The Signal
CoDecoder accelera la decodifica quantistica fino a 124 volte
Secondo i ricercatori, CoDecoder, un modulo neurale posto a monte dei decoder esistenti per la correzione degli errori quantistici, ha raggiunto un’accelerazione di 124 volte in un benchmark su un codice bivariate-bicycle. Nei test preregis
Quantum.world Team · Scritto con l’IA · verificato ·
Un risultato di 124 volte su un codice
Nei test di CoDecoder, un sistema progettato per affiancare i decoder esistenti per la correzione degli errori quantistici, un modulo neurale posto a monte ha ridotto i tempi di decodifica fino a 124 volte. Il risultato deriva da un confronto specifico: sul codice bivariate-bicycle [[72,12,6]], con un tasso di errore fisico dello 0,2%, CoDecoder ha inviato lo 0,245% degli shot a full-DEM Relay-BP, ha ridotto gli errori di decodifica da 288 a 204 per milione di shot e ha registrato la maggiore accelerazione dello studio.
I ricercatori hanno inviato il paper ad arXiv il 20 ottobre 2026. Nei test preregistrati più ampi, CoDecoder abbinato al matching correlato ha ridotto gli errori di decodifica dal 6,4% al 31,4% su codici di superficie di distanza da 7 a 17. Con full-DEM Relay-BP su due codici bivariate-bicycle, li ha ridotti dal 22% al 50%; le accelerazioni in questi confronti sono andate da 2,3 a 124 volte.
«Nei test preregistrati con rumore a livello di circuito, la combinazione riduce gli errori di decodifica del 6,4-31,4% rispetto al matching correlato sui codici di superficie di distanza 7-17 e del 22-50% rispetto a full-DEM Relay-BP su due codici BB, con accelerazioni da 2,3 a 124 volte in questi confronti.»
Yicheng Guang, Yuliang Xiong, Xun Gao e Yueqi Chen, autori di «CoDecoder: Make Quantum Decoders Up to 100x Faster and Even More Accurate»
Le risposte affidabili restano, gli shot difficili proseguono
CoDecoder predice l’esito logico di uno shot e gli assegna un punteggio di affidabilità. Se il punteggio supera una soglia, il sistema conserva la risposta della rete neurale; altrimenti invia i dati originali dei rivelatori a un decoder di riserva, il cui algoritmo rimane invariato. Questo instradamento selettivo punta a evitare di eseguire il decoder più lento su ogni shot.
La struttura consente inoltre a due decoder di combinare le proprie risposte sugli shot instradati quando quello di riserva è un altro decoder neurale che fornisce logit. Secondo gli autori, questa decisione congiunta ha migliorato l’accuratezza rispetto alle loro reimplementazioni di Cascade in tutti e quattro gli scenari testati, con il 14-18% di errori di decodifica in meno sul codice [[72,12,6]]. I confronti con Cascade hanno utilizzato le reimplementazioni realizzate dai ricercatori, non il codice originale di Cascade né le reti addestrate, che secondo il paper non sono pubblici.
Progressi nei benchmark, non una dimostrazione su una macchina in funzione
Gli esperimenti hanno utilizzato test di memoria con rumore a livello di circuito, con configurazioni preregistrate fissate prima che fossero estratti gli shot di prova. Le misurazioni dei tempi hanno coinvolto GPU NVIDIA H100 e RTX PRO 6000; per i componenti CPU nei confronti tra decoder classici è stata usata una base di misurazione dei tempi ricavata da un core di una workstation e da tempi della CPU pubblicati da NVIDIA. Il dato delle 124 volte descrive quindi un confronto misurato in un benchmark, non una riduzione dimostrata dei tempi di esecuzione di un computer quantistico in funzione.
Il risultato principale dipende anche dal decoder di riserva e dal codice testati. Il paper riporta che il matching semplice era leggermente più veloce della combinazione sul codice di superficie di distanza 7: 11,89 microsecondi contro 11,94 microsecondi, anche se gli errori di decodifica erano 1,9 volte più frequenti. Sul codice bivariate-bicycle gross, una diversa combinazione ha impiegato 1,49 volte il tempo di CUDA-Q BP-OSD secondo la conversione dei tempi basata su Grace effettuata dagli autori.
La latenza agli estremi resta un vincolo
Il tempo medio di decodifica non è l’unico aspetto da considerare quando un decoder deve restituire una risposta in un punto preciso di un calcolo. Gli autori hanno rilevato, per ogni combinazione CoDecoder-Cascade testata, una latenza per singolo shot al 99,9° percentile più alta rispetto a Cascade da solo su entrambe le GPU: gli shot instradati passano attraverso entrambe le reti. Nei test sul codice [[72,12,6]], l’aumento è andato dal 7,2% al 10,3% sulla RTX PRO 6000 e dal 9,7% al 19,1% sulla H100.
Il miglioramento di 124 volte è il risultato di una specifica configurazione preregistrata, in cui una piccola frazione degli shot viene inviata a un determinato decoder di riserva, non una garanzia generale di velocità. Nel caso con la maggiore accelerazione riportata nel paper, lo 0,245% degli shot è stato instradato e gli errori di decodifica sono scesi da 288 a 204 per milione.