[논문 리뷰] PyMatching: A Python package for decoding quantum codes with minimum-weight perfect matching

Oscar Higgott|arXiv (Cornell University)|2021. 05. 27.

Quantum Computing Algorithms and Architecture인용 수 12

한 줄 요약

PyMatching는 최소 무게 완전 매칭(MWPM)을 사용하여 양자 오류 수정 코드를 디코딩하는 빠르고 오픈소스인 파이썬 패키지입니다. 이 패키지는 계산 복잡도를 약 제곱근만큼 감소시키면서도 정확한 MWPM와 거의 동일한 디코딩 성능을 유지하는 새로운 국소 매칭 변종을 특징으로 합니다. 이는 가중치 있는 간선, 후크 오류, 측정 노이즈 및 경계 조건을 단순한 파이썬 인터페이스를 통해 지원함으로써 고장 내성 양자 계산의 효율적 시뮬레이션을 가능하게 합니다.

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.

연구 동기 및 목표

• 최소 무게 완전 매칭(MWPM)을 사용하여 고성능이며 일반적인 목적의 디코더를 개발하기 위해.
• MWPM 디코딩의 계산 복잡도를 디코딩 성능을 희생하지 않고 감소시키기 위해.
• 특정 코드인 토릭 코드나 서피스 코드 외의 다양한 노이즈 모델과 코드 구조를 지원하는 유연한 오픈소스 파이썬 패키지를 제공하기 위해.
• 회로 수준의 노이즈와 고장 내성 양자 계산 워크플로우를 효율적으로 시뮬레이션할 수 있도록 하기 위해.
• 가중치 간선, 후크 오류, 경계 조건, 반복적인 심플럼 측정을 지원하는 사용자 友好的 인터페이스를 제공하기 위해.

제안 방법

• C++ 기반 최적화를 통해 Blossom V 알고리즘을 이용한 표준 MWPM 디코더를 구현하고, 파이썬 인터페이스를 통해 노출하기 위해.
• 각 심플럼 결함이 국소 주변부 내의 가장 가까운 이웃들만 매칭할 수 있도록 제한하는 '국소 매칭'을 도입하기 위해.
• 매칭 그래프 내에서 최단 경로 계산을 위해 다익스트라 알고리즘을 사용하며, `num_neighbours` 매개변수를 통해 구성 가능한 주변부 크기를 제공하기 위해.
• 오차 확률에 기반한 로그-가능도 가중치를 간선에 할당하여 가중치 간선을 지원함으로써 확률적 노이즈 모델링을 가능하게 하기 위해.
• 복잡한 오차 구조(예: 후크 오류 및 경계 노드)를 모델링하기 위해 네트워크X 그래프에서 직접 매칭 그래프를 구성할 수 있도록 하기 위해.
• 홀수 기수 심플럼을 경계 간선 매칭(무게 0)을 통해 수정할 수 있도록 하여 반복적인 심플럼 측정과 경계 노드를 시뮬레이션할 수 있도록 하기 위해.

실험 결과

연구 질문

• RQ1 국소 매칭 변종이 정확한 MWPM와 거의 동일한 디코딩 성능을 유지하면서도 계산 비용을 크게 감소시킬 수 있는가?
• RQ2 PyMatching의 성능는 NetworkX나 Blossom V를 사용한 기존 MWPM 구현체와 비교해 속도 및 메모리 사용 측면에서 어떻게 다른가?
• RQ3 PyMatching는 가중치 간선, 후크 오류, 측정 오류를 포함한 복잡한 노이즈 모델을 통합적이고 효율적인 프레임워크에서 얼마나 잘 처리할 수 있는가?
• RQ4 PyMatching는 코드의 구조나 노이즈 모델에 관계없이 MWPM에 적합한 모든 양자 코드를 위한 일반 목적의 도구로 사용될 수 있는가?
• RQ5 국소 매칭에서 주변부 크기를 변화시킬 경우 디코딩 성능와 계산 복잡도에 어떤 영향을 미치는가?

주요 결과

• PyMatching의 국소 매칭은 정확한 MWPM에 비해 계산 복잡도를 약 제곱근만큼 감소시키면서도 디코딩 성능는 정확한 MWPM 알고리즘과 거의 동일하게 유지합니다.
• PyMatching의 국소 매칭 구현은 오차 수정 시뮬레이션에서 일반적으로 사용되는 대규모 매칭 그래프에 대해 NetworkX나 Blossom V를 사용한 구현체에 비해 수 개의 주기만큼 더 빠릅니다.
• 이 패키지는 가중치 간선, 후크 오류(단일 간선이 다수의 큐비트 오류를 나타냄) 및 경계 노드를 지원하여 회로 수준의 노이즈와 측정 오류를 정확하게 모델링할 수 있습니다.
• PyMatching는 간선에 오차 확률을 할당하고 `add_noise()` 메서드를 사용하여 심플럼 결과를 생성함으로써 확률적 노이즈 모델을 시뮬레이션할 수 있습니다.
• 경계 노드의 사용은 홀수 기수 심플럼을 한 개의 경계 노드를 뒤집음으로써 수정할 수 있도록 하여 항상 완전 매칭이 존재하도록 보장합니다.
• PyMatching는 Apache 2.0 라이선스 하에 배포되며, GitHub와 Read the Docs에서 오픈소스 코드와 포괄적인 문서를 제공합니다.