Ricerca
Decoder di apprendimento automatico per la computazione quantistica basata su fusioni in tempo reale
La computazione quantistica fault-tolerant richiede decoder che combinino accuratezza, throughput, bassa latenza e scalabilità a un gran numero di qubit fisici.

- arXiv
- 2611.13630
- Pubblicato
- 2026-11-10
- Autori
- Daniel Barter, Jacob C. Bridgeman, Chris Dawson, Terry Farrelly, Shane Fleming, Mercedes Gimeno-Segovia, Paul Hartke, Timothy Hein, Sean Howell, Gregory Hyegang Jun, Siddhartha Kamalakara, Yehua Liu, Jose M. Monsalve Diaz, Eddie Richter, Sam Roberts
Abstract degli autori
La computazione quantistica fault-tolerant richiede decoder che combinino accuratezza, throughput, bassa latenza e scalabilità a un gran numero di qubit fisici. Nelle architetture fotoniche basate su fusioni, le cancellazioni dovute alla perdita di fotoni e alle misure di fusione probabilistiche sono un meccanismo di errore dominante, il che motiva lo sviluppo di decoder che mantengano la propria accuratezza anche con tassi di cancellazione elevati. Presentiamo PRISM, un decoder di apprendimento automatico basato su transformer, progettato per sfruttare le posizioni note delle cancellazioni nei protocolli soggetti sia a errori di Pauli sia a errori di cancellazione. Valutiamo PRISM su un’ampia gamma di protocolli fault-tolerant basati su codici di superficie, codici colore e codici quantistici a controllo di parità a bassa densità, con distanze fino a 24. In tutti questi benchmark, PRISM eguaglia i tassi di errore logico dei decoder basati sulla programmazione intera, risultando però significativamente più veloce, anche con tassi di errore fino al 50% della soglia. Ottimizziamo inoltre il decoder e la sua implementazione hardware in tempo reale per ridurre la latenza mantenendo l’accuratezza. La nostra implementazione ottimizzata su una FPGA AMD VP1902 è in grado di decodificare blocchi logici di distanza 8 sia nello spazio sia nel tempo, dimostrando che è possibile ottenere una latenza di 6,59 microsecondi e un tempo di decodifica ammortizzato di 1,56 microsecondi per blocco logico. Questi risultati mostrano che la decodifica basata sull’apprendimento automatico può garantire inferenze accurate e a bassa latenza per architetture quantistiche fault-tolerant dominate dalle cancellazioni.
Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.
Leggi il paper originale su arXiv