[论文解读] Branching MERA codes: a natural extension of polar codes

Andrew J. Ferris, David Poulin|arXiv (Cornell University)|Dec 16, 2013

Quantum Computing Algorithms and Architecture参考文献 18被引用 8

一句话总结

本文提出分支MERA码，这是一种基于量子多体物理中可收缩张量网络的新型纠错码，对极化码进行了推广。通过将编码电路重构为分支MERA张量网络，该方法在仅使解码复杂度略微增加（约为极化码的两倍）的情况下，实现了更强的信道极化和更优的纠错性能，同时通过逐次消除法保持了对数线性解码复杂度。

ABSTRACT

We introduce a new class of circuits for constructing efficiently decodable error-correction codes, based on a recently discovered contractible tensor network. We perform an in-depth study of a particular example that can be thought of as an extension to Arikan's polar code. Notably, our numerical simulation show that this code polarizes the logical channels more strongly while retaining the log-linear decoding complexity using the successive cancellation decoder. These codes also display improved error-correcting capability with only a minor impact on decoding complexity. Efficient decoding is realized using powerful graphical calculus tools developed in the field of quantum many-body physics. In a companion paper, we generalize our construction to the quantum setting and describe more in-depth the relation between classical and quantum error correction and the graphical calculus of tensor networks.

研究动机与目标

• 开发一类新型高效可解码的纠错码，以扩展Arikan极化码的结构与性能。
• 利用张量网络的图形演算——特别是可收缩的分支MERA网络——重新表述并改进解码过程。
• 证明该新码结构可实现比标准极化码更强的信道极化和更优的有限块长纠错性能。
• 建立张量网络收缩与逐次消除解码之间的正式联系，以实现高效计算。

提出的方法

• 将编码电路重述为张量网络（TN），其中每个CNOT门表示为一个秩-4张量，其指标对应于输入和输出比特。
• 将解码问题重述为张量网络收缩，通过顺序收缩计算给定信道输出下数据比特配置的概率。
• 分支MERA结构引入了一种具有更高连通性的分层树状张量网络，相比标准极化码电路，能实现更有效的信道极化。
• 通过从右到左的顺序收缩网络实现逐次消除解码，利用先前已解码比特的知识。
• 通过优化收缩顺序管理网络的树宽，最小化中间张量的秩，从而保持对数线性复杂度。
• 通过数值仿真在二元擦除、比特翻转和加性高斯白噪声信道上评估性能，并与标准极化码进行比较。

实验结果

研究问题

• RQ1 能否利用量子多体物理中的张量网络结构设计出性能更优的新经典纠错码？
• RQ2 分支MERA架构是否能实现比标准极化码结构更强的信道极化？
• RQ3 在提升纠错能力的同时，新码在多大程度上保持了低解码复杂度？
• RQ4 网络中综合信息的分布如何影响逐次消除解码的性能？
• RQ5 张量网络框架能否推广到其他码族和解码算法？

主要发现

• 分支MERA码表现出比标准极化码更强的信道极化，导致误码率曲线在性能优劣之间出现更尖锐的过渡。
• 在二元擦除信道中，分支MERA码在相同码率和块长下表现出更低的误码地板和更优的低误码率区域性能提升。
• 在比特翻转信道中，分支MERA码表现出更强的抗噪声能力，且在更低误码率下性能差距进一步扩大。
• 该码保持了对数线性解码复杂度，计算量约为极化码的两倍，被认为属于可接受的轻微开销。
• 对小规模码进行最大似然解码仿真显示，其性能显著接近信道容量，远优于逐次消除解码，表明解码策略仍有改进空间。
• 性能提升归因于综合信息在张量网络一侧更紧密地聚集，从而增强了早期阶段逐次消除解码可利用的信息量。