hoogste-fitness ansatz, domeinkennis en evaluatiefeedback, en stelt gerichte code-diffs voor (bijv. aanpassingen in exponenten, herstructurering van de control-flow) in plaats van volledige herschrijvingen.
• Populatie: De zoektocht is verdeeld over meerdere "eilanden" met periodieke migratie om diversiteit te behouden. Het archief indexeert ansätze op basis van gedragsdimensies, zoals het aantal roosters dat geldige codes oplevert en het totale aantal hoogwaardige codes.

Gelaagde Validatiepijplijn

Om de onbetrouwbaarheid van heuristische afstandschatting te mitigeren, gebruiken de auteurs een meerfasige cascade:

1. Fase 1 (Screening): Snelle evaluatie op kleine roosters om de coderingdimensie $k$ te berekenen via $\text{GF}(2)$ rang. Ansätze die geen geldige codes produceren, worden verworpen.
2. Fase 2 (Heuristische Schatting): Overlevende ansätze worden geëvalueerd op grotere roosters met behulp van BP-OSD met meerdere decoderconfiguraties (OSD0, OSD-CS10) om de afstand $d$ te schatten.
3. Fase 3 (Exacte Verificatie): Voor topkandidaten (en in latere campagnes, in-loop), wordt Mixed-Integer Linear Programming (MILP) gebruikt om exacte afstanden of strikte bovengrenzen voor de afstand te berekenen. Deze fase is cruciaal voor het corrigeren van de systematische overschatting die door BP-OSD wordt waargenomen.
4. Post-Campaign Analyse: Omvat BLISS-gebaseerde Tanner-graaf deduplicatie om permutatie-equivalente codes te identificeren, decomposibiliteitsanalyse (om direct sums te detecteren) en Local-Clifford (LC) equivalentiechecks voor niet-CSS codes.

Codefamilies

• CSS BB Codes: Gedefinieerd door twee trinomialen $A, B$ over $\mathbb{F}_2[x,y]/(x^\ell-1, y^m-1)$.
• Perturbed BB (PBB) Codes: Een niet-CSS ansatz die perturbatie-polynomialen $C, D$ introduceert om gemengde stabilisatoren te creëren, wat niet-CSS structuren mogelijk maakt.

Belangrijkste Bijdragen

1. Ontdekking van 465 Distincte Codes

Verspreid over vijf evolutionaire campagnes ontdekte het systeem 465 distincte codes bij bloklengtes $n \le 360$:

• 97 CSS Codes: Inclusief 97 distincte representanten (99 equivalentieklassen inclusief herontdekkingen). Opmerkelijke bevindingen zijn onder meer:
  • De [[288, 16, 12]] code: Een indecomposable CSS code met $d=12$ (exact) en alle shifts $\le 3$.
  • Hogere-gewicht codes: De ontdekking van gewicht-8 codes die nieuwe $(k, d)$ combinaties bereiken, zoals [[288, 50, 8]] ($k=50, d=8$).
  • Herontdekking van bekende hoog-presterende codes (bijv. de "gross code" [[144, 12, 12]]) en identificatie van nieuwe eindige-lengte representanten.
• 368 Niet-CSS PBB Codes: Codes die gemengde stabilisatoren gebruiken. De zoektocht vond een [[144, 12, 12]] PBB code die de Figure of Merit (FOM) van de gross code evenaart, en een [[360, 12, $\le$24]] code met een betrouwbare FOM boven grens van 19.2.

2. Methodologische Vooruitgang in Verificatie

• BP-OSD Overschatting: De studie kwantificeert dat BP-OSD de afstand systematisch overschat voor hoog-rate codes ($k/n > 0.1$), met fouten die oplopen tot 12$\times$. Bijvoorbeeld, een [[360, 40, 2]] code werd door BP-OSD geschat als $d \le 24$, terwijl MILP bevestigde dat $d=2$.
• Achievable-Syndrome Sampling: Voor niet-CSS codes faalt standaard willekeurige syndroom-sampling omdat de bereikbare logische cosets een strikte subruimte vormen. De auteurs introduceren een methode om alleen uit de bereikbare subruimte te samplen, wat de BP-OSD functionaliteit herstelt.
• MILP Ground Truth: Het gebruik van MILP als verificatiestandaard onthulde dat veel hoog-$k$ kandidaten eigenlijk laag-afstand of decomposable waren (bijv. de [[288, 24, 12]] code werd geïdentificeerd als een direct sum van twee gross codes).

