量子科技中心_量科网

实时、可扩展且精准的解码是实现容错量子计算机的关键组件。尽管基于Transformer架构的神经解码器（如《AlphaQubit》）已展现出高精度，但其核心注意力机制的计算复杂度随码距d呈O(d⁴)级增长，导致解码速度无法满足实际实时应用需求。本工作提出并评估了一种基于《Mamba》架构的状态空间模型解码器，其复杂度仅为O(d²)。在使用Sycamore量子硬件数据的存储实验中，该Mamba解码器性能与Transformer版本相当，证明其卓越效率并非以牺牲性能为代价。尤为关键的是，在考虑解码器诱发噪声的模拟实时场景中，Mamba解码器以0.0104的错误阈值显著优于Transformer的0.0097。这些结果表明，Mamba解码器在速度与精度间实现了理想平衡，为可扩展的实时量子纠错提供了一种极具前景的架构方案。