量子科技中心_量科网

量子纠错码的级联结构通过使各级逻辑错误率呈双指数下降来提升纠错能力。然而级联过程中噪声结构会发生转变，导致最优编码序列难以选择。该研究团队提出自动化解决方案：在每一级后评估有效噪声信道，并据此动态选择下一级编码方案。具体而言，当噪声呈现显著结构特征时，采用基于机器学习的方法定制小型非可加性编码器；待噪声趋于均匀分布后，则切换至标准编码方案。仿真实验表明，这种分级自适应策略在达到目标逻辑错误率时，所需量子比特数远少于单纯级联稳定子码的方案——对于强结构噪声，量子比特数量最多可减少两个数量级。因此，这种基于机器学习的混合策略为早期容错量子计算提供了极具前景的实现工具。