PyTorchKR Papers

최신 논문

총 5편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.24808v2quant-ph

Large-Language-Model Discovery of Quantum LDPC Codes through Structured Concept Evolution

Quantum low-density parity-check codes promise low-overhead error correction, but high-performing constructions remain hard to find. Here we introduce structured concept evolution, in which a large language model (LLM) evolves construction programs and their internal search strategies by modifying the finite group, protograph shapes or entry-assignment rule. We search for codes with fewer than $600$ data qubits and check weight at most $12$, optimizing $kd^2/n$ or the circuit-level logical error rate. Our method improves on published lifted-product benchmarks in selected parameter regimes, with exactly certified distances for the leading results. Circuit-level optimization typically yields lower logical error rates than $kd^2/n$ optimization, often despite smaller code distances. With the same evolution framework and step budget, the best LLM outperforms all random-mutation and hill-climbing runs on both objectives. Our results point to LLM-driven program search as an approach to designing general quantum LDPC codes.

arXiv:2510.11593v3quant-ph

표면 코드 디코딩을 위한 큐비트 중심 트랜스포머

Qubit-centric Transformer for Surface Code Decoding

신뢰할 수 있는 대규모 양자 컴퓨팅을 위해서는 여러 물리적 큐비트(qubit)에 분산된 논리적 정보를 보호하는 양자 오류 정정(QEC)이 필수적입니다. 최근 심층 학습(deep learning)의 발전을 활용하여, 신경망(neural network) 기반 디코더가 QEC의 신뢰성을 향상시키는 유망한 접근 방식으로 떠올랐습니다. 본 논문에서는 큐비트 중심 어텐션(attention) 메커니즘을 갖춘 트랜스포머(transformer) 아키텍처 기반의 새롭고 범용적인 QEC 디코더인 큐비트 중심 트랜스포머(QCT)를 제안합니다. 제안하는 디코더는 특화된 임베딩(embedding) 전략을 통해 안정자(stabilizer) 도메인의 입력 신드롬을 큐비트 중심 토큰으로 변환합니다. 이러한 큐비트 중심 토큰은 어텐션 레이어를 거쳐 처리되어 기저의 논리적 오류를 효과적으로 식별합니다. 나아가 양자 코드의 위상학적 구조를 통합하여 관련 큐비트 상호작용에 어텐션을 집중시키는 그래프 기반 마스킹 방법을 도입합니다. 표면 코드(surface code)의 다양한 코드 거리에 걸쳐 QCT는 기존 신경망 디코더와 정렬 통계 디코딩(OSD)을 결합한 신념 전파(BP) 기준선(baseline)을 크게 능가하며 최고 수준(SOTA)의 디코딩 성능을 달성합니다. 특히 QCT는 탈분극 노이즈(depolarizing noise) 환경에서 이론적 한계인 18.9%에 근접하고 BP+OSD 및 최소 가중치(weight) 완벽 매칭(MWPM) 임계값을 모두 능가하는 18.1%의 높은 임계값을 달성합니다. 이러한 큐비트 중심 접근 방식은 표면 코드 디코딩을 위한 확장 가능하고 견고한 프레임워크를 제공하여 결함 허용(fault-tolerant) 양자 컴퓨팅으로 나아가는 길을 앞당깁니다.

arXiv:2607.05814v1quant-ph

Latency-Constrained Hardware-Aware Quantum Error Correction Co-Design with Adaptive Confidence-Gated Neural Decoding for the Rotated Surface Code

회전 표면 코드(rotated surface code)의 실시간 복호화 병목 문제를 해결하기 위해, 경량 피드포워드 신경망이 대부분의 신드롬을 빠르게 처리하고 낮은 신뢰도 예측만 MWPM 정제 단계로 에스컬레이션하는 적응형 신뢰도 게이팅(confidence-gated) 복호화 프레임워크를 제안한다. 전체 신드롬의 3.3~6.2%만 정제 단계로 라우팅함으로써 논리적 정확도를 99.21%에서 99.81%로 향상시키면서도 평균 복호화 비용 증가를 제한적으로 유지하였으며, CPU 하드웨어에서 최대 4.6×10⁵ samples/s의 처리량을 달성하였다.

arXiv:2607.05724v1cs.LG

이변량 바이사이클 코드를 활용한 낮은 오버헤드의 오류 정정 QCNN

Low-Overhead Error-Corrected QCNNs Using Bivariate Bicycle Codes

양자 합성곱 신경망(QCNN)이 실제 NISQ 하드웨어의 높은 노이즈로 인해 수렴에 실패하는 문제를 해결하기 위해, bivariate bicycle(BB) 코드 기반의 거리-4 양자 오류 정정(QEC) 기법을 제안한다. 제안된 기법은 낮은 큐비트 오버헤드로 QCNN의 학습 손실을 줄이고 수렴을 개선함으로써 실용적인 QCNN 구현을 향한 진전을 검증한다.

arXiv:2606.27119v1quant-ph

내결함성 양자 컴퓨팅을 위한 효율적인 파운데이션 디코더

Efficient foundation decoders for fault-tolerant quantum computing

큰 코드 거리에서 파운데이션 디코더 구축 비용이 급증하는 스케일링 병목을 줄이기 위해, 확장 가능한 코드 계열이 공유하는 대수적 구조로 거리 간 디코딩 과제를 정렬하는 신경 전이 통합(NTU) 프레임워크를 제안한다. NTU-Transformer는 평면 표면 코드에서 [[361,1,19]]의 상관관계 인식 매칭을 능가하고 전이 적응으로 [[625,1,25]]까지 확장되며, [[72,12,6]] 이변수 자전거 코드의 낮은 물리 오류 영역에서 Relay-BP를 앞선다.