量子科技中心_量科网

阈值估计是容错量子计算的核心问题，但已报道的阈值不仅取决于编码方案和噪声模型，还与用于解释症候数据的解码器类型密切相关。该研究团队针对表面码阈值估计，在标准泡利噪声模型和由GKP式数字化启发的混合连续变量/离散模型下，系统研究了这种依赖性。通过采用LiDMaS+统一实验平台，研究者在匹配扫描网格、匹配码距和确定性种子条件下比较了最小权重完美匹配（MWPM）与联合查找（Union-Find）解码器，并在混合模型中额外评估了经训练的神经引导MWPM解码器。 在码距d=5的泡利噪声基准测试中，MWPM始终优于Union-Find：将平均采样逻辑错误率从0.384降至0.260，并产生交叉中位数pc≈0.053的稳定阈值汇总结果。在混合模型的固定码距测试中，Union-Find表现显著劣于MWPM（平均逻辑错误率0.1657 vs 0.1195），而经训练的神经引导MWPM与MWPM性能接近（平均逻辑错误率0.1158）。在多码距混合扫描测试中，虽然逻辑错误排序随码距反转的现象仍然可见，但基于网格的交叉估计器对所有解码器仍返回边界值σc=0.05。神经引导解码在高噪声条件下（d=7，σ=0.60时最大解码失败率达0.1335）显示出升高的解码失败诊断值，表明必须将学习引导质量与解码器鲁棒性指标与阈值曲线同步报告。这些结果证明解码器选择与估计器设计均会实质性影响阈值推断。