量智信息中心_量科网

容错量子纠错需要重复的症候提取，以应对症候提取电路自身引入的错误。然而，重复的症候提取会带来门操作数量和辅助资源（例如 Gottesman-Kitaev-Preskill (GKP) 态）上的显著开销。此外，有噪症候提取本身也可能向数据量子比特中注入额外错误。为了解决这些问题，本工作针对一种具有代表性的 GKP 级联架构——surface-GKP 编码，提出了一种具体的自适应跳过方案，该方案利用内层 GKP 纠错过程中自然生成的模拟信息。在每一轮中，该方案从四种操作中选择一种：同时测量 Z 型和 X 型 surface 编码稳定子、仅测量其中一种、或跳过两种测量并复用上一轮的症候。决策基于复用上一轮症候值与执行新一轮有噪症候提取之间的可靠性比较。通过电路级仿真，研究人员表明，自适应跳过方案能够在保持逻辑错误率与全测量基线相当或更优的情况下，减少 surface 编码稳定子测量的次数。当门操作和测量噪声大于空闲噪声时，该提升最为显著，因为此时避免不必要的症候提取可减少注入编码中的噪声。这些结果表明，内层 GKP 纠错产生的模拟信息不仅可用于改进解码，还可用于降低外层编码症候提取的测量开销。