Прорыв в коррекции ошибок квантовых вычислений
Компания NVIDIA анонсировала Ising Decoder ColorCode 1 Fast — новую систему декодирования, основанную на 3D-сверточных нейронных сетях (CNN). Решение предназначено для работы с треугольными цветовыми кодами (Color Codes), которые исторически считались перспективными, но сложными для практического применения из-за высоких требований к скорости и точности декодирования.
Ключевые метрики производительности нового декодера по сравнению с текущим стандартом Chromobius при расстоянии кода d=31 и физической ошибке 0.3%:
- Снижение логической ошибки (LER): более чем в 347.7 раза.
- Скорость работы: ускорение в 7.3 раза.
Почему это важно для квантовых компьютеров
Цветовые коды (Color Codes) обладают преимуществом перед поверхностными кодами (Surface Codes) в выполнении логических операций благодаря возможности реализации всех гейтов Клиффорда транзверсально. Однако их использование требовало слишком медленных декодеров. NVIDIA Ising Decoder решает эту проблему, позволяя применять цветовые коды в реальном времени, что критически важно для создания отказоустойчивых квантовых процессоров (QPU).
Технические детали и архитектура
Решение использует 3D-CNN в качестве пред-декодера, который обрабатывает локализованные синдромы ошибок. Архитектура масштабируется как по пространству, так и по времени, что позволяет интегрировать ее в параллельные архитектуры декодирования для операций латеральной хирургии (lattice surgery).
| Параметр | Значение / Описание |
|---|---|
| Модель | Ising Decoder ColorCode 1 Fast |
| Архитектура | 3D CNN, 17 слоев, поле рецепции 13 |
| Количество параметров | ~2,900,000 |
| Входной объем | 13x13x19 (масштабируемый) |
| Сравнение с Chromobius | LER лучше в 347.7x, скорость выше в 7.3x (при d=31, p=0.3%) |
| Инструментарий | NVIDIA cuQuantum, cuStabilizer, PyTorch |
Открытый доступ и внедрение
NVIDIA предоставляет полный доступ к семейству моделей Ising, включая веса, рецепты обучения и инструменты генерации синтетических данных. Разработчики могут настраивать декодеры под специфические профили шума своих QPU, используя всего около 20 строк кода на Python. Это открывает путь к созданию кастомизированных, высокопроизводительных систем коррекции ошибок для будущих квантовых вычислительных устройств.
Источник: NVIDIA dev blog ↗