TCBP-JOBS: GPU-Accelerated Quantum Error Correction Decoding and Noise Learning with Near-Optimal Accuracy
本文介绍了 TCBP-JOBS,这是一个结合了轨迹校准置信传播与抖动 OSD 束搜索的 GPU 加速框架,旨在实现接近最优的量子纠错解码精度,并较现有方法实现大规模提速,从而支持实时运行与高效的大规模模拟。
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完成的问题,从设计新药到破解复杂的密码。然而,这些机器中承载信息的微小粒子极其脆弱。一阵热浪或一个随机的电磁波都可能使一个数据位发生翻转,导致整个计算崩溃。为了防止这种情况,科学家们使用一种称为量子纠错的方法。他们将单个信息分散到许多物理粒子上,从而建立起一个安全网。通过不断检查这些粒子之间的关系,系统可以发现何时发生了错误,并在不直接观察数据(因为直接观察会破坏数据)的情况下将其修复。
为了让这个安全网发挥作用,一台经典计算机必须充当裁判。它观察检查的结果,弄清楚哪里出了问题,并告诉量子机器如何进行自我修正。这个裁判被称为解码器。挑战在于,裁判必须既极其精确又极其快速。如果它太慢,量子机器就必须等待,数据可能会在修复到达之前就腐烂殆尽。如果它不够准确,它可能会应用错误的修复方案,使错误变得更糟。多年来,研究人员一直致力于寻找一种能同时兼顾这两点的解码器,尤其是在面对最新、最高效的量子编码时。
NVIDIA 的一个研究团队现在推出了一种新方法,解决了这一困境。他们开发了一个名为 TCBP-JOBS 的系统,该系统结合了两种巧妙的技术,能够以近乎完美的准确度解码量子错误,且运行速度比以往的方法快数千倍。他们的工作表明,我们现在可以在以前无法实现的规模上模拟和测试量子计算机,并且这些系统很快就能准备好在实际的量子硬件上实时运行。
问题的核心在于解码器如何猜测错误。当量子机器运行时,它会产生一种被称为“症候”(syndrome)的信号模式。解码器的任务是观察这种模式并猜测哪些特定的粒子出了错。在过去,最准确的解码器必须搜索大量的可能性,就像尝试打开一把巨大的锁上的所有组合一样。这耗时太长,以至于无法在量子计算机运行时使用。虽然存在更快的解码器,但它们经常猜错,尤其是在研究人员渴望使用的那些新型高效编码上。
NVIDIA 团队意识到,快速解码器丢弃了有价值的信息。他们使用一种称为“置信传播”(belief propagation)的方法,该方法迭代地更新其对错误位置的猜测。在过去,这些系统只保留最终的猜测,并丢弃它到达该猜测的过程。研究人员注意到,猜测的整个旅程——即每个粒子的置信度随时间上升和下降的方式——包含了一张通往正确答案的隐藏地图。他们构建了一个小型人工智能模型来读取这段旅程。该模型不再仅仅看最终结果,而是分析猜测的整个历史过程,从而产生一个校准后的概率:一个精确的数值,指示特定粒子出错的可能性有多大。
有了这些更好的概率,团队引入了第二个步骤。他们给快速解码器提供了一个新策略。系统不再只遵循一条通往解决方案的路径,而是在基于概率的多次并行搜索中运行,每次搜索都从一个略有不同的初始猜测开始。想象一群探险家在黑暗的森林中寻找一名迷路的徒步旅行者。与其派一个人走一条路,不如派出一组人,每个人根据地形采取略微不同的路线。他们同时工作,系统会选择任何一人找到的最佳解决方案。由于这一切都是在强大的图形处理器上进行的,这些搜索是同步运行的,这使得过程极其迅速。
当研究人员测试这个新系统时,结果令人瞩目。他们在各种量子编码上进行了模拟,包括标准的表面码(surface codes)和更新、更复杂的各种设计。在几乎所有情况下,他们的新解码器都与此前作为行业标准的缓慢、重型解码器一样准确。在最大的编码上,它寻找正确错误的能力实际上比前者高出四倍半。与此同时,它的速度快了数千倍。在一次测试中,一项标准计算机服务器需要完成十二周的任务,仅用四十五分钟就被他们的系统完成了。
这种速度为实时操作打开了大门。为了让量子计算机发挥作用,解码器必须反应足够快,以跟上机器的操作。研究人员展示了他们的系统可以在几毫秒内解码错误,这对于运行在稍慢时间尺度上的某些类型的量子处理器来说已经足够快。这意味着该系统理论上可以立即用于运行量子计算机,在不减慢机器速度的情况下实时修正错误。
该系统还提供了一种了解量子机器本身的方法。由于解码器非常擅长估计误差概率,因此它可以被用来确定机器的噪声程度,甚至在不知道确切设置的情况下也是如此。研究人员展示了该系统只需几分钟时间,就能利用机器在正常运行期间产生的仅有的数据,推算出量子设备的错误率。这使得解码器能够适应不断变化的机器,在无需持续手动调优的情况下保持纠错的精准度。
此外,系统为它做出的每一个决定都提供了一个置信分数。它可以告诉用户判断的紧迫程度。如果系统不确定,它可以标记该特定尝试为不可靠。这使得研究人员可以只丢弃那些不稳定的结果,而保留好的结果,这种技术显著提高了最终数据的质量。在涉及创建高级计算所需的特殊量子态的测试中,这种过滤掉坏结果的能力将过程的成功率提高了四倍多。
研究人员确实发现了该方法的一个极限。当他们将物理错误率降至极低水平(远低于当前机器所能达到的水平)时,新系统的准确度略低于那些极其缓慢、穷举式的解码器。在这些罕见情况下,新系统漏掉了一些特定的复杂错误,而旧方法则能捕捉到。然而,对于当前及近期量子计算机相关的错误率,新系统由于结合了高准确度和实用的运行速度,表现得更为出色。
通过使在极短时间内模拟数百万次量子操作成为可能,这项工作加速了整个领域的发展。研究人员现在可以更快地测试新的设计和架构,探索更广泛的可能性以寻找最佳路径。该系统提供了一个在实际硬件上运行量子纠错的实用框架,使实现容错量子计算机的梦想又近了一步。能够准确且即时地解码错误,已不再仅仅是一个理论目标,而是一个随时可用的工具。
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。