量子科技中心_量科网

快速可靠的解码器是实现容错量子计算的关键组件。AlphaQubit等神经网络解码器已展现出显著潜力，其精度超越了传统人工设计的解码算法。然而，现有神经网络解码器实现方案缺乏实时处理超导逻辑量子位生成症状流所需的并行能力。此外，将AlphaQubit与基于滑动窗口的并行解码方案结合存在重大挑战：该工具训练时仅针对整个内存实验输出单个全局逻辑校正位，而非易于整合的局部物理校正位。研究团队通过训练专为滑动窗口解码设计的循环式Transformer神经网络来解决该问题。尽管该网络每个窗口仍输出单比特，但研究人员从一组连贯的局部校正中提取训练标签，并同时针对多种解码窗口类型进行训练。该方法使网络能在相邻窗口间自我协调，从而实现对任意长度内存实验的高精度并行解码。最终，该工作突破了此前阻碍AlphaQubit型解码器应用于容错量子计算的吞吐量限制。