[논문 리뷰] Quantum Maxwell Erasure Decoder for qLDPC codes

Bruno Costa Alves Freire, François-Marie Le Régent외 1명|arXiv (Cornell University)|2026. 01. 15.

Quantum Computing Algorithms and Architecture인용 수 1

한 줄 요약

CSS qLDPC 코드용 양자 Maxwell 소거 디코더가 peeling에 기호 추정을 확장하여 추정 예산 G_max를 통해 선형 시간 디코딩과 최대우도(ML) 성능 간의 조정 가능한 트레이드오프를 가능하게 한다.

ABSTRACT

We introduce a quantum Maxwell erasure decoder for CSS quantum low-density parity-check (qLDPC) codes that extends peeling with bounded guessing. Guesses are tracked symbolically and can be eliminated by restrictive checks, giving a tunable tradeoff between complexity and performance via a guessing budget: an unconstrained budget recovers Maximum-Likelihood (ML) performance, while a constant budget yields linear-time decoding and approximates ML. We provide theoretical guarantees on asymptotic performance and demonstrate strong performance on bivariate bicycle and quantum Tanner codes.

연구 동기 및 목표

• 양자 오류 허용에서 CSS qLDPC 코드에 대한 빠르고 확장 가능한 소거 디코딩의 필요성을 촉진한다.
• peeling 기반 디코딩에 기호 추정과 제한 검사(symbolic guessing and restriction checks)를 포함하도록 확장한다.
• 조정 가능한 추정 예산을 갖춘 복잡도 보장 및 점근적 성능 분석을 제공한다.
• BB 코드와 quantum Tanner 코드에서 디코더 성능을 시연한다.

제안 방법

• 소거 채널에서 CSS 코드에 대한 양자 소거 디코딩 문제에 peeling을 적용한다.
• peeling이 중단될 때 추 guesses를 추가하는 Maxwell 유사 접근법을 도입하고, 피벗에 대한 아핀 형태로 기호적으로 추적한다.
• 복잡도를 제한하고 명시적 성능-복잡도 트레이드오프를 가능하게 하기 위해 활성 추정 예산 G_max를 유지한다.
• 모든 메시지를 피벗 집합의 아핀 형태로 표현하고, 제한적 검사로 추정을 보상하기 위해 피벗 디멈션(pivot demotion)을 수행한다.
• X 및 Z 구성 요소를 각각 H_Z 및 H_X를 사용하여 MaxwellPeel로 독립적으로 디코딩하고, 그 결과를 결합한다.

실험 결과

연구 질문

• RQ1 peeling 기반 소거 디코딩을 어떻게 확장하여 qLDPC 코드에서 ML 성능에 조정 가능한 효율적인 방식으로 다가갈 수 있는가?
• RQ2 양자 소거 채널에서 CSS qLDPC 코드에 대한 decoding 복잡도와 오류 성능에 제한된 추정 예산 G_max가 어떤 영향을 미치는가?
• RQ3 추정에 대한 기호적(아핀) 표현이 성능을 유지하면서 추정을 회복하고 보상하는 것을 가능하게 하는가?
• RQ4 소거 채널에서 서로 다른 qLDPC 코드 계열(예: BB 코드, 양자 Tanner 코드)에서 양자 Maxwell 디코더의 성능과 복잡도는 어떻게 스케일링되는가?

주요 결과

• 양자 Maxwell 디코더는 G_max를 변화시켜 peeling과 ML 사이를 보간한다.
• 고정된 G_max 및 한정된 차수에 대해, 기호적 Maxwell 루틴은 O(e d_v d_c G_max^2) 비트 연산으로 실행되며, 즉 소거 수 e에 선형적이다.
• G_max ≥ γ(t)인 경우(여기서 γ(t)는 stopping-set 분포 한계), Maxwell 디코딩은 ML이 교정할 수 있는 소거 패턴에서 성공하여 점근적으로 ML 실패 지수를 보존한다.
• G_max ≥ d − s + 1일 때(d는 CSS 거리이고 s는 stopping 거리일 때), Maxwell 디코딩은 ε → 0에 대해 선도 차수에서 ML 성능과 일치한다(동일한 실패 지수).
• 이변수 bicycle 및 quantum Tanner codes에 대한 수치 결과는 QM 디코딩이 peeling과 ML 사이를 잇고, 적당한 G_max로 거의 최적의 코딩률을 달성하는 한편, cluster decoding에 비해 경쟁력 있는 성능을 제공한다.