量子科技中心_量科网

电路级解码器是实现低开销容错量子计算的关键组件。然而这类解码器依赖于复杂的超图结构，传统上需要预先编译完成。这种静态处理方法为新兴的自适应量子电路带来了显著瓶颈——这类电路在执行过程中会根据中间测量结果动态调整结构。若为所有可能的电路分支预先编译超图，将导致内存需求呈指数级增长，使得现有工具难以处理这类计算负载。 为此，该团队推出GreenPeas工具链，这套基于C++/CUDA的解决方案能够实现解码超图的实时高速编译。通过将量子电路降维为时空错误传播图，该团队证明了如何将Stim回溯算法高效映射至大规模并行GPU架构，将涉及n个量子比特和l个门层的O(nl)计算负载分解到数千个并发线程中。在表面码和双变量自行车码这两种主流容错架构上的测试表明，该实现相比Stim基准方案平均获得超过10倍的加速效果。 作为核心应用场景，该团队验证了该加速方案可实现自适应综合征测量电路的电路级解码，突破了此前只能采用精度较低的现象学解码器的限制。该团队计划开源GreenPeas工具，以支持未来自适应量子电路协议的研究工作。