SMP: un framework generale basato sugli iperarchi per la correzione degli errori quantistici a livello di circuito

Abstract degli autori

Gli errori associati agli iperarchi restano una sfida importante nella correzione degli errori quantistici a livello di circuito. Sfruttare accuratamente le correlazioni tra iperarchi richiede spesso notevoli risorse computazionali, complicando la decodifica in tempo reale. I decoder basati sul matching sono veloci e scalabili, ma la loro rappresentazione grafica a coppie limita l’uso delle informazioni sugli errori di ordine superiore. Qui presentiamo Syndrome Motif Projection (SMP), un framework generale per integrare le informazioni sugli iperarchi nella decodifica basata sul matching. L’idea centrale è che un errore associato a un iperarco produca un motivo locale caratteristico nel sindrome. Osservare un motivo di questo tipo fornisce una prova a favore dell’errore corrispondente. SMP estrae queste informazioni direttamente dal sindrome misurato, con una preelaborazione a complessità lineare, preservando al contempo il backend di matching. Può quindi fungere da front end leggero per i decoder basati sul matching già esistenti, scalabili e in tempo reale. Dimostriamo l’efficacia di SMP nelle memorie basate sul codice di superficie, nelle memorie basate sul codice colore e nei circuiti di gate logici. Sui dati sperimentali di Google sul codice di superficie Willow, SMP migliora sia il matching standard sia quello correlato e supera il baseline di belief matching sottoposto a test. Per le memorie basate sul codice colore, SMP combinato con Chromobius riduce le probabilità di errore logico fino al 77,8\%. Nei circuiti di gate logici, SMP riduce del 35,5\% la probabilità di errore di un circuito a sei CNOT rispetto a logical observable matching, ottenendo prestazioni paragonabili a quelle di iterative belief matching. Questi risultati dimostrano che SMP offre un approccio leggero e trasferibile alla decodifica degli iperarchi, con una chiara prospettiva di integrazione in architetture scalabili di decodifica in tempo reale per la computazione quantistica tollerante ai guasti.