BP-based qLDPC Decoding under Long-range Correlated Noise: Trapping Configurations and Prior Mismatch

Resumo Técnico: Decodificação qLDPC baseada em BP sob Ruído Correlacionado de Longo Alcance

Enunciado do Problema
Códigos Quantum Low-Density Parity-Check (qLDPC) oferecem uma tolerância a falhas promissora com menor sobrecarga de espaço do que códigos geometricamente locais, mas sua implementação prática depende de decodificadores rápidos e precisos. Os decodificadores baseados em Propagação de Crença (BP) de última geração, especificamente o Relay-BP e o Beam Search, demonstraram melhorias significativas em relação ao BP padrão sob modelos de ruído independente e identicamente distribuído (i.i.d.). No entanto, esses decodificadores são ajustados e validados inteiramente sob suposições i.i.d. Em hardware quântico real (supercondutores, átomos neutros, fotônica), o ruído é frequentemente correlacionado espacialmente devido a crosstalk, vazamento (leakage), flutuações ambientais e mecanismos de controle compartilhados.

O problema central abordado é a robustez desses decodificadores existentes, calibrados para i.i.d., quando aplicados a ruído espacialmente correlacionado, assumindo que os modelos de erro internos (priors) dos decodificadores permanecem inalterados. O artigo investiga se a degradação de desempenho observada deve-se meramente a um aumento no peso total do erro ou se a estrutura de correlação em si cria "configurações de aprisionamento" específicas que derrotam os mecanismos de escape dos decodificadores.

Metodologia
Os autores empregam um framework experimental controlado para isolar os efeitos da correlação das taxas de erro marginais:

1. Modelo de Ruído Correlacionado: Eles utilizam um modelo de Campo Aleatório de Markov Gaussiano Oculto (MRF).
   • Um campo Gaussiano oculto $J$ (modelado como uma cadeia AR(1) sobre os índices de qubits) induz correlações.
   • As probabilidades de disparo de erro são determinadas via uma cópula Gaussiana: $g_j(J) = \Phi(\Phi^{-1}(p_j) + \theta J / \sqrt{1-\theta^2})$.
   • Restrição Chave: Este modelo garante que a probabilidade de erro marginal $p_j$ permaneça exatamente constante independentemente da força da correlação ($\theta$) ou do alcance ($\gamma$). Isso permite uma comparação direta entre canais i.i.d. e correlacionados com taxas de erro de qubit único idênticas, mas distribuições conjuntas diferentes.
2. Decodificadores Testados:
   • Relay-BP: Utiliza uma sequência de instâncias de BP com forças de memória desordenadas para perturbar a dinâmica e escapar de armadilhas.
   • Beam Search: Realiza ramificações em variáveis não confiáveis (oscilantes) para manter um número fixo de hipóteses (largura do feixe/beam width).
   • BP-OSD: Pós-processamento de estatística ordenada usado como linha de base.
3. Circuitos e Códigos: Simulações foram realizadas em múltiplas instâncias de códigos, incluindo códigos bivariate-bicycle (ex: [[144,12,12]], [[288,12,18]]), um código de superfície rotacionado e um código de produto de hipergrafo.
4. Técnicas de Análise:
   • Controle de Peso Correspondente (Matched-Weight Control): Comparação das taxas de falha para disparos com pesos de erro injetados idênticos para distinguir efeitos de peso de efeitos estruturais.
   • Colheita de Configurações (Configuration Harvesting): Extração de configurações mínimas de falha a partir de ruído correlacionado, "plantando-as" em ruído i.i.d. e testando se elas permanecem fatais.
   • Experimento de Prior Oráculo: Fornecimento aos decodificadores das marginais condicionais (conhecendo o campo oculto $J$) para determinar se a perda de desempenho deve-se ao desajuste do prior.