3. Structurele Karakterisering van het BB Landschap

De auteurs identificeren vier algebraïsche families met verschillende rate–distance profielen:

• Univariate/HGP: Codes die equivalent zijn aan de hypergraph product van cyclische codes. Deze bereiken de hoogste encoding dimensies ($k \propto \ell$) maar lijden onder een afstand-plafond van $d \le 4$.
• x/y-swap: Codes met gemengde variabelen in de polynomialen, die $d \ge 12$ bereiken maar beperkt zijn tot $k \le 16$ voor indecomposable codes.
• Mixed-Monomial/Higher-Weight: Codes met 4–6 term polynomialen die nieuwe $(k, d)$ punten bereiken (bijv. $k=50$ bij $d=8$), maar de algemene rate–distance envelope niet doorbreken.
• Niet-CSS PBB: Codes die de FOM van de beste CSS codes bij $n=144$ evenaren, maar niet overtreffen.

4. Empirische Rate–Distance Tradeoff

De zoektocht onthult een consistente empirische tradeoff: hogere encoding rates gaan over het algemeen gepaard met lagere afstanden.

• Indecomposable gewicht-6 codes met $d=12$ zijn beperkt tot $k \le 16$.
• Gewicht-6 codes met $k > 24$ hebben universeel $d \le 4$.
• Hogere-gewicht codes (gewicht-8) kunnen een hogere $k$ bereiken bij een gematigde $d$ (bijv. $k=50$ bij $d=8$), maar doorbreken de geobserveerde envelope niet.

Resultaten en Betekenis

Belangrijkste Bevindingen

• LLM Effectiviteit: De LLM-gestuurde evolutie slaagde erin algebraïsche patronen (bijv. univariate structuren, x/y-swap) te ontdekken die generaliseren over verschillende roosterdimensies, waarbij ze random search en standaard genetische algoritmen overtrof in het vinden van hoog-FOM codes met $d \ge 6$.
• Noodzaak van Verificatie: De studie toont aan dat heuristische afstandschatting onvoldoende is voor de ontdekking van hoog-rate codes. De "A = B afstand valstrik" (waar $A=B$ resulteert in $d=2$) werd niet gedetecteerd door BP-OSD, zelfs niet bij $1.5 \times 10^6$ pogingen, maar werd onmiddellijk geïdentificeerd door de MILP-pijplijn.
• Hardware Relevantie: De ontdekte codes, zoals de [[288, 16, 12]], bieden verbeterde logische qubit-aantallen (tot 1.7$\times$ de gross code) terwijl ze een pseudo-threshold behouden die vergelijkbaar is met de surface code. Niet-CSS PBB-codes tonen potentieel voor verbeterde foutonderdrukking onder specifieke ruismodellen (X-only), hoewel dit voordeel afneemt onder depolariserende ruis met standaard decoders.

Betekenis

Het artikel stelt dat LLM-gestuurde programmatische evolutie, wanneer gekoppeld aan een rigoureuze, meerfasige onafhankelijke verificatie (specifiek MILP), dient als een praktische en kosteneffectieve tool voor gestructureerde kwantumcode ontdekking. De totale computationele kosten van ongeveer $400 en 140 uur demonstreren de haalbaarheid van deze aanpak.

Dit werk vestigt een nieuwe verificatiestandaard voor hoog-rate BB code claims, waarbij het kritieke gat tussen heuristische schattingen en exacte afstand wordt benadrukt. Het biedt een herbruikbaar framework voor het verkennen van de combinatorische ruimte van kwantumcodes, waarbij wordt aangetoond dat hoewel de rate–distance envelope robuust is, gestructureerde zoektochten nieuwe, hoogwaardige representanten binnen deze kunnen kunnen ontdekken. De auteurs merken op dat het ontsnappen aan deze envelope waarschijnlijk een beweging vereist naar meer complexe algebraïsche structuren dan de bivariate bicycle familie.