量子科技中心_量科网

量子计算机有望解决经典设备无法处理的难题，但这种潜力取决于量子纠错（QEC）技术能否保护脆弱的量子态免受噪声干扰。QEC的核心挑战在于解码——即通过稳定子测量生成的综合征模式推断可能的物理错误。现有解码器（包括基于图和神经网络的方法）通常仅返回单一纠错假设，因此忽略了观测综合征条件下误差分布更丰富的后验结构。本研究将QEC解码重构为基于离散去噪扩散的后验推断，利用随机误差累积与前向扩散过程的相似性。该团队提出的DiffQEC生成式解码器结合了多轮时空综合征历史处理器，通过综合征特征调制在整个推断过程中实现观测综合征条件下的去噪。在谷歌超导量子处理器的实验数据上，DiffQEC相较于最小权重完美匹配解码降低逻辑错误率达10.2%，较张量网络解码提升约5%。这些优势在去极化噪声下可扩展至码距达17的大规模编码，并适用于深度递增的逻辑电路。除精度提升外，该学习后验还能为后选择提供置信度估计，并揭示具有物理意义的误差结构，从而确立后验生成式解码作为QEC的实用框架。