Vai al contenuto
Quantum.world

The Signal

PsiQuantum e AMD riportano una latenza del decoder di pochi microsecondi su FPGA

I ricercatori hanno mappato un decoder per la correzione degli errori quantistici su un FPGA e hanno riportato una latenza di 10,11 microsecondi per un blocco di distanza 8. Stimano che a una frequenza più alta si possano raggiungere 6,59 microsecondi, sebbene il progetto completo non sia ancora stato mappato a quella velocità.

PsiQuantum e AMD riportano una latenza del decoder di pochi microsecondi su FPGA

Un decoder per la correzione degli errori quantistici basato su transformer è stato mappato su un chip programmabile, con una latenza di 10,11 microsecondi per un blocco logico di distanza 8. I ricercatori di PsiQuantum e AMD descrivono l’implementazione, chiamata PRISM, in un preprint presentato il 10 novembre.

Fonte arxiv.org

Stimano che una versione più veloce potrebbe raggiungere 6,59 microsecondi per blocco su un AMD VP1902, un field-programmable gate array, o FPGA. La stima si basa sui singoli strati della rete implementati alla frequenza più alta; la rete completa non è ancora stata mappata a quella velocità.

Decodifica con informazioni sulle cancellazioni

Il lavoro riguarda la computazione quantistica fotonica basata sulla fusione, in cui la perdita di fotoni e le misurazioni probabilistiche di fusione possono produrre errori noti come cancellazioni. PRISM riceve in ingresso le posizioni note di queste cancellazioni insieme alle informazioni provenienti dai controlli degli errori ed è progettato per protocolli soggetti sia a cancellazioni sia a errori di Pauli.

Un decoder utilizza i risultati delle misurazioni di un protocollo di correzione degli errori per determinare una correzione logica o aggiornare il registro utilizzato per interpretare le misurazioni successive. Lo studio rappresenta il problema della decodifica come un grafo che collega controlli, meccanismi di errore e osservabili logiche. Il transformer scambia informazioni lungo gli archi del grafo utilizzando l’attenzione sparsa.

Nello studio sull’hardware, i ricercatori hanno considerato blocchi logici periodici con distanza 8 sia nello spazio sia nel tempo. Gli autori descrivono il problema come approssimativamente equivalente alla decodifica di otto cicli di estrazione della sindrome di un codice di superficie di distanza 8. La latenza riportata comprende il tempo dal primo ingresso di un blocco da decodificare all’uscita completa dall’FPGA, incluso il caricamento dei dati in ingresso.

Due velocità, evidenze diverse

Il team ha mappato la rete completa a 250 MHz. Per la configurazione di riferimento, la tabella dello studio riporta una latenza di 10,11 microsecondi e un intervallo di throughput di 2,39 microsecondi per blocco.

A 400 MHz, i ricercatori stimano una latenza di 6,59 microsecondi e un tempo di decodifica ammortizzato di 1,56 microsecondi per blocco. Lo studio afferma che la mappatura completa a quella frequenza è prevista per un lavoro futuro: il risultato alla frequenza più alta si basa sui singoli strati di passaggio dei messaggi e perceiver, anziché sulla rete completa.

Latenza e throughput descrivono aspetti diversi del funzionamento del decoder. Gli autori affermano che il progetto sovrappone l’elaborazione di blocchi successivi all’interno dell’acceleratore, consentendo di elaborare un nuovo blocco prima che sia terminato tutto il lavoro su quello precedente.

Compromessi tra accuratezza e hardware

Lo studio riporta anche simulazioni del tasso di errore logico per diversi protocolli basati sulla fusione. Tra i protocolli figuravano codici di superficie e di colore con distanze fino a 24, con un modello di errore che comprendeva sia rumore da cancellazione sia rumore di Pauli. Per ogni rete di fusione e distanza, il team ha addestrato un decoder basato sull’apprendimento automatico.

I ricercatori riportano che PRISM ha eguagliato il decoder di benchmark scelto in tutto l’intervallo di errore testato e lo ha superato a tassi di errore più bassi. Il metodo di riferimento variava a seconda del problema di decodifica: lo studio ha utilizzato il matching per la rete a sei anelli, un decoder basato sulla programmazione intera per altre reti e un metodo basato sulla propagazione delle credenze per le reti bivariate bicycle.

Il modello orientato all’hardware utilizza pesi ternari e attivazioni a due bit per ridurre il costo delle operazioni aritmetiche. Nelle simulazioni del blocco linked loopy diamond di distanza 8, i modelli quantizzati erano meno accurati dei decoder di riferimento nel confronto a precisione piena, riferiscono gli autori, pur offrendo riduzioni del tempo di decodifica e del costo dell’hardware.

Il team descrive anche un possibile approccio modulare in cui un problema di decodifica più ampio viene suddiviso in problemi più piccoli, i cui risultati vengono poi combinati. Questo approccio richiederebbe attenzione alla gestione dei buffer e alla comunicazione tra i problemi di decodifica, aspetti che gli autori rimandano a un lavoro futuro.

Fonti

  1. Machine-learning decoders for fusion-based quantum computing in real time
  2. arXiv

Notizie correlate

Esplora

Altri articoli