양자 컴퓨터에서 신뢰할 수 있는 정보 처리를 수행하기 위해서는 양자 오류 정정(quantum error-correction, QEC) 코드가 큐비트의 오류를 탐지하고 정정하는 데 필수적이다. QEC 코드 가운데 위상(토폴로지) QEC 코드는 이웃하는 큐비트들 간의 상호작용을 하도록 설계되는데, 이는 구현 요구사항을 완화하는 데 유망한 성질이다. 또한 큐비트에 대한 국소성(locality)은 국소 오류에 대해 비정상적으로 높은 허용도를 제공한다. 최근에는 QEC 코드의 복호 성능과 지연 시간을 향상시키기 위해 기계 학습에 기반한 다양한 복호 알고리즘이 제안되었다. 본 연구에서는 표면 코드(surface codes), 즉 위상적 코드의 한 유형에 대해, 표면 코드의 위상 격자 구조에 맞추어 설계한 합성곱 신경망(convolutional neural networks, CNN)을 사용하여 새로운 복호 알고리즘을 제안한다. 특히 제안된 알고리즘은 큐비트 상태를 나타내는 신드롬 패턴(syndrome pattern)을 입력으로 하며, 이는 CNN에 직사각형 격자의 일부로 표현된다. 나머지 직사각형 격자 영역은 논리 오류율(logical error-rate) 성능을 향상시키기 위해 신중히 선택한 비정합(불일치) 값(incoherent value)으로 채운다. 또한 주어진 표면 코드의 격자 구조에 따라 CNN의 하이퍼파라미터를 최적화하는 방법을 도입한다. 이를 통해 전체 복호 복잡도를 감소시키고 CNN 기반 복호기가 구현에 더 적합하도록 한다. 수치 결과는, 제안된 복호 알고리즘이 다양한 양자 오류 모델에서 기존 알고리즘에 비해 논리 오류율 관점의 복호 성능을 효과적으로 향상시킨다는 것을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.