[论文解读] Simple, Efficient, and Generic Post-Selection Decoding for qLDPC codes

Haipeng Xie, Nobuyuki Yoshioka+2 more|arXiv (Cornell University)|Jan 25, 2026

Quantum Computing Algorithms and Architecture被引用 0

一句话总结

该论文提出参数重加权（argument reweighting），一种通用的后筛解码策略，用于提升 qLDPC 码的最大似然型解码器（如 MWPM 和 BP）的性能，在多种码族和解码器下，在相对较小的拒绝率下实现显著降低的逻辑错误率。

ABSTRACT

Quantum error correction is indispensable for scalable quantum computation. Although encoding logical qubits substantially enhances noise resilience, achieving logical error rates low enough for practical algorithms remains challenging on existing hardware. Here we introduce argument reweighting, a simple and broadly applicable post-selection decoding strategy that boosts the performance of maximum-likelihood-type decoders, including minimum-weight perfect matching and belief-propagation families. The method suppresses logical errors by performing additional decoding rounds under reweighted error models, enabling acceptance of high-confidence syndrome outcomes. Circuit-level simulations across multiple decoders and qLDPC codes show that argument reweighting substantially suppresses logical errors, requiring a rejection rate of only $1.44 imes10^{-5}$ to reduce the logical error rate by almost two orders of magnitude for the $[[144,12,12]]$ bivariate bicycle code. These results establish argument reweighting as a practical and resource-efficient approach for enhancing quantum fault tolerance.

研究动机与目标

• 在资源开销最小的前提下，推动量子错误纠正中的逻辑错误减少。
• 提出可广泛兼容的后筛选方案，适用于常见解码器与 qLDPC 码。
• 提供电路级仿真，显示相较于现有后筛选方法的效率提升。
• 证明与滑动窗口解码的兼容性，便于实际容错操作。

提出的方法

• 用错误模型 M 与观测综合征 s 定义最大似然解码。
• 在重新加权的误差模型 M′ 下进行第二轮解码，以抑制第一轮纠错 c（比值测试或间隙测试）。
• 基于物理误差标准（PEC）或逻辑误差标准（2R-LEC、3R-LEC）进行接受或拒绝。
• 给出明确的重加权规则：对 q∈c 的 p′(q)=p(q)^{b}（比值测试变体）以及 p′(q)=e^{−b}p(q)（间隙测试变体）。
• 将重加权应用于 MWPM 与 BP 型解码器（MWPM、BP-OSD、BP-LSD、Relay-BP），覆盖旋转表面码与 BB 码。
• 解释 2R-LEC 与 3R-LEC 如何通过多轮来提升接受置信度和逻辑误差抑制效果。

实验结果

研究问题

• RQ1 如何使后筛解码在不同解码器（MWPM 与 BP 变体）及码（旋转表面码与 qLDPC BB 码）中具有广泛的兼容性？
• RQ2 在不同码族与解码器下，参数重加权在低至中等拒绝率时对逻辑错误率的降低程度有多大？
• RQ3 增加重加权轮数时，实际权衡（运行时间、拒绝率）有哪些？
• RQ4 该方法如何与滑动窗口解码在实际容错操作中集成？

主要发现

• 参数重加权在抑制逻辑错误方面具有一致性，在适度的拒绝率下实现最高达两个数量级的降低。
• 对于 [[144,12,12]] BB 码与 BP-OSD（Relay-BP），在 12 轮后，逻辑错误率从 9.08×10^−7 降至 1.41×10^−8，拒绝率为 1.44×10^−5。
• 在低拒绝率区间，3R-LEC 在解码器与码之间普遍提供了逻辑错误抑制与拒绝率之间的最佳折中。
• 该方法与滑动窗口解码保持兼容，并可与多种解码器配合使用，包括 MWPM 与多种 BP 变体。
• 与其他后筛选策略（ECS、CW、DD）相比，3R-LEC 在 BB 码上实现了在相似或更强的逻辑错误抑制下的更低拒绝率。