解码器与经典实时系统decoder
Decoder 选择
依据码结构、噪声、精度、吞吐和硬件延迟预算选择算法范式。
- 成熟度
- 核心基础
- 重要度
- 核心主题
- 证据
- 4 篇代表来源
01
范围与辨析
这是 decoder 范式选择与系统约束对齐入口，不代表一种具体算法。最终比较必须绑定 code、noise、syndrome 表示、精度目标和部署硬件。
02
核心机制与研究判断
核心机制
- code-capacity vs circuit-level
- batch vs online
- hard vs soft input
- accuracy vs latency
- CPU/GPU/FPGA/ASIC
适用场景
- 在 code、噪声层级和实时预算明确后，用它选择 matching、BP、local、ML 等路线。
比较维度
- 同时比较逻辑性能、吞吐、尾延迟、内存、并行度、软信息支持和校准成本。
至少报告
- 声明输入表示、噪声先验、超参数、终止条件、硬件平台和失败/超时处理。
重点风险
- 不同噪声层级或不同 syndrome 定义下的 decoder 数字不能直接排名。
03
全栈位置与直接关系
decoder/decoder/decoder-select← flow窗口化实时输入长时间计算不能等待全部 syndrome 才解码，需要滑动窗口、边界传递与流式处理。→ flow错误估计与逻辑类输出物理错误代表元、逻辑类别、置信度或待更新的 Pauli frame。→ 分类关联Lookup / 最大似然小码可查表；更一般地直接估计最高概率错误或最高概率逻辑陪集。→ 分类关联Matching 系将 detection events 配对或在相关图上求近似最优纠错链。→ 分类关联Union-Find / clustering通过缺陷聚类和增长实现低复杂度拓扑码解码。→ 分类关联Belief propagation在 Tanner/factor graph 上传递软消息；qLDPC 中需处理短环、简并性和 trapping sets。→ 分类关联BP + OSDBP 失败或不收敛时，用 ordered-statistics 后处理寻找 syndrome-consistent 的低权重解。→ 分类关联现代 BP 后处理通过 decimation、check modification、ensemble 或图重写改善量子简并和相关错误下的收敛。→ 分类关联局部 / flip 解码利用 expander 或 product-code 结构进行小集合翻转、局部更新和并行修正。→ 分类关联Tensor / sampling把后验或逻辑陪集概率表示为张量收缩，或用 MCMC/采样近似最大似然。→ 分类关联机器学习 Decoder学习 syndrome history、软读出和设备图到逻辑纠错的映射，重点考察泛化、漂移和实时部署。← feedback联合优化闭环根据仿真和硬件结果同时调整码、稳定子基、线路、调度、映射、decoder 与逻辑操作。← 依赖Quantum polar codes将信道极化同时应用于 amplitude 与 phase 合成信道，以递归编码和 coherent successive-cancellation 实现量子通信码。→ 分类关联Renormalization-group decoder把拓扑码 syndrome 分区并逐尺度粗粒化，在局部单元内估计恢复概率，再把有效信息递归传递到更小的晶格。
04
代表证据
Benchmark2020
Decoding across the quantum low-density parity-check code landscapeRoffe, White, Burton and Campbell来源2014
Efficient algorithms for maximum likelihood decoding in the surface codeBravyi, Suchara, Vargo来源2020
Linear-Time Maximum Likelihood Decoding of Surface Codes over the Quantum Erasure ChannelNicolas Delfosse and Gilles Zémor来源2023
Pipelined correlated minimum weight perfect matching of the surface codePaler and Fowler