[논문 리뷰] Distance-Finding Algorithms for Quantum Codes and Circuits

Mark Webster, Avi Jacob외 1명|arXiv (Cornell University)|2026. 03. 23.

Quantum Computing Algorithms and Architecture인용 수 0

한 줄 요약

본 논문은 고전 코드, 양자 코드 및 양자 회로에 대한 다양한 거리 탐색 방법을 벤치마크하고, 정확한 방법과 휴리스틱 방법을 비교하며, 커뮤니티 사용을 위한 오픈 소스 파이썬 패키지(codeDistance)를 제공한다.

ABSTRACT

The distance of a classical or quantum code is a key figure of merit which reflects its capacity to detect errors. Quantum LDPC code families have considerable promise in reducing the overhead required for fault-tolerant quantum computation, but calculating their distance is challenging with existing methods. We generally assess the performance of a quantum code under circuit level error models, and for such scenarios the circuit distance is an important consideration. Calculating circuit distance is in general more difficult than finding the distance of the corresponding code as the detector error matrix of the circuit is usually much larger than the code's check matrix. In this work, we benchmark a wide range of distance-finding methods for various classical and quantum code families, as well as syndrome-extraction circuits. We consider both exact methods (such as Brouwer-Zimmermann, connected cluster, SAT and mixed integer programming) and heuristic methods which have lower run-time but can only give a bound on distance (examples include random information set, syndrome decoder algorithms, and Stim undetectable error methods). We further develop the QDistEvol algorithm and show that it performs well for the quantum LDPC codes in our benchmark. The algorithms and test data have been made available to the community in the codeDistance Python package.

연구 동기 및 목표

• 양자 오류 수정에 대한 핵심 지표로서의 거리와 회로 수준의 함의를 동기 부여한다.
• 고전, 양자 및 회로 설정에 걸친 광범위한 거리 탐색 알고리즘을 벤치마크하고 평가한다.
• 데이터 세트, 코드 계열 및 오류 모델에 따라 거리 탐색 방법 선택에 대한 실용적 권고를 식별한다.
• 거리 탐색 연구와 코드 평가를 촉진하기 위해 커뮤니티에 오픈 소스 도구 키트를 제공한다.

제안 방법

• 거리 탐색 방법을 exact 알고리즘(예: Brouwer–Zimmermann, MIP-SCIP, CLISAT, m4riCC, Magma)과 휴리스틱 알고리즘(QDistRnd, QDistEvol, BP-OSD, Stim 기반 방법 등)으로 분류한다.
• 양자 안정화 코드들을 이진 선형 코드로 매핑하기 위해 이중 블록, 삼중 블록, 사중 블록 표현을 사용하여 거리 계산을 가능하게 한다.
• 감지기 오류 모델(DEMs) 및 Stim 회로 표현을 통해 양자 회로의 거리 탐색을 구성하고, 회로 거리와 코드 거리를 연결한다.
• 고전 코드, 양자 코드 및 증상 추출 회로의 다양한 데이터 세트에 걸친 벤치마크 방법론을 제시하고 정확도 및 실행 시간 고려사항을 보고한다.
• 정확한 거리의 NP-완전성 및 정확성과 확장성 사이의 실용적 트레이드오프를 논의한다.

Figure 1 : Benchmarking of Meet-in-the-Middle and Brouwer-Zimmermann algorithms for hyperbolic surface codes. We benchmark against m4riCC which is the fastest exact algorithm for the dataset. Note that the QubitserfMM algorithm gave results for codes up to $n=96$ and QubitserfBZ up to $n=168$

실험 결과

연구 질문

• RQ1 고전, 양자 및 회로 설정에서 정확한 거리 탐색 방법과 휴리스틱 거리 탐색 방법의 상대적 성능 특성(정확도와 실행 시간)은 무엇인가?
• RQ2 두 블록, 삼중 블록, 네 블록 표현이 양자 코드의 거리 탐색의 효율성과 정확도에 어떤 영향을 미치는가?
• RQ3 특히 QDistEvol이 양자 LDPC 코드와 회로의 거리의 신뢰 가능한 하한이나 근사치를 제공할 수 있는가?
• RQ4 다양한 코드 계열 및 회로 모델에 대해 거리 탐색 알고리즘을 선택하기 위한 실용적 권고는 무엇인가?
• RQ5 회로 거리 분석이 증상 추출 회로 및 감지기 오류 모델의 맥락에서 코드 거리 경계와 어떻게 관련되는가?

주요 결과

• QDistEvol은 벤치마크된 양자 LDPC 코드 데이터 세트에서 다른 휴리스틱 알고리즘보다 현저히 높은 정확도를 보여준다.
• 정확한 방법(예: Brouwer–Zimmermann, MIP-SCIP)과 특정 SAT/클러스터 접근법은 정확한 거리를 산출하지만 실행 시간이 더 길어 단일 코드 분석에 적합하다.
• 블록 표현 선택과 구현 세부사항(예: Four Russians, 언어 구현)이 성능과 확장성에 크게 영향을 미친다.
• 연구는 데이터 세트의 큐레이션과 코드와 검출기/관찰 행렬 간의 참고 맵핑을 제공하여 다양한 맥락에서 거리 탐색을 촉진한다.
• 오픈 소스 codeDistance 파이썬 패키지는 커뮤니티 사용 및 재현성을 위해 래퍼와 새로운 구현을 통합한다.
• 이 연구는 거리 탐색이 전체 회로 수준 시뮬레이션과 실험 벤치마킹을 대체하기보다는 보완한다는 점을 강조한다.

(a) Sensitivity to Number of Generations