Forced Gap Post-Selection for Quantum LDPC Codes and their Operations

Resumo Técnico: Pós-seleção com Lacuna Forçada para Códigos LDPC Quânticos e suas Operações

Declaração do Problema
Códigos de verificação de paridade de baixa densidade quântica (LDPC) de alta taxa oferecem vantagens significativas em sobrecarga de espaço em comparação com códigos de superfície, mas enfrentam desafios na implementação de estratégias eficazes de pós-seleção. Nos códigos de superfície, uma "lacuna complementar" é utilizada para quantificar a confiança na decodificação, comparando a verossimilhança logarítmica da correção mais provável contra uma correção logicamente complementar. No entanto, essa técnica não se estende diretamente a códigos LDPC quânticos gerais por duas razões principais:

1. Incompatibilidade do Decodificador: Códigos LDPC quânticos gerais não podem ser decodificados utilizando decodificadores de emparelhamento, que são centrais para o cálculo da lacuna em códigos de superfície.
2. Explosão Combinatória: Códigos de alta taxa possuem muitos observáveis lógicos ($k$ qubits lógicos implicam $4k$ classes lógicas distintas). Uma abordagem ingênua para pós-seleção exigiria a decodificação em cada classe lógica para encontrar o segundo resultado mais provável, tornando o processo computacionalmente inviável (por exemplo, $2^{12}$ classes para um código de 72 qubits com $k=12$).

Metodologia: Pós-seleção com Lacuna Forçada
Os autores propõem uma estratégia de "Lacuna Forçada", um método geral de pós-seleção aplicável a códigos LDPC quânticos de alta taxa com muitos observáveis lógicos. A abordagem é agnóstica ao decodificador, mas depende da capacidade de forçar um decodificador a encontrar uma solução com um resultado lógico específico.

A estratégia procede em três fases:

1. Execução Baseline: O decodificador é executado no síndrome observado $\sigma$ para produzir uma correção baseline $e^{(0)}$ com classe lógica $L^{(0)}$. Se o decodificador falhar em convergir (uma "erasure"), o disparo é imediatamente rejeitado.
2. Execuções Forçadas: Para cada um dos $K$ observáveis lógicos, o decodificador é reexecutado $K$ vezes. Na $i$-ésima execução, o problema de decodificação é modificado ao anexar a $i$-ésima linha da matriz de ação $A$ (com um bit invertido $1 \oplus L^{(0)}_i$) à matriz de verificação de paridade $H$. Isso força o decodificador a encontrar uma correção $e^{(i)}$ onde o $i$-ésimo observável lógico tem o resultado complementar ao da baseline.
3. Cálculo da Lacuna e Decisão: O algoritmo agrega todas as soluções convergidas para identificar o conjunto de classes lógicas distintas encontradas. Calcula-se a "Lacuna" como a diferença nas verossimilhanças logarítmicas entre a classe lógica mais provável $\lambda^{(0)}$ e a segunda classe lógica distinta mais provável $\lambda^{(1)}$:
   $$\text{Lacuna} := \log P[\lambda^{(0)}] - \log P[\lambda^{(1)}]$$
   Se todas as execuções forçadas falharem em convergir, a Lacuna é definida como $\infty$ (aceito). Se a baseline falhar, a Lacuna é 0 (rejeitado). Um limiar $T$ é aplicado; disparos com $\text{Lacuna} < T$ são rejeitados.

Este método escala linearmente com o número de observáveis lógicos ($K+1$ execuções) em vez de exponencialmente ($2^K$), tornando-o computacionalmente viável.

Principais Contribuições

• Generalização da Lacuna Complementar: O trabalho estende o conceito da lacuna complementar de códigos de superfície para códigos LDPC quânticos gerais de alta taxa com múltiplos qubits lógicos.
• Algoritmo Eficiente: Introduz uma estratégia que evita a enumeração inviável de todas as classes lógicas, forçando apenas desvios em observáveis individuais, reduzindo a carga computacional de exponencial para linear em $K$.
• Agnosticismo do Decodificador: A estratégia é projetada para funcionar com decodificadores iterativos (como Propagação de Crenças) que podem não convergir, tratando a não convergência como um sinal específico (erasure ou lacuna infinita) em vez de uma falha do método.
• Implementação Leve: Diferentemente de estratégias anteriores de alto desempenho que dependem de Decodificação por Estatística Ordenada (OSD) de alta latência, este método depende de Propagação de Crenças amigável a FPGA (especificamente o decodificador Relay-BP).

Resultados
A estratégia foi avaliada usando o decodificador Relay-BP em:

• Circuitos de Ociosidade: Os códigos de bicicleta bivariada (BB) de 72 qubits [[72, 12, 6]] e 144 qubits [[144, 12, 12]].
• Operações Lógicas: Gadgets de cirurgia (intra-módulo $X_1$, $Y_1$ e inter-módulo $X_1X_1$) para o código de 144 qubits.

As principais descobertas incluem:

• Melhoria na Taxa de Erro: No código de 72 qubits com ruído físico $p=10^{-3}$, a estratégia alcança uma taxa de erro lógico por rodada de $\approx 3.5 \times 10^{-8}$ com uma taxa de pós-seleção de 1%. Isso representa uma melhoria de mais de um fator de 4 em comparação com estratégias anteriores de pós-seleção (por exemplo, [LEB25] em $\approx 10^{-5}$ e [Xie+26] em $\approx 1.5 \times 10^{-7}$) sob condições semelhantes.
• Taxa de Pós-seleção: Os ganhos de desempenho são mais pronunciados em baixas taxas de pós-seleção (abaixo de 1%). A curva de taxa de erro lógico estabiliza após aproximadamente 1% de rejeição, pois os disparos restantes ou possuem lacunas infinitas (baseline convergiu, execuções forçadas falharam) ou são erasures.
• Comparação com Trabalhos Anteriores: Embora outras estratégias (como as em [LEB25] e [Xie+26]) possam continuar a melhorar em taxas de pós-seleção mais altas (por exemplo, 5–30%), elas frequentemente exigem decodificadores computacionalmente mais intensivos (BP-OSD). A estratégia de Lacuna Forçada oferece desempenho superior no regime de baixa rejeição com sobrecarga computacional significativamente menor.

Significado e Alegações
O artigo afirma que a estratégia de Lacuna Forçada fornece uma solução "simples e geral" para pós-seleção em códigos LDPC quânticos de alta taxa, oferecendo taxas de erro lógico aprimoradas com computação leve. Os autores posicionam isso como uma ferramenta prática para cenários onde a pós-seleção está disponível, particularmente para tarefas de geração de estados de recursos offline, como destilação de estados mágicos, onde o ruído operacional frequentemente domina.

Os autores observam modestamente que a estratégia não melhora significativamente além de uma taxa de pós-seleção de 1% para os circuitos de ociosidade testados e que trabalhos futuros poderiam abordar os pisos de erro causados por execuções forçadas não convergentes combinando o método com outras técnicas de decodificação (por exemplo, OSD ou decimação). Eles também destacam que, embora a estratégia seja eficaz para tamanhos de código atuais, sua escalabilidade para maiores distâncias de código e menores taxas de erro físico requer investigação adicional, potencialmente via análise de eventos raros em vez de simulação direta de Monte Carlo.