量子科技中心_量科网

具有高效资源利用和高性能容错量子存储的量子纠错（QEC）编码技术的出现，标志着实现实用量子计算迈出了关键一步。尽管表面码一直是主流方案，但其局限性推动了更先进QEC架构的发展。这些先进编码往往带来更高的复杂度，需要创新的解码方法。该研究探索了强化学习技术（包括混合多智能体方法）在增强各类先进QEC架构解码性能中的应用。通过利用强化学习从噪声综合征测量中学习最优策略的特性，与传统解码方法相比，该工作展示了在逻辑错误率和可扩展性方面的提升潜力。该团队研究了如何使强化学习适配现代QEC模型的结构特性，并探讨了结合不同强化学习算法以应对解码问题多维特性的优势——包括代码简并性和真实噪声特征等因素。通过提出的方法，研究人员证实：经过自主训练的智能体能够针对先进QEC架构的复杂解码需求，自主推导出解码方案。