[论文解读] Parallel window decoding enables scalable fault tolerant quantum computation

Luka Skorić, Dan E. Browne+3 more|arXiv (Cornell University)|Sep 18, 2022

Quantum Computing Algorithms and Architecture参考文献 44被引用 8

一句话总结

本文提出并行窗口解码，一种可扩展的量子纠错方法，可在足够高的速率下实现实时解码，适用于大规模容错量子计算。通过将校验数据划分为重叠窗口，并并行解码，同时延迟纠正操作的提交，该方法避免了因解码器积压导致的指数级延迟，实现了接近理想的逻辑保真度，同时几乎可任意地随硬件资源提升解码速度。

ABSTRACT

Large-scale quantum computers have the potential to hold computational capabilities beyond conventional computers for certain problems. However, the physical qubits within a quantum computer are prone to noise and decoherence, which must be corrected in order to perform reliable, fault-tolerant quantum computations. Quantum Error Correction (QEC) provides the path for realizing such computations. QEC continuously generates a continuous stream of data that decoders must process at the rate it is received, which can be as fast as 1 MHz in superconducting quantum computers. A little known fact of QEC is that if the decoder infrastructure cannot keep up, a data backlog problem is encountered and the quantum computer runs exponentially slower. Today's leading approaches to quantum error correction are not scalable as existing decoders typically run slower as the problem size is increased, inevitably hitting the backlog problem. That is: the current leading proposal for fault-tolerant quantum computation is not scalable. Here, we show how to parallelize decoding to achieve almost arbitrary speed, removing this roadblock to scalability. Our parallelization requires some classical feed forward decisions to be delayed, leading to a slow-down of the logical clock speed. However, the slow-down is now only polynomial in code size, averting the exponential slowdown. We numerically demonstrate our parallel decoder for the surface code, showing no noticeable reduction in logical fidelity compared to previous decoders and demonstrating the parallelization speedup.

研究动机与目标

• 解决容错量子计算中因量子纠错（QEC）解码器积压导致的根本性可扩展性瓶颈。
• 克服当解码处理速率落后于校验生成速率时，量子算法出现的指数级延迟。
• 开发一种并行解码框架，在保持逻辑保真度的同时，通过高效利用经典计算资源实现任意加速。
• 为非阿贝尔门（如T门）实现实时在线解码，这些门需要基于校验结果的类经典控制纠正。
• 确保与主流内部解码器（如最小权重完美匹配（MWPM）和并查集（UF））在表面码中的兼容性。

提出的方法

• 将校验数据分解为大小为3d的时间窗口，其中d为码距，以支持并行处理。
• 每个窗口使用两个交错的解码模块：DA_i用于初始解码，DB_i用于解决前一窗口遗留的未解问题。
• 实现循环式数据流，其中DA_i将未解决的校验信息发送至DB_{i-1}和DB_i，以支持依赖感知的并行处理。
• 仅对每个窗口中最旧的d轮数据延迟最终纠正操作的提交，以最小化对逻辑时钟速度的影响。
• 使用进程管理器协调数据分发，确保各解码模块间时间边界对齐正确。
• 利用现代硬件降低通信开销τ₀，使并行解码过程可扩展至100多个，实现高效扩展。

实验结果

研究问题

• RQ1 并行窗口解码能否消除大规模量子纠错中因解码器积压导致的指数级延迟？
• RQ2 并行窗口解码的逻辑错误率与传统滑动窗口和全局解码方法相比如何？
• RQ3 随着码距和并行处理进程数的增加，解码频率的扩展行为如何？
• RQ4 并行解码器的性能在多大程度上依赖于内部解码器的选择（如MWPM与UF）？
• RQ5 该方法能否在实现近乎任意加速的同时，保持高逻辑保真度？

主要发现

• 并行窗口解码器的解码频率几乎随并行处理进程数线性增长，为大码距提供了近乎任意的加速能力。
• 并行窗口解码器的逻辑错误率与全局解码和滑动窗口解码方法无显著差异，在不同码距下均未观察到错误率上升。
• 无论采用MWPM还是UF内部解码器，该并行窗口方法均保持了高逻辑保真度，展现出对主流解码算法的鲁棒性和兼容性。
• 对于大码距，解码频率随并行处理数N_par线性增长，表明并行化有效且开销极小。
• 当硬件级通信延迟τ₀ < 10ns时，该方法可扩展至超过100个并行解码进程，避免了协调开销带来的瓶颈。
• 该方法将每窗口的有效解码延迟降低至τ_W < n_com τ_rd，消除了传统串行滑动窗口解码中由码距d带来的硬性上限。