量子科技中心_量科网

该团队整合了探测器误差模型（DEM）估计领域的最新理论进展，并规范了多种无需解码器即可从症候群中学习DEM参数与结构的算法，通过模拟症候群成功恢复了已知DEM模型，其精度仅受限于有限样本效应。随后将这些算法应用于谷歌72位和105位量子比特芯片的DEM估计。通过构建适用于小型DEM的易处理似然函数，研究表明直接从症候群估计的DEM模型与未见过症候群的吻合度，优于以优化逻辑性能为目标训练的DEM模型；而后者作为解码器先验在逻辑存储实验中表现更优。研究人员利用时间序列DEM估计追踪了量子纠错实验过程中全局误差与特定局部误差的动态变化，展现了其在实时表征中的应用潜力。通过系列DEM估计技术，团队发现并量化了横跨105位量子比特芯片的长程探测器相关性，DEM分析表明其最可能源于关联测量误差而非高权重泡利误差。最后，研究揭示了重复码症候群中两种无法被DEM充分建模的现象：在多轮连续量子纠错中相邻探测器对的关联翻转，以及发生频率高于既往报道的辐射事件特征信号。