[论文解读] Exploiting Degeneracy in Belief Propagation Decoding of Quantum Codes

Kao-Yueh Kuo, Ching–Yi Lai|arXiv (Cornell University)|Apr 28, 2021

Quantum Computing Algorithms and Architecture被引用 4

一句话总结

本文提出了一种记忆增强型信念传播（MBP）算法，这是一种具有记忆效应和抑制性边权重的四元信念传播译码器，通过利用量子码的简并性，显著提升了译码性能。MBP在去极化噪声下对表面码的误码阈值达到16%，对环面码的误码阈值达到17.5%，通过引入记忆机制和自适应步长，提升了高度简并的量子稳定子码的收敛性和纠错能力，显著优于传统BP算法。

ABSTRACT

Quantum information needs to be protected by quantum error-correcting codes due to imperfect physical devices and operations. One would like to have an efficient and high-performance decoding procedure for the class of quantum stabilizer codes. A potential candidate is Pearl's belief propagation (BP), but its performance suffers from the many short cycles inherent in a quantum stabilizer code, especially highly-degenerate codes. A general impression exists that BP is not effective for topological codes. In this paper, we propose a decoding algorithm for quantum codes based on quaternary BP with additional memory effects (called MBP). This MBP is like a recursive neural network with inhibitions between neurons (edges with negative weights), which enhance the perception capability of a network. Moreover, MBP exploits the degeneracy of a quantum code so that the most probable error or its degenerate errors can be found with high probability. The decoding performance is significantly improved over the conventional BP for various quantum codes, including quantum bicycle, hypergraph-product, surface and toric codes. For MBP on the surface and toric codes over depolarizing errors, we observe error thresholds of 16% and 17.5%, respectively.

研究动机与目标

• 为解决传统信念传播（BP）在译码高度简并的量子稳定子码时因短环和缺乏简并性利用而导致的性能不佳问题。
• 开发一种低复杂度、高性能的量子码译码算法，其性能优于标准BP，尤其在表面码和环面码等拓扑码上表现更优。
• 将记忆效应和抑制性权重整合到BP中，以增强收敛性和感知能力，模拟具有自适应步长的递归神经网络结构。
• 实现接近最优的译码性能，且复杂度接近代码长度的线性关系，从而实现对大规模量子码的实际应用。

提出的方法

• 提出记忆增强型信念传播（MBP），一种四元BP变体，通过对数似然比（LLRs）建模误差概率，并利用时变边权重引入记忆机制。
• 提出一种广义能量函数，结合校验满足度（J_S）和与初始信道统计的距离（J_D），将BP表述为对该函数的梯度下降过程。
• 采用由1/α缩放的自适应步长，并在节点间设置固定抑制强度，以稳定消息更新，防止收敛到错误信念。
• 采用类似递归神经网络的结构，引入抑制性边（负权重），以改善信念传播动力学，增强对简并性错误模式的检测能力。
• 采用基于标量的方法，通过方程（10）至（13）的迭代更新，每轮迭代调整边权重以提升收敛性和纠错能力。
• 通过将量子比特分组为独立集合（如环面码中的4量子比特组）实现并行译码，支持完全并行化，实现O(1)译码时间。

实验结果

研究问题

• RQ1 信念传播中的记忆效应和抑制性权重是否能显著提升高度简并的量子稳定子码的译码性能？
• RQ2 通过四元BP框架利用码的简并性，能否在纠错能力上超越传统BP？
• RQ3 在去极化噪声下，所提出的MBP译码器在表面码和环面码上的可实现误码阈值是多少？
• RQ4 所提出的MBP能否在保持高性能的同时实现近似线性复杂度，尤其在Tanner图中存在短环的情况下？
• RQ5 如何设计自适应步长和边权重动态机制，以提升收敛性并降低未检测到的错误率？

主要发现

• MBP在去极化噪声下对表面码的误码阈值约为16%，显著优于传统BP。
• 对于环面码，MBP的阈值约为17.5%，表明其在拓扑码上具有优越性能。
• MBP的平均迭代次数显著低于传统BP，表明其收敛行为更优，且未增加复杂度。
• 引入记忆机制和抑制性权重后，未检测到的错误率降低，尤其在码尺寸L增大时更为明显，表明其鲁棒性更强。
• 采用4量子比特组的并行译码在表面码上实现了约15.5%的阈值，证实了该方法的可扩展性和实用性。
• 所提方法实现了接近线性复杂度的译码，复杂度为O(Nj log log N)，适用于大规模量子码。