量子誤り訂正符号の復号に深層学習を用いる際、モデルに対する入力となるシンドローム測定の結果が正解であるエラーパターンと一意に対応しない問題がある。本研究はパリティチェックの対称性を考慮した再最適化をモデルに適用することで、精度を向上させることを目的とした。
実験では、Toric code, Color code, Golay codeの復号を学習したモデルに対して再最適化を適用し、全ての場合で一定の精度改善が得られた。Toric codeではその局所的な構造に合わせた再最適化を適用したが、Color codeとGolay codeでは一般のスタビライザー符号に適用可能な形に拡張した再最適化を適用した。