Skip to main content
Nubint
QUICK REVIEW

[論文レビュー] How to choose a decoder for a fault-tolerant quantum computer? The speed vs accuracy trade-off

Nicolas Delfosse, Andres Paz|arXiv (Cornell University)|Oct 23, 2023
Quantum Computing Algorithms and Architecture被引用数 4
ひとこと要約

この論文は、デコーダーの速度と正確性のバランスをとることで、耐障害性量子コンピュータの最適なデコーダー選択を可能にするフレームワークを提案している。時間的コストを指標として用い、デコーダーの停止タイミングを最適化するプロトコルを導入。デスクトップマシン上で動作するPyMatchingは、数千の論理的Tゲートを処理可能であるが、10⁵ゲートを超えるとデコーディング遅延のため遅くなり、ハードウェア最適化されたデコーダーの必要性が浮き彫りになる。

ABSTRACT

Achieving practical quantum advantage requires a classical decoding algorithm to identify and correct faults during computation. This classical decoding algorithm must deliver both accuracy and speed, but in what combination? When is a decoder "fast enough" or "accurate enough"? In the case of surface codes, tens of decoding algorithms have been proposed, with different accuracies and speeds. However, it has been unclear how to choose the best decoder for a given quantum architecture. Should a faster decoder be used at the price of reduced accuracy? Or should a decoder sacrifice accuracy to fit within a given time constraint? If a decoder is too slow, it may be stopped upon reaching a time bound, at the price of some time-out failures and an increased failure rate. What then is the optimal stopping time of the decoder? By analyzing the speed vs. accuracy tradeoff, we propose strategies to select the optimal stopping time for a decoder for different tasks. We design a protocol to select the decoder that minimizes the spacetime cost per logical gate, for logical computation of a given depth. Our protocol enables comparison of different decoders, and the selection of an appropriate decoder for a given fault-tolerant quantum computing architecture. We illustrate our protocol for the surface code equipped with a desktop implementation of the PyMatching decoder. We estimate PyMatching is fast enough to implement thousands of logical gates with a better accuracy than physical qubits. However, we find it is not sufficiently fast to reach 10^5 logical gates, under certain assumptions, due to the decoding delay which forces qubits to idle and accumulate errors while idling. We expect further improvements to PyMatching are possible by running it on a better machine or by reducing the OS interference.

研究の動機と目的

  • 耐障害性量子コンピューティングアーキテクチャにおけるデコーダー選択の方法に関する未解決問題に取り組むこと。
  • 1つの論理ゲートあたりの時間的コストを最小化するデコーダー選択の体系的メソッドを開発すること。
  • デコーディング遅延が論理エラー率とリソースコストに与える影響を分析すること。
  • PyMatchingのような既存のデコーダーが、現実のハードウェア制約下でどのように動作するかを評価すること。
  • スケーラブルな量子優位性を実現するため、古典的デコーディングアルゴリズムと量子ハードウェアの共同設計を支援すること。

提案手法

  • 著者らは、デコーディング遅延と論理的障害率を考慮した時間的コスト指標を定義した。
  • 停止時間を設定可能な時間制限付きデコーディング戦略を用いて、デコーダーの速度と正確性のトレードオフをモデル化した。
  • 異なる論理ゲートの深さと物理的エラー率において、デコーダーの性能をシミュレーションで比較するプロトコルを構築した。
  • 1 μsのシンドローム抽出時間とp = 10⁻³の物理的エラー率を想定し、スレートコードにフレームワークを適用した。
  • デスクトップマシン上でPyMatchingを評価し、現実のデコーディング性能を推定し、OS干渉などのボトルネックを同定した。
  • 数値シミュレーションを用いて、線形時間、2次時間、即時デコーダーを、異なる論理ゲート数の下で比較した。
Figure 1: State injection circuit for the implementation of a $T$ gate. Assume that we can prepare a $T$ state $|{T}\rangle=\frac{1}{\sqrt{2}}(|{0}\rangle+e^{i\pi/4}|{1}\rangle)$ on the bottom qubit. Then, we can apply a $T$ gate on the top qubit using only Clifford operations. The gate $S$ is appli
Figure 1: State injection circuit for the implementation of a $T$ gate. Assume that we can prepare a $T$ state $|{T}\rangle=\frac{1}{\sqrt{2}}(|{0}\rangle+e^{i\pi/4}|{1}\rangle)$ on the bottom qubit. Then, we can apply a $T$ gate on the top qubit using only Clifford operations. The gate $S$ is appli

実験結果

リサーチクエスチョン

  • RQ1耐障害性量子計算において、時間的コストを最小化するためのデコーダーの最適な停止タイミングは何か？
  • RQ2デコーディング遅延は、スレートコードアーキテクチャにおける論理エラー率とリソースコストにどのように影響するか？
  • RQ3与えられた論理的Tゲート数に対して、速度と正確性の最良なトレードオフを実現するデコーダーはどれか？
  • RQ4現存するデコーディングソフトウェア（例：PyMatching）は、現実のハードウェア制約下でも大規模な量子計算にスケーリング可能か？
  • RQ5OS干渉や計算アーキテクチャなどのハードウェアレベル要因は、デコーダー性能にどのように影響するか？

主な発見

  • デスクトップマシン上で動作するPyMatchingは、物理量子ビットよりも低いエラー率で数千の論理的Tゲートをデコードでき、中規模計算における実用的妥当性を示している。
  • 論理ゲート数が10⁵を超えると、PyMatchingのデコーディング遅延が制限要因となり、停止中の量子ビットのエラー蓄積により論理的障害率が上昇する。
  • 小規模なゲート数では、線形時間デコーダーの時間的コストは2次時間デコーダーの4倍にのぼるが、大規模計算では80％安価になる。
  • 最適なデコーダーは論理的Tゲート数に対して単調でない関係を示し、デコーダー選択は状況に強く依存する。
  • PyMatchingの実行時間のばらつきは、オペレーティングシステムの干渉によって顕著に影響を受けるため、専用ハードウェアを用いることで安定性と性能が向上すると予想される。
  • 将来のハードウェア加速（例：FPGAやASIC）や事前デコーディング技術（例：BPやラジオデコーディング）による改善により、デコーディング遅延を低減し、より大規模な耐障害性計算が可能になるだろう。
Figure 2: (a) Runtime distribution of PyMatching estimated using $10^{9}$ decoding trials for a distance-29 surface code with $d$ rounds of syndrome extraction on a desktop computer with an Intel Xeon CPU E5-2620 v4 @2.1Ghz processor with 64Gb of memory. We use Stim [ 23 ] to sample circuit faults a
Figure 2: (a) Runtime distribution of PyMatching estimated using $10^{9}$ decoding trials for a distance-29 surface code with $d$ rounds of syndrome extraction on a desktop computer with an Intel Xeon CPU E5-2620 v4 @2.1Ghz processor with 64Gb of memory. We use Stim [ 23 ] to sample circuit faults a

より良い研究を、今すぐ始めましょう

論文の読解から最終レビューまで、研究時間を劇的に削減しましょう。

クレジットカード登録不要

このレビューはAIが作成し、人間の編集者が確認しました。