arXiv cs.AI· Hong-Ye Hu, Zhenlai Wang, Binzhao Luo, Tao Xiang, Chen Zhao·· 13 小时前AI 评分29
神经分诊解码实现超高速率量子 LDPC 码的快速准确解码
Fast and accurate neural triage decoding of ultra-high-rate quantum LDPC codes
AI 导读
研究者提出神经分诊解码（Triage）框架，用综合征一致性自适应分配神经计算，可解码编码数百个逻辑比特的超高速率 qLDPC 码（含 lifted-product 与 Kasai 码）。其精度与接近最优的算法解码器相当，解码延迟降低约一到两个数量级。该框架源于对精确逐比特边缘解码器的分析，揭示出与码距无关的综合征不一致错误地板，并显示神经网络解码器对误差先验失配具有鲁棒性。
正文 · AI 翻译
摘要：量子纠错对于容错量子计算至关重要。高速率量子低密度奇偶校验（qLDPC）码已成为一种有前景的方法，可减少量子纠错所需的大量物理量子比特开销，在约一千个物理数据量子比特的块中实现超过 $1/2$ 的编码率。然而，其实际实现需要兼具高精度与低延迟的解码器，以跟上量子硬件的步伐。现有的高速率 qLDPC 码解码器可以实现高精度，但往往带来大量计算延迟，而神经网络解码器尚未在高速率 qLDPC 码上得到验证。在此，我们提出 \emph{神经分诊解码}，这是一个利用校验子一致性来自适应分配神经计算的框架。局部神经消息传递网络快速预测纠错，额外的迭代减少残余校验子违规，而一个很少被调用的多样化阶段则为剩余采样搜索一致的纠错。我们证明，\texttt{Triage} 解码器可以解码编码数百个逻辑量子比特的超高速率 qLDPC 码，包括提升乘积码和 Kasai 码，达到与近最优算法解码器相当的最先进精度，同时将解码延迟降低约一到两个数量级。我们的框架受到对精确逐位边缘解码器的严格分析的启发，该分析揭示了一个与距离无关的校验子不一致错误底。此外，我们展示了神经网络解码器对失配误差先验的鲁棒性。我们的结果确立了自适应神经解码作为近期实现快速、准确且可扩展的量子纠错的一条有前景的途径。
| 评论： | 5 页，4 幅图及方法。我们将在第二次更新中很快发布完整的补充信息 |
| 主题： | 量子物理（quant-ph）；人工智能（cs.AI）；信息论（cs.IT）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.40490 [quant-ph] |
| （或 arXiv:2610.40490v1 [quant-ph] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.40490 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Hong-Ye Hu [查看电子邮件]
[v1]
2026 年 10 月 29 日星期四 17:16:38 UTC（3,447 KB）
来源：arXiv cs.AI · arxiv.org