超高速率量子 LDPC 码的快速高精度 neural triage decoding

量子纠错对于容错量子计算至关重要。高码率量子低密度奇偶校验（qLDPC）码已成为一种颇具前景的方法，有望减少量子纠错所需的大量物理量子比特开销，使编码速率超过 $1/2$，并能在约一千个物理数据量子比特的码块中实现这一目标。然而，其实际应用需要兼具高精度与低延迟的解码器，以跟上量子硬件的运行速度。现有的高码率 qLDPC 码解码器能够实现高精度，但通常会带来较大的计算延迟；与此同时，神经网络解码器尚未在高码率 qLDPC 码上得到验证。在此，我们提出 \emph{neural triage decoding}，这是一种利用综合征一致性来动态分配神经计算资源的框架。局部神经消息传递网络能够快速预测纠错操作，额外的迭代可减少残余综合征违例，而仅在极少数情况下调用的多样化阶段则会为剩余测量样本搜索一致的纠错结果。我们证明，\texttt{Triage} 解码器能够解码编码数百个逻辑量子比特的超高速率 qLDPC 码，包括 lifted-product 码和 Kasai 码；其精度达到最先进水平，与近乎最优的算法解码器相当，同时将解码延迟降低约一至两个数量级。我们的框架受到对精确逐比特边缘解码器的严格分析的启发，该分析揭示了一种与码距无关的综合征不一致错误下限。此外，我们还展示了神经网络解码器对不匹配错误先验的稳健性。我们的结果表明，自适应神经解码有望成为近期实现快速、高精度且可扩展量子纠错的一条途径。