量子科技中心_量科网

为了实现数百万量子比特的实时容错，可扩展的解码是必要的，这也正是本文的动机。现有的解码算法（解码器），如聚类、匹配、置信传播（BP）和神经网络，在表面码、环面码和二变量自行车码等广泛量子纠错码上，存在不准确、成本高和不兼容等一个或多个问题。因此，现有解码器与一个同时具备准确、快速、通用和可扩展特性的理想解码器之间存在差距。本文在解码器、解码器架构和解码模拟器三个方面做出了贡献。首先，该工作提出了彩票BP，这是一种在解码过程中引入随机性的解码器。对于拓扑码，彩票BP将解码精度比BP提高了2~8个数量级。为了高效解码多轮测量误差，该团队提出了综合征投票作为彩票BP的前置处理步骤，将多轮综合征压缩为一轮。综合征投票增加了解码的延迟裕度并缓解了积压问题。其次，该研究设计了PolyQec架构，该架构将彩票BP作为局部解码器，有序统计解码（OSD）作为全局解码器，并可针对表面码/环面码和X/Z校验进行配置。由于彩票BP提升了局部解码精度，PolyQec相比BP+OSD更少地调用成本高昂的全局OSD解码器，从而增强了可扩展性，例如对拓扑码减少了3~5个数量级。第三，为了公平评估解码器，研究人员开发了一个基于PyTorch的解码模拟器Syndrilla，该模拟器将仿真流程模块化，并允许灵活扩展新的解码器。该工作制定了多个指标来量化解码器性能，并将其集成到Syndrilla中。在GPU上运行时，Syndrilla比CPU快1~2个数量级。