이중자전거 코드와 소거 큐비트 기반 고효율 양자 오류 정정 프레임워크

초록

BiBiEQ는 Bivariate Bicycle(BB) 양자 LDPC 코드를 소거 큐비트 모델에 맞게 설계·컴파일·디코딩하는 전용 파이프라인이다. 2EC와 4EC 스케줄을 비교하고, 정확도 유지가 가능한 Approx 엔진을 제시해 대규모 시뮬레이션을 가속화한다. 거리 d=10까지의 코드가 가장 큰 논리 오류 감소를 제공함을 실험적으로 확인한다.

상세 분석

본 논문은 소거 큐비트가 제공하는 “오류 위치 탐지” 특성을 활용해, 기존 2차원 국소 코드가 갖는 높은 오버헤드 문제를 완화하고자 한다. 특히, Bivariate Bicycle(BB) 코드는 체크 가중치가 6으로 고정된 희소 그래프 구조를 가지며, 코드 길이 n=2 l m, 거리 d는 격자 크기(l,m)에 따라 선형적으로 증가한다. 이러한 특성은 소거 큐비트가 삽입한 erasure check(EC)와 reset 연산이 회로 깊이에 미치는 영향을 최소화하면서도, 오류 위치 정보를 풍부하게 제공한다는 점에서 매우 유리하다.

BiBiEQ 프레임워크는 네 단계로 구성된다. 첫 번째 단계인 Circuit Builder에서는 Stim 언어를 이용해 7‑phase CNOT 스케줄을 자동 생성한다. 여기서 각 체크는 X‑ancilla와 Z‑ancilla가 교대로 작동하도록 설계되어, 한 사이클 내에 모든 데이터‑ancilla 연결이 완료된다. 두 번째 단계인 Compilation에서는 물리적 잡음(p)과 소거 확률(e, q)를 각 게이트와 측정 사이에 삽입하고, reset에 의해 세그먼트가 구분된다. 세그먼트 내부에서는 Pauli 오류가 클리프포드 연산 뒤로 이동될 수 있음을 이용해, 오류를 “canonical fault sites”에만 집중시킨다.

핵심적인 두 변환 엔진은 BiBiEQ‑Exact와 BiBiEQ‑Approx이다. Exact 엔진은 각 세그먼트의 erasure 기록을 그대로 보존해, 오류와 erasure 사이의 공동 상관관계를 완전하게 유지한다. 이는 논문에서 제시한 정확도 기준점으로 사용된다. 반면 Approx 엔진은 erasure 간 독립성을 가정해, 각 세그먼트의 사후 확률을 개별적으로 계산한다. 이 근사는 계산 복잡도를 크게 낮추면서도, 특히 4EC 스케줄에서는 Exact와 거의 동일한 LER(논리 오류율) 결과를 얻는다. 따라서 대규모 파라미터 탐색에 적합한 프록시 역할을 수행한다.

실험 결과는 두 가지 주요 관점을 제공한다. 첫째, 2EC와 4EC 스케줄을 비교했을 때, 4EC가 더 높은 erasure 탐지 빈도를 제공하지만 회로 깊이와 측정 부하가 증가한다. 그럼에도 불구하고, 4EC 스케줄에서는 Approx 엔진의 독립성 가정이 크게 위배되지 않아, 빠른 시뮬레이션이 가능함을 확인했다. 둘째, 거리 d에 따른 서브쓰레시홀드 스케일링을 분석했는데, d=6→10 구간에서 LER이 10~17배 감소하는 반면, d=10→12 구간에서는 감소폭이 현저히 작다. 이는 BB 코드가 거리 10까지는 효율적인 오류 억제 효과를 제공하지만, 그 이후에는 구조적 한계에 부딪힌다는 중요한 설계 인사이트를 제공한다.

또한, 논문은 BB 코드의 다중 논리 비트(k)와 인코딩 비율(r)도 함께 고려한다. 예를 들어