Principais Resultados

1. Degradação de Ordens de Magnitude: O ruído correlacionado causa um aumento de ordens de magnitude nas taxas de erro lógico (LER) (fatores de 50 a 370), mesmo quando as taxas de erro marginais são fixas. A "vantagem de distância" (melhoria proveniente de códigos maiores) colapsa; por exemplo, um código com distância 18 não mostrou vantagem mensurável sobre um código de distância 12 sob forte correlação.
2. Inversão do Ranking dos Decodificadores: O desempenho relativo dos decodificadores não é estável sob correlação.
   • Sob ruído i.i.d., o Relay-BP e o Beam Search superam significativamente o BP-OSD.
   • Sob correlação de curto alcance forte, o Relay-BP e o Beam Search podem tornar-se piores que o plain BP-OSD.
   • O ranking depende da estrutura específica do circuito e do alcance da correlação ($\gamma$), não apenas do algoritmo do decodificador.
3. Falha de Orçamentos de Busca: Aumentar o orçamento de busca (ex: ampliando o feixe ou aumentando a memória do Relay-BP) melhora o desempenho sob ruído i.i.d., mas falha em compensar a degradação causada pela correlação. Os decodificadores não conseguem escapar das configurações de erro específicas geradas pela correlação, independentemente do aumento do esforço computacional.
4. Configurações de Aprisionamento (Trapping Configurations):
   • A correlação amplifica a probabilidade de configurações específicas de falha do decodificador.
   • Ao contrário dos traps i.i.d., que são frequentemente dispersos, os traps induzidos por correlação são clusters compactos e densos de erros (peso 6–8) que abrangem algumas dezenas de qubits.
   • Essas configurações são "fatais" mesmo quando plantadas em ruído i.i.d., indicando que são intrinsecamente difíceis para os mecanismos de escape baseados em BP, mas a correlação as faz ocorrer com frequência suficiente para dominar a taxa de erro.
5. O Desajuste do Prior como Culpado Primário:
   • Quando os decodificadores são fornecidos com os priors oráculo (marginais condicionadas no campo oculto $J$), o desempenho recupera-se significativamente, muitas vezes retornando aos níveis i.i.d. ou superiores.
   • Isso demonstra que os decodificadores não são intrinsecamente incapazes de lidar com ruído correlacionado; em vez disso, eles falham porque operam com priors estáticos e homogêneos que não coincidem com o ambiente de ruído heterogêneo criado pelo campo oculto.

Significância e Alegações
O artigo posiciona-se como um complemento aos trabalhos que projetam novos decodificadores conscientes de correlação (ex: GARI, Tesseract). Em vez de propor um novo algoritmo, ele quantifica os limites de robustez de decodificadores existentes e computacionalmente leves quando seu modelo de erro conjunto assumido é incompatível.

• Implicação de Benchmarking: Avaliar decodificadores qLDPC unicamente sob ruído i.i.d. mede seu "melhor caso" e falha em prever seu comportamento sob ruído correlacionado realista. Um decodificador qualificado em uma família de circuitos sob i.i.d. não oferece nenhuma garantia sob correlação.
• Mecanismo de Falha: A degradação é impulsionada por dois fatores: (1) a correlação aumenta a frequência de clusters de erro raros e densos que derrotam as estratégias de escape baseadas em BP, e (2) a dependência dos decodificadores de marginais estáticas (desajuste de prior) impede a interpretação correta desses clusters.
• Direção Futura: O trabalho sugere que o caminho para uma decodificação robusta não reside necessariamente em novos algoritmos de busca complexos, mas em estimar o campo de ruído oculto (ou suas marginais) a partir de informações laterais (ex: leituras suaves, indicadores de vazamento) para atualizar os priors do decodificador em tempo real. Os autores observam que projetar tal estimador é um desafio separado, fora do escopo deste trabalho.

Em conclusão, o artigo estabelece que, embora o Relay-BP e o Beam Search sejam poderosos sob suposições i.i.d., eles são altamente sensíveis ao ruído correlacionado de longo alcance devido ao desajuste de prior e à emergência de configurações de aprisionamento específicas, exigindo uma reavaliação da robustez dos decodificadores em ambientes de hardware quântico realistas.