量子科技中心_量科网

要充分发挥量子计算的潜力，必须采用量子纠错技术（QEC）。该技术通过将逻辑信息编码到冗余的物理量子比特中，实现错误的检测与纠正，从而降低错误率。当前常用的解码器是最小权重完美匹配算法（MWPM），这是一种基于图论的算法，通过边权重识别最可能的错误链。该研究团队提出了一种名为神经最小权重完美匹配（NMWPM）的数据驱动解码器。该解码器采用混合架构：利用图神经网络（GNN）提取局部校验子特征，通过Transformer捕捉长程全局依赖关系，进而为MWPM解码器预测动态边权重。为了通过不可微分的MWPM算法实现训练，研究人员设计了一种新颖的代理损失函数，实现了端到端优化。实验结果表明，该方案在逻辑错误率（LER）上较标准基线有显著降低，证明了将神经网络预测能力与传统匹配算法结构相结合的混合解码器的优越性。