Certified decoding of quantum LDPC codes
本文通过将退化最大似然解码建模为马尔可夫随机场上的概率推理，引入了量子 LDPC 码的认证解码方法，从而实现了通过采样进行精确最优性证明，以及性能超越或匹配现有启发式算法且能提供可靠性证书的高精度基于区域的近似。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
量子计算机承诺解决当今机器无法处理的问题，从设计新药到破解复杂的加密算法。然而，这些机器的构建基石——被称为“量子比特”（qubits）的单元——极其脆弱。它们对环境极其敏感，哪怕是一丝微小的热波动或一个游离磁场都会损坏其承载的信息。为了制造出实用的量子计算机，科学家必须构建一个能够检测并修复错误，且速度快于错误发生速度的系统。这被称为“量子纠错”。多年来，领先的策略一直是使用一种特定的量子比特排列方式，称为“表面码”（surface code）。它可靠且易于在现有硬件上构建，但它也极其浪费。为了创造仅仅一个稳定、无误的逻辑量子比特，工程师可能需要将数千个物理量子比特捆绑在一起，这使得大规模量子计算机在成本上高得令人望而却步，且体积庞大。
新一代的代码，被称为“量子低密度奇偶校验码”（quantum low-density parity-check codes），为走出这一瓶颈提供了一条出路。这些代码可以更密集地封装信息，潜在地将所需的物理量子比特数量减少十倍或更多。但问题在于：虽然这些代码节省了空间，但它们更难读取。当错误发生时，系统会产生一种被称为“伴随式”（syndrome）的信号模式。在旧代码中，寻找错误就像是在一个房间里寻找一把丢失的钥匙；而在这些新的、更密集的代码中，许多不同的错误在系统看来完全相同，这导致解码器必须选择最可能的错误组，而不是单一的特定错误。这种歧义性使得构建能够跟上计算机运行速度的快速、可靠的解码器变得十分困难。
研究人员现在开发了一种解决这一解码问题的新方法，将这个困难的猜谜游戏转变为一个具有内置正确性保证的精确计算过程。他们不再依赖启发式算法或最佳猜测，而是将解码过程视为一个概率问题，将可能的错误映射到一个网络中，从而计算每组可能错误的总体可能性。通过使用一种名为“退火重要性采样”（annealed importance sampling）的技术——即通过缓慢加热系统来探索所有可能性——他们可以高精度地估计每组错误的概率。至关重要的是，他们的方法为每一个决策都附带了一个“证书”。这个证书就像是一个置信度评分，告诉计算机它何时对答案确信，以及何时应该暂停并请求第二次检查。
研究团队在两种不同类型的量子代码上测试了这种方法：广为人知的表面码和更新、更密集的“双变量自行车码”（bivariate bicycle codes）。在模拟实验中，他们的解码器表现出了与理论上最优的“最大似然解码器”（maximum-likelihood decoder）相当的性能，而后者通常因速度过慢而无法投入实际应用。在表面码上，他们的方法仅需几毫秒就能重现理想解码器的完美决策。在专为未来硬件设计的更复杂的自行车码上，其表现与目前的标准方法持平甚至更优。或许最重要的一点是，该系统成功地为其绝大多数决策提供了认证，这意味着它可以证明自己的选择是最佳的选择。当系统感到不确定时，它会标记出这些特定情况，从而允许仅在必要时运行更慢、更彻底的检查。
团队还将他们的方法推向了更真实的场景，模拟了真实量子计算机中测量本身可能会失败的混乱、多噪环境。即使在这些困难条件下，新的解码器仍能保持其高准确性和对其选择进行认证的能力。在一项测试中，它证实了目前大多数研究人员使用的标准快速解码器实际上对它遇到的几乎每一个错误模式都做出了最优选择，而这在以前是无法验证的事实。他们还在实际的量子硬件上进行了一项小型实验，将来自物理芯片的真实数据输入到系统中。虽然硬件本身的噪声太大，无法完全保护信息，但解码器成功处理了现实世界的信号并对其决策进行了认证，证明了该方法在处理真实数据时是端到端的有效。
这项工作并没有解决构建量子计算机的硬件挑战，但它消除了一个主要的软件障碍。通过提供一种能够以保证最优性的方式来解码这些高效、节省空间的编码，研究人员展示了这些密集型代码的前景是触手可及的。他们的方法为衡量未来解码器的性能提供了一个新标准，提供了一个此前缺失的可靠参考点。科学家们首次拥有了一种工具，它不仅可以解码复杂的量子错误，还能以数学上的确定性告诉他们是否找到了正确答案，从而为下一代容错量子机器铺平了道路。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。