量子科技中心_量科网

量子比特丢失是量子计算中的一个主要误差来源，因为它破坏了标准稳定子形式体系用于量子纠错码的代数结构。一方面，这使解码过程复杂化；另一方面，它会在稳定子中引入随机闪烁模式，这是量子比特丢失的一个标志性特征。在此，作者开发了一种基于时空图神经网络架构的人工智能解码器，用于从症状历史中提取空间和时间相关性。该解码器执行双头任务，同时纠正标准泡利误差并识别量子比特丢失的位置。该解码器实现的逻辑准确率显著高于传统的最小权重完美匹配算法，甚至高于利用最终轮次量子比特丢失信息作为输入的延迟擦除MWPM解码器。该解码器还能在累积后续十轮稳定子测量后，识别出超过90%的丢失位置，从而有助于量子比特的重新初始化，例如在原子阵列平台上通过连续加载技术实现。对于这两项任务，该团队的STGNN与修改版AlphaQubit的表现几乎相同，但前者采用并行输入结构，使其在推理时间上优于采用循环输入结构的修改版AlphaQubit。这项工作为纠正量子比特丢失误差提供了一个稳健且可扩展的框架，为更高效的容错量子计算铺平了道路。