УДК 004.384:004.832
ГИБРИДНЫЙ ML-ДЕКОДЕР С АДАПТАЦИЕЙ К ИЗМЕНЯЮЩЕМУСЯ ШУМОВОМУ ПРОФИЛЮ В КВАНТОВЫХ СИСТЕМАХ
К. Э. Воронцов, аспирант ЧГУ им. И. Н. Ульянова, Чебоксары, Россия;
orcid.org/0009-0007-7623-5817, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Рассматривается задача разработки гибридного ML-декодера с механизмом онлайн-адаптации для коррекции ошибок в квантовых системах при изменяющемся шумовом профиле. Целью работы является создание и экспериментальная оценка архитектуры, сочетающей классический стохастический декодер и нейросетевой блок с инкрементальным дообучением, способной сохранять высокую точность при дрейфе параметров канала. Для достижения цели решены задачи: моделирование нестационарного и коррелированного шума, проектирование модульной гибридной архитектуры, разработка процедур онлайн-дообучения и профилактики катастрофического забывания, оценка эффективности на синтетических выборках. Эксперименты показали, что предложенный подход обеспечивает среднюю точность декодирования 0,91 ± 0,03 против 0,84 ± 0,04 у классического MWPM-декодера на контрольном наборе (2 000 синдромов) при моделировании дрейфа, при этом адаптивный декодер выходит на стабильный уровень точности к ~20-й эпохе. В связи с этим гибридный ML-декодер увеличивает устойчивость коррекции ошибок при динамическом шуме и пригоден для интеграции в современные квантовые архитектуры с умеренными вычислительными затратами. Способность гибридного декодера работать с современными архитектурами квантовых процессоров делает его более полезным в реальных квантовых устройствах.
Ключевые слова: квантовая коррекция ошибок, квантовые вычисления, коррекция ошибок, поверхностный код, машинное обучение, гибридный ML-декодер, онлайн-обучение, дрейф шума, гибридные алгоритмы.