[論文レビュー] PyMatching: A Python package for decoding quantum codes with minimum-weight perfect matching

Oscar Higgott|arXiv (Cornell University)|May 27, 2021

Quantum Computing Algorithms and Architecture被引用数 12

ひとこと要約

PyMatching は、最小重み完全マッチング (MWPM) を用いた量子エラー訂正符号のデコードを高速に実行するオープンソースの Python パッケージであり、計算複雑性を約平方的に低減するが、正確な MWPM とほぼ同一のデコード性能を維持する新しいローカルマッチングのバリエーションを特徴としている。重み付きエッジ、フックエラー、測定ノイズ、境界条件をサポートするシンプルな Python インターフェースにより、フェイルセーフ量子計算の効率的なシミュレーションが可能である。

ABSTRACT

This paper introduces PyMatching, a fast open-source Python package for decoding quantum error-correcting codes with the minimum-weight perfect matching (MWPM) algorithm. PyMatching includes the standard MWPM decoder as well as a variant, which we call local matching, that restricts each syndrome defect to be matched to another defect within a local neighbourhood. The decoding performance of local matching is almost identical to that of the standard MWPM decoder in practice, while reducing the computational complexity approximately quadratically. We benchmark the performance of PyMatching, showing that local matching is several orders of magnitude faster than implementations of the full MWPM algorithm using NetworkX or Blossom V for problem sizes typically considered in error correction simulations. PyMatching and its dependencies are open-source, and it can be used to decode any quantum code for which syndrome defects come in pairs using a simple Python interface. PyMatching supports the use of weighted edges, hook errors, boundaries and measurement errors, enabling fast decoding and simulation of fault-tolerant quantum computing.

研究の動機と目的

• 最小重み完全マッチング (MWPM) を用いた、高性能で汎用的な量子エラー訂正符号用デコーダーの開発。
• デコード性能を損なわずに MWPM デコードの計算複雑性を低減すること。
• 特定の符号（トーリック符号やサーフェス符号など）に限定されない、多様なノイズモデルや符号構造をサポートする、柔軟でオープンソースの Python パッケージの提供。
• 回路レベルのノイズとフェイルセーフ量子計算ワークフローの効率的シミュレーションを可能にすること。
• 重み付きエッジ、フックエラー、境界、繰り返しのシンディーム測定をサポートするユーザーフレンドリーなインターフェースの提供。

提案手法

• C++ による最適化を経て C++ ベースの Blossom V アルゴリズムを用いて標準的な MWPM デコーダーを実装し、Python インターフェースで公開。
• 各シンディーム欠陥を局所的な近隣領域内の隣接ノードのみにマッチングする制限を課す「ローカルマッチング」というバリエーションを導入。
• マッチンググラフ内の最短経路計算にダイクストラ法を用い、`num_neighbours` パrameter を介して局所的領域のサイズを設定可能に。
• エッジのエラー確率に基づいて対数尤度重みを割り当てることで、重み付きエッジをサポートし、確率的ノイズモデルを可能に。
• NetworkX のグラフから直接マッチンググラフを構築できるようにし、フックエラー や境界ノードを含む複雑なエラー構造をモデル化可能に。
• 奇数パリティのシンディームを境界エッジとのマッチング（重み0）により補正できるようにすることで、繰り返しのシンディーム測定と境界ノードのシミュレーションを可能に。

実験結果

リサーチクエスチョン

• RQ1 ローカルマッチングのバリエーションは、正確な MWPM とほぼ同一のデコード性能を維持しつつ、計算コストを著しく低減できるか？
• RQ2 PyMatching の実装は、NetworkX や Blossom V を用いた既存の MWPM 実装と比較して、速度とメモリ使用量の面でどの程度優れているか？
• RQ3 PyMatching は、重み付きエッジ、フックエラー、測定ノイズといった複雑なノイズモデルを、統合的かつ効率的なフレームワークでどの程度処理できるか？
• RQ4 PyMatching は、符号構造やノイズモデルに依存せず、MWPM が適用可能な任意の量子符号のデコードに汎用的に使用可能か？
• RQ5 ローカルマッチングにおける近隣領域サイズの変更が、デコード性能と計算複雑性に与える影響は何か？

主な発見

• PyMatching のローカルマッチングは、正確な MWPM と比較して計算複雑性を約平方的に低減しつつ、デコード性能はほぼ同一の水準を維持している。
• PyMatching のローカルマッチング実装は、エラー訂正シミュレーションで一般的に用いられる大規模なマッチンググラフにおいて、NetworkX や Blossom V を用いた実装と比較して数個のオーダーも高速である。
• 本パッケージは、重み付きエッジ、フックエラー（1つのエッジが複数のキュービットエラーに対応）および境界ノードをサポートしており、回路レベルのノイズと測定エラーの正確なモデル化が可能である。
• エッジにエラー確率を割り当て、`add_noise()` メソッドを用いることで、確率的ノイズモデルのシミュレーションが可能である。
• 境界ノードの使用により、奇数パリティのシンディームを1つの境界ノードの反転で補正でき、常に完全マッチングが存在することを保証する。
• PyMatching は Apache 2.0 ライセンスで配布されており、GitHub および Read the Docs でオープンソースのコードと包括的なドキュメントを公開している。