量子科技中心_量科网

经典或量子编码的距离是衡量其纠错能力的关键指标。量子低密度奇偶校验（LDPC）码族在降低容错量子计算开销方面前景广阔，但现有方法难以计算其距离值。该团队通常基于电路级错误模型评估量子码性能，此时电路距离成为重要考量因素。由于电路的检测器错误矩阵通常远大于编码的校验矩阵，计算电路距离往往比求解对应编码距离更具挑战性。 该工作对各类经典码、量子码家族及症状提取电路的距离计算方法进行了全面基准测试，涵盖精确方法（如Brouwer-Zimmermann算法、连通簇算法、可满足性理论及混合整数规划）和启发式方法（如随机信息集算法、症状解码器算法及Stim不可检测错误方法等运行效率较高但只能给出距离边界的方法）。研究团队改进了QDistEvol算法，证明其在本基准测试的量子LDPC码中表现优异。相关算法与测试数据已通过codeDistance Python包向学界开源。