[論文レビュー] Tensor Network Decoding Beyond 2D

Christophe Piveteau, Christopher T. Chubb+1 more|arXiv (Cornell University)|Oct 16, 2023

Quantum Computing Algorithms and Architecture被引用数 1

ひとこと要約

本稿は、3次元量子符号および回路レベルのノイズを想定したテンソルネットワークデコーディングフレームワークを提案する。従来の2次元テンソルネットワークデコーダーを拡張し、生成子図と検出器図を用いて論理的誤り確率を3次元テンソルネットワークとして定式化することで、3次元スケーリング符号において近似的最適なデコーディング精度を達成した。デポラライジングノイズ下での点誤りおよびループ誤りにおいて、最先端のデコーダーを上回る性能を示した。

ABSTRACT

Decoding algorithms based on approximate tensor network contraction have proven tremendously successful in decoding 2D local quantum codes such as surface/toric codes and color codes, effectively achieving optimal decoding accuracy. In this work, we introduce several techniques to generalize tensor network decoding to higher dimensions so that it can be applied to 3D codes as well as 2D codes with noisy syndrome measurements (phenomenological noise or circuit-level noise). The three-dimensional case is significantly more challenging than 2D, as the involved approximate tensor contraction is dramatically less well-behaved than its 2D counterpart. Nonetheless, we numerically demonstrate that the decoding accuracy of our approach outperforms state-of-the-art decoders on the 3D surface code, both in the point and loop sectors, as well as for depolarizing noise. Our techniques could prove useful in near-term experimental demonstrations of quantum error correction, when decoding is to be performed offline and accuracy is of utmost importance. To this end, we show how tensor network decoding can be applied to circuit-level noise and demonstrate that it outperforms the matching decoder on the rotated surface code. Our code is available at https://github.com/ChriPiv/tndecoder3d

研究の動機と目的

• 3次元量子符号および回路レベルのノイズに対する正確で近似的最適なデコーダーの不足に取り組み、近い将来の量子誤り訂正実験に不可欠である。
• 3次元テンソルネットワークの近似的縮約において、数値的不安定性と標準形の欠如が2次元と比較して信頼性の低い近似的縮約を妨げることを克服する。
• 2次元を超えるテンソルネットワークデコーディングを実現するため、安定化子符号における論理的誤り確率計算に向け、二重表現（生成子図と検出器図）を導入する。
• 現実的なノイズモデル、特に繰り返しのシンドローム測定と回路レベルのノイズが自然に3次元構造を生じさせる状況に、テンソルネットワークデコーディングを適用可能であることを示す。
• デポラライジングノイズ下およびノイズのあるシンドローム測定を伴う状況において、3次元スケーリング符号で最適に近いデコーディング精度を達成する。従来のテンソルネットワーク手法では適用不可能であった。

提案手法

• 論理的誤り確率を2つのテンソルネットワーク表現、すなわち生成子図（安定化子補正の和）と検出器図（シンドロームおよび論理的演算子に適合する誤りパターンの和）を用いて定式化する。
• コードの幾何構造とノイズ相関を反映したネットワーク構造を持つ3次元テンソルネットワークを構築し、その縮約が与えられたシンドローム下での論理的誤り確率を導くようにする。
• 単純更新法を用いた適応的切り捨てを伴うMPSベースの縮約を適用し、縮約中の結合次元の増大を制御するための「スナキング」技術を用いる。
• 計算コストを管理しながらも精度を保持するため、事前圧縮ステップとしてテンソル分割と結合次元の低減を実装する。
• 単純更新法では最大で20、分割法では最大で14の最大結合次元を用い、コード距離d = 5からd = 7の範囲で調整を行う。
• 回転表面符号における繰り返しのシンドローム測定を含む、3次元表面符号および回路レベルのノイズモデルの両方に対してフレームワークを適用する。

実験結果

リサーチクエスチョン

• RQ1 近似的縮約が2次元と比べて著しく不安定である3次元量子符号において、テンソルネットワークデコーディングを一般化できるか？
• RQ2 3次元テンソルネットワークにおいて、数値的安定性と縮約効率の観点から、検出器図表現は生成子図表現を上回る利点を有するか？
• RQ3 デポラライジングノイズ下およびノイズのあるシンドローム測定を伴う状況において、テンソルネットワークデコーディングは3次元スケーリング符号で近似的最適な精度に到達できるか？
• RQ4 マッチングベースのデコーダーが対応できない複雑な3次元テンソルネットワーク構造を生じる回路レベルのノイズに対して、テンソルネットワークデコーディングは実用的か？
• RQ5 提案された3次元テンソルネットワークデコーダーの性能は、現実的なノイズ状況下で、マッチングやベリーフマッチングといった最先端のデコーダーと比較してどうなるか？

主な発見

• 提案された3次元テンソルネットワークデコーダーは、回路レベルのノイズ下における回転表面符号において、最先端のマッチングデコーダーを上回り、現実的なノイズモデルへの適用可能性を示した。
• 3次元表面符号において、デポラライジングノイズ下の点誤りおよびループ誤りの両領域で、既存の手法よりも高いデコーディング精度を達成した。
• 検出器図テンソルネットワークは、生成子図よりも数値的により安定しており、特にデポラライジングノイズ下で収縮が容易である。
• コード距離d = 7まで高い精度を維持したが、d = 11では3次元PEPSネットワークに標準形がないため、数値的問題が生じた。
• 適応的切り捨てを伴う単純更新法は、収束がゲージ固定手順で遅いものの、検証された手法の中で最高の精度対速度比を達成した。
• フレームワークは一般性を有し、任意の安定化子符号に適用可能であり、幾何的に構造化された3次元符号および複雑な回路レベルのノイズモデルの両方で成功を収めた。