量子科技中心_量科网

量子纠错通过测量症状并运用经典解码算法来预估错误的位置和类型，同时保护编码后的量子比特。在此项工作中，研究人员探讨了在特定噪声量子比特场景下，如何利用先验信息和贝叶斯更新显著提升量子纠错的性能。该方法使得通常被低估的偶数距离码也能有效处理噪声量子比特，从而改变逻辑错误率与基线物理错误率之间的幂律缩放关系。其核心在于通过将解码器输出实时反馈至近似卡尔曼滤波器来更新先验信息。因此，该方案为实际错误率提供了自举优化机制。该团队通过对完整闭环系统的仿真验证了这一点：从均匀先验出发，更新流程逐步学习特定位置的错误率，使解码器性能超越固定先验基线。更进一步，研究人员证明在低噪声量子比特的典型场景下，该方法可通过注入门集合层析操作实现幺正运算的原位校准，且仅需适度开销。