[论文解读] Improved decoding of circuit noise and fragile boundaries of tailored surface codes

Oscar Higgott, Thomas C. Bohdanowicz+3 more|arXiv (Cornell University)|Mar 9, 2022

Quantum Computing Algorithms and Architecture被引用 10

一句话总结

本文提出了两种快速且精确的表面码解码器——belief-matching 和 belief-find，它们利用置信传播来利用完整的电路级噪声信息，包括由 Y 门引起的 X 和 Z 错误之间的相关性。这两种解码器实现了 0.94% 的表面码阈值错误概率，显著优于标准最小权重完美匹配解码器的 0.82% 阈值。

ABSTRACT

Realizing the full potential of quantum computation requires quantum error correction (QEC), with most recent breakthrough demonstrations of QEC using the surface code. QEC codes use multiple noisy physical qubits to encode information in fewer logical qubits, enabling the identification of errors through a decoding process. This process increases the logical fidelity (or accuracy) making the computation more reliable. However, most fast (efficient runtime) decoders neglect important noise characteristics, thereby reducing their accuracy. In this work, we introduce decoders that are both fast and accurate, and can be used with a wide class of QEC codes including the surface code. Our decoders, named belief-matching and belief-find, exploit all noise information and thereby unlock higher accuracy demonstrations of QEC. Using the surface code threshold as a performance metric, we observe a threshold at 0.94\% error probability for our decoders, outperforming the 0.82\% threshold for a standard minimum-weight perfect matching decoder. We also tested our belief-matching decoders in a theoretical case study of codes tailored to a biased noise model. We find that the decoders led to a much higher threshold and lower qubit overhead in the tailored surface code with respect to the standard, square surface code. Surprisingly, in the well-below threshold regime, the rectangular surface code becomes more resource-efficient than the tailored surface code, due to a previously unnoticed phenomenon that we call "fragile boundaries". Our decoders outperform all other fast decoders in terms of threshold and accuracy, enabling better results in current quantum error correction experiments and opening up new areas for theoretical case studies.

研究动机与目标

• 弥合快速解码器忽略关键噪声特性与高精度解码器因计算成本过高而难以实用化之间的差距。
• 开发兼具计算效率与完整电路级噪声建模能力的解码器，包括由 Y 门引起的 X 和 Z 错误之间的相关性。
• 通过支持更高阈值和更低的量子比特开销，提升偏置噪声下定制化表面码的性能。
• 识别并分析一种新型故障机制——“脆弱边界错误”——该机制在低错误率下限制了矩形表面码的优势。
• 通过高效的解码算法，实现对容错量子码更精确的基准测试，尤其是在现实噪声条件下的表现。

提出的方法

• 将置信传播（BP）与最小权重完美匹配（MWPM）或加权并查集（UF）结合，构建混合解码器：belief-matching 和 belief-find。
• 利用 BP 通过消息传递更新对错误位置的先验信念，从而充分利用所有噪声信息，包括由 Y 门引起的超边。
• 当 BP 无法收敛时回退至 MWPM 或 UF，确保收敛性，同时保持速度与精度。
• 完整建模电路级噪声，包括泡利 Y 门错误所引起的 X 和 Z 逻辑错误测量之间的相关性。
• 将解码器应用于偏置噪声下的定制化表面码，如 XY 表面码和 CSS 表面码，通过优化晶格尺寸以降低开销。
• 通过数值模拟，对不同码结构和噪声模型下的阈值与逻辑错误率进行基准测试。

实验结果

研究问题

• RQ1 能否通过整合完整的电路级噪声信息，使快速解码器在精度上超越标准解码器（如 MWPM 或 UF）？
• RQ2 由 Y 门引起的 X 和 Z 错误之间的相关性对表面码解码器性能有何影响？如何有效建模这种相关性？
• RQ3 在先进算法解码下，定制化表面码（如 XY 表面码）在偏置噪声下的表现如何？其有效阈值是多少？
• RQ4 矩形表面码在低错误率下出现反直觉性能下降的原因是什么？是否可归因于一种新型故障机制？
• RQ5 belief-matching 和 belief-find 在现实噪声条件下，能在多大程度上降低容错量子计算中的量子比特开销？

主要发现

• belief-matching 和 belief-find 解码器实现了 0.94% 的表面码错误概率阈值，显著高于标准最小权重完美匹配（MWPM）解码器的 0.82% 阈值。
• 通过使用置信传播处理超边，解码器能有效建模由 Y 门引起的 X 和 Z 错误之间的相关性，其精度高于忽略此类相关性的解码器。
• 在偏置噪声条件下，经过优化的矩形几何结构的 XY 表面码阈值高于标准正方形表面码，但这一优势存在上限。
• 一种此前未被报道的现象——“脆弱边界错误”——在低错误率下主导了矩形表面码的逻辑故障，其特征为 O(√n) 个 Z 错误和 O(1) 个 X 或 Y 错误。
• 在远低于阈值的区域，由于脆弱边界错误降低了其有效性能，矩形表面码的资源效率反而高于定制化的 XY 表面码。
• 在阈值和精度方面，这两种解码器优于所有其他快速解码器，使其在当前量子纠错实验中表现更优，并为定制码的理论研究开辟了新方向。