The Signal
La decodifica correlata può ridurre la distanza effettiva dei codici di superficie
Uno studio pubblicato su arXiv il 19 ottobre rileva che la decodifica correlata standard può peggiorare i tassi di errore logico dei codici di superficie ben al di sotto della soglia. Le simulazioni degli autori mostrano che un aggiustament
Quantum.world Team · Scritto con l’IA · verificato ·
«In presenza di rumore a livello di circuito, un singolo arco selezionato nella prima passata può ridurre il costo di diversi archi correlati, anche se la loro presenza congiunta richiede ulteriori errori indipendenti. Il decoder finisce così per favorire una correzione il cui costo è stato ridotto troppo.»
César Hernando-Fuente, Joonas Majaniemi, Evert van Nieuwenburg e Felix Frohnert, articolo su arXiv
Un articolo presentato ad arXiv il 19 ottobre rileva che un metodo standard per sfruttare le correlazioni nella decodifica dei codici di superficie può rendere più probabili gli errori logici quando i tassi di errore fisico sono molto bassi. Nelle simulazioni, sia il matching correlato sia un decoder a clustering correlato risultano meno accurati delle rispettive versioni non correlate in questo regime. Secondo gli autori, l’effetto equivale alla perdita di un’unità di distanza effettiva del codice: il tasso di errore logico diminuisce al calare della probabilità di errore fisico più lentamente di quanto previsto dalla distanza nominale del codice.
Quando la seconda passata riduce troppo i costi
I decoder per codici di superficie spesso separano gli esiti delle misurazioni in due grafi, uno per ciascun tipo di verifica degli stabilizzatori, e li decodificano indipendentemente. La decodifica correlata cerca di recuperare le informazioni perse con questa separazione: dopo una prima passata, modifica i pesi degli archi di un grafo in base alla correzione selezionata nell’altro. L’articolo esamina il matching correlato, basato sul matching perfetto di peso minimo, e il Local Clustering Decoder, un metodo union-find pesato.
Il problema nasce dal modo in cui l’aggiornamento standard tratta il rumore a livello di circuito. Un arco selezionato nella prima passata può essere associato a diversi meccanismi di errore, ciascuno collegato a un arco diverso nell’altro grafo. Il decoder riduce il costo di tutti questi archi associati e può poi trattare più archi scontati come se lo stesso evento della prima passata rendesse probabile la loro presenza congiunta. In realtà, per spiegare l’intera correzione potrebbero servire ulteriori errori indipendenti, che dovrebbero renderla meno probabile.
Gli autori riconducono il problema a un caso concreto che compare già alla distanza tre: un errore XY su un gate CZ genera archi correlati in entrambi i grafi. Nella seconda passata, il decoder può quindi scegliere una catena più lunga e logicamente errata perché i suoi archi scontati sembrano avere un costo troppo basso. Con la regola standard, il costo assegnato dal decoder non tiene conto della penalità di probabilità dovuta a un errore aggiuntivo.
La penalità ai bassi tassi di errore emerge nelle simulazioni
Le simulazioni modellano esperimenti di memoria di d round su codici di superficie ruotati con rumore SI1000 a livello di circuito, oltre a prove aggiuntive con rumore depolarizzante uniforme. Con un tasso di errore fisico dei gate CZ pari a 10−5, il matching correlato a distanza tre fallisce circa 4,4 volte più spesso del matching ordinario. Oltre l’80% di questi fallimenti del decoder correlato riguarda sindromi che il decoder non correlato corregge.
Al diminuire del tasso di errore fisico, sono sempre più le configurazioni con il minor numero di errori a determinare il tasso di errore logico. Per un codice di distanza d, l’andamento atteso ai bassi tassi di errore è proporzionale a p(d+1)/2; i decoder correlati standard tendono invece verso p(d−1)/2. Questo cambiamento corrisponde alla perdita, riportata dagli autori, di un’unità di distanza effettiva. L’inversione non è altrettanto evidente in prossimità della soglia, dove possono prevalere configurazioni di errori più numerose e più grandi e la decodifica correlata può conservare il proprio vantaggio.
Lo studio individua anche un punto di incrocio alla distanza cinque: il matching correlato standard diventa peggiore di quello non correlato intorno a p = 4 × 10−5, e il suo tasso di errore è circa 1,5 volte più alto intorno a 2 × 10−5. Gli autori riportano un peggioramento analogo ai bassi tassi di errore per il decoder a clustering, il che suggerisce che il problema risieda nella regola di ripesatura anziché in un particolare algoritmo di decodifica.
La regolarizzazione mantiene fedele il costo della correzione
La soluzione proposta moltiplica ogni probabilità condizionata usata nella ripesatura per un fattore regolabile, α. Ridurre questo fattore quando i tassi di errore fisico sono bassi rende meno marcata la riduzione del costo, introducendo una penalità quando una correzione usa più archi collegati allo stesso arco della prima passata. Il gruppo determina α in funzione del tasso di errore tramite un adattamento empirico e confronta la regola risultante con le versioni di riferimento di entrambi i decoder.
A p = 10−4, il matching correlato regolarizzato riduce il tasso di errore logico a circa 0,55 volte quello del matching ordinario alla distanza cinque e a 0,35 volte alla distanza sette. La versione correlata standard raggiunge rapporti di circa 0,73 e 0,45 alle stesse distanze. Un rapporto inferiore a uno indica meno fallimenti logici rispetto al riferimento non correlato. Secondo gli autori, l’aggiornamento regolarizzato ripristina anche l’andamento atteso in funzione della distanza nei casi studiati.
Secondo l’articolo, l’aggiustamento viene calcolato durante l’inizializzazione, senza modificare le procedure di matching e clustering sottostanti. I risultati provengono però da simulazioni, non da una dimostrazione su hardware quantistico, e il valore ottimale della regolarizzazione deriva da un adattamento empirico. Gli autori lasciano aperta la questione di come integrare ampiamente le correlazioni senza compromettere le prestazioni ai bassi tassi di errore; la loro conclusione specifica è che ogni arco il cui costo viene ridotto deve comunque includere il costo di qualsiasi ulteriore errore indipendente necessario a spiegarlo.