본문으로 건너뛰기

© 2026 Molayo

arXiv논문2026. 06. 10. 11:15

알고리즘-하드웨어 공동 설계를 통한 양자 오류 정정용 코셋 앙상블 디코더 (Coset Ensemble Decoder for Quantum

요약

양자 오류 정정(QEC)의 정확도와 지연 시간을 개선하기 위해 알고리즘과 하드웨어를 공동 설계한 새로운 디코더를 제안합니다. 코셋 앙상블 디코딩과 도메인 특화 아키텍처를 통해 기존 방식보다 높은 성능과 낮은 자원 소비를 달성했습니다.

핵심 포인트

  • 코셋 앙상블 디코딩을 통한 정확도-지연 시간 트레이드오프 개선
  • 무손실 그래프 압축 및 역순 제거로 계산/메모리 복잡도 감소
  • 자원 재사용형 도메인 특화 아키텍처 설계로 FPGA 자원 소모 최소화
  • 기존 UF 기반 디코더 대비 LUT 소비량을 최대 8.2배 절감

신뢰할 수 있는 대규모 양자 컴퓨팅 (Quantum Computation)은 결함 허용 (Fault-tolerant) 아키텍처에 의존하며, 여기서 양자 오류 정정 (QEC)은 실시간으로 오류 증후군 (Error Syndromes)을 지속적으로 추출하고 디코딩합니다. QEC의 핵심 구성 요소는 디코더 (Decoder)로, 높은 논리적 정확도 (Logical Accuracy)와 초저지연 (Ultra-low Latency)을 동시에 제공해야 하는 고전적 서브시스템 (Classical Subsystem)입니다. 본 논문은 기존의 바닐라 최소 가중치 완전 매칭 (Minimum-Weight Perfect Matching, MWPM) 및 유니온 파인드 (Union-Find, UF) 디코더와 같은 방식보다 정확도-지연 시간 트레이드오프 (Accuracy-latency trade-off)를 개선하는 새로운 알고리즘-하드웨어 공동 설계 (Algorithm-hardware co-design)를 제시합니다. 알고리즘 수준에서는 논리적으로 동등한 코셋 (Cosets)을 명시적으로 활용하여 UF 디코딩을 개선하는 코셋 앙상블 디코딩 (Coset ensemble decoding)을 도입합니다. 우리의 방법은 앙상블 포레스트 탐색 (Ensemble forest exploration)을 수행하여 여러 코셋 일관적 후보 (Coset-consistent candidates)를 생성하고, 이를 집계하여 코셋 수준의 최대 가능도 디코딩 (Maximum-likelihood decoding)을 근사합니다. 또한 정확도를 희생하지 않으면서 역순 제거 (Reverse-order elimination) 및 무손실 그래프 압축 (Lossless graph compression)을 통해 계산 및 메모리 복잡도를 더욱 줄입니다. 하드웨어 수준에서는 자원을 시간적으로 재사용하는 도메인 특화 아키텍처 (Domain-specific architecture)를 설계하여, 이전의 공간적 아키텍처 (Spatial architectures)에서 나타났던 코드 거리 (Code-distance)에 비례하는 자원 증가 문제를 방지합니다. 고도로 동시적인 액세스 패턴 하에서 파이프라인 스톨 (Pipeline stalls)과 메모리 충돌을 완화하기 위해 멀티 뱅크 메모리 해싱 (Multi-bank memory hashing) 및 계층적 ID 매핑 (Hierarchical ID mapping)과 같은 여러 최적화 기법이 제안됩니다. 회로 수준의 탈분극 노이즈 모델 (Circuit-level depolarizing noise model) 하에서, 우리의 공동 설계 방식은 기존의 MWPM 및 UF 기반 디코더보다 더 나은 정확도-지연 시간 트레이드오프를 달성하는 동시에, 보고된 UF 기반 디코더 자원 대비 FPGA LUT 소비량을 최대 8.2배까지 줄입니다. 조절 가능한 후보 수 (Tunable candidate number)는 유연한 설계 노브 (Design knob)를 제공하여, 사용자가 다양한 결함 허용 워크로드의 요구 사항에 맞춰 디코딩 성능을 맞춤화할 수 있도록 합니다. 우리의 구현체는 https://github.com/IMSeonL/coset-ensemble-decoder 에서 공개적으로 사용할 수 있습니다.

AI 자동 생성 콘텐츠

본 콘텐츠는 arXiv cs.AR의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.

원문 바로가기
0

댓글

0