고장난 증후군 정보를 처리할 수 있는 고성능 리스트 복호화 알고리즘을 제안한다.
스패닝 트리 매칭(STM) 디코더는 표면 코드의 설계된 거리까지 오류 정정 능력을 보장하며, 최소 가중치 완전 매칭(MWPM) 디코더에 비해 디코딩 시간이 크게 단축된다.
기계 학습 기술을 활용하여 중복 육각형 QECC의 효율적인 증후군 디코더를 제안하고, 게이지 등가성을 이용하여 오류 클래스 수를 줄임으로써 디코더 성능을 더욱 향상시켰다.
창문 기반 복호화와 유도 소수점 추측 기법을 통해 회로 수준 노이즈 하에서 QLDPC 코드의 저지연 반복 복호화를 달성한다.
[[8,1,4]] 비 CSS 코드의 오류 내성 특성을 분석하고 다양한 노이즈 모델에서의 논리적 오류율을 연구하였다.