超优化量子乐高收缩方案
计算量子权重枚举多项式（WEP）是表征量子纠错（QEC）编码的重要工具，但对于大规模或复杂编码而言存在计算困难。量子LEGO（QL）框架提供了基于张量网络的WEP计算方法，在编码呈现面积律纠缠、采用优质QL布局且找到高效张量网络收缩方案的条件下，该方法可相较暴力穷举法实现超多项式级加速。该研究团队分析了超优化收缩方案框架在多种稳定子码族QL布局中的性能表现，发现稳定子WEP的QL网络中间张量通常具有高度稀疏性，这使得传统稠密张量成本函数的假设失效。为此，研究人员基于中间张量奇偶校验矩阵的秩，提出了一种精确的多项式时间稀疏稳定子张量（SST）成本函数。该SST成本函数与真实收缩成本完全契合，相较具有较大不确定性的默认成本函数具有显著优势。使用SST成本函数优化收缩方案可获得实质性性能提升，实际收缩成本较稠密张量成本函数最高可降低数个数量级。此外，SST函数提供的精确成本估算为判断给定QL布局下基于QL的WEP计算是否具有计算优势提供了高效指标。这些通过新型开源QL工具PlanqTN实现的研究成果证实：超优化收缩是将QL框架应用于QEC编码设计空间探索的关键技术。
