Impulse Decoding of Quantum LDPC Codes: Equivalence of Degeneracy and Code-Shortening

技术摘要：量子 LDPC 码的脉冲译码

问题陈述
量子纠错（QEC）对于可扩展量子计算至关重要，而量子低密度奇偶校验（QLDPC）码是实现容错计算的主要候选方案。在对 QLDPC 码进行译码时，一个独特的挑战是简并性（degeneracy）：与经典译码（需要识别唯一的错误向量）不同，多个不同的错误模式（通过稳定器元素区分）可以产生相同的校验子，并且都是有效的纠正结果。这种现象使诸如置信传播（BP）之类的迭代译码算法变得复杂，因为译码器可能难以收敛到单一解。此外，现有文献缺乏对简并性的清晰经典编码理论解释，且目前的高性能译码技术（例如 BP 结合有序统计译码，BP-OSD）通常会带来高计算复杂度或高延迟。

方法论与核心洞察
本文建立了量子简并性与经典**码缩短（code shortening）**操作之间的理论等价关系。在经典编码中，缩短一个线性分组码涉及选择一个特定坐标被固定为 0（或特定值）的子码，这通常在编码阶段执行。作者证明，在量子设定下，简并性允许译码器在译码阶段有效地“缩短”代码。具体而言，由于任何错误 $e$ 都等价于 $e + S$（其中 $S$ 是一个稳定器），译码器可以将搜索空间限制在特定变量节点被固定为 0 或 1 的错误估计中。

利用这一洞察，作者提出了一种并行译码方案——脉冲译码（Impulse Decoding）。在 BP 的背景下，缩短一个变量节点是通过将其初始对数似然比（LLR）设置为 $\pm \infty$（即一个“脉冲”）来实现的。

• 算法 1（脉冲译码）： 如果初始 BP 运行失败，该方案会启动 $n$ 个并行译码器（$n$ 为变量节点数）。每个译码器 $D_i$ 将第 $i$ 个变量节点缩短为 1（将其 LLR 设置为 $-\infty$）并运行 BP。最终的错误估计根据**最小权重（Minimum Weight）准则（选择收敛估计中汉明重量最低的一个）或首次收敛（First Convergence）**准则（选择第一个收敛的译码器）进行选择。
• 算法 2（基于可靠性的）： 对于大型代码（例如电路级 Tanner 图），缩短所有节点是不切实际的。该变体通过并行轮次选择 $N$ 个最不可靠的变量节点（基于初始 BP 运行的结果）进行缩短。
• 算法 3（基于残余错误的）： 为了在减少并行资源的情况下进一步提高在电路级噪声下的性能，该算法在后续轮次中对**残余错误（residual error）**进行译码。如果一个译码器失败，它将在保持变量节点缩短的同时，对残余错误的校验子（$s + H\hat{e}$）进行译码，在每个并行分支内进行串行处理。

关键结果
作者展示了在代码容量模型和电路级噪声模型下，针对 Bivariate-Bicycle (BB) 码和提升乘积 (Lifted Product, LP) 码的仿真结果：

1. 性能优越性： 脉冲译码的表现显著优于标准的 BP 和 BP-OSD 基准。对于 [[288, 12, 18]] BB 码，将变量节点缩短为 1 比缩短为 0 具有明显更好的性能。这归因于将节点缩短为 1 会鼓励译码器更广泛地探索简并错误的搜索空间，这通常比寻找特定的信道诱导错误更有利。
2. 延迟与复杂度： 首次收敛准则相比最小权重准则显著降低了译码延迟，因为它避免了在所有收敛分支中搜索全局最小权重。论文指出，对于缩短为 1 的情况，收敛频率随被缩短节点的索引呈指数级下降，从而实现了低平均延迟。
3. 电路级噪声： 在电路级噪声下，算法 3（基于残余错误的）通过较少的并行译码器（例如 $N=20$）和轮数（$R=6$）实现了最先进的性能，优于算法 2 和 BP-OSD。
4. 不规则码： 对于不规则码，优先缩短高度（degree）较大的变量节点（后向延迟）比前向延迟能显著提高收敛速度，因为高阶节点提供了更多潜在的低权重稳定器纠正。

意义与主张
本文声称提供了第一个将简并性作为译码端码缩短操作的原则性经典解释。这一理论框架证明了使用“脉冲”（无限 LLR）策略的合理性，而此前这些策略主要由启发式方法驱动。所提出的脉冲译码方案与现有的 BP-OSD 和基于树的搜索方法（如束搜索/beam search）相比，以显著更低的复杂度和延迟实现了最先进的性能。作者强调，该方法所需的后处理极少，且可以实现高度并行化，使其适用于实际的量子容错。这项工作强调，直接利用简并性——通过强制译码器在特定的缩短子码内进行搜索——是提高解码成功率和降低延迟的强大机制。