量子科技中心_量科网

量子纠错（QEC）是构建容错量子计算机的关键，它需要同时具备高精度、快速和可扩展性的解码器。当前最先进的神经解码器虽然能达到高精度，但无论实际错误率如何，它们都要处理大小为 \(O(d^2 R)\) 的完整密集症候群阵列，其中 \(d\) 是码距，\(R\) 是测量轮数。在物理相关的错误率（\(p \sim 0.1\%\)）下，症候群中只有不到5%的条目包含活跃的检测事件——然而现有解码器仍要处理整个症候集体积。该团队提出了稀疏Mamba解码器（SMD），这是一种以缺陷为中心的神经解码器，仅处理 \(k\) 个活跃的检测事件，每个缺陷使用13维特征表示，并采用Mamba状态空间主干架构，实现了 \(O(k)\) 的复杂度。在去极化噪声、均匀电路级噪声、SI1000噪声和谷歌Sycamore实验基准测试中，SMD在SI1000噪声下（\(d \le 5\)）将MWPM逻辑错误率降低了最多49%，其运行速度比Tesseract近MLD解码器快95-467倍，比Belief Matching快232-463倍，并且在均匀电路级噪声下，对于 \(d = 3-9\) 的码距，能保持近乎恒定的延迟（24-57微秒）。在Sycamore实验数据集上，SMD集成模型匹配或略微超越了Varbanov等人提出的密集Mamba解码器。所有结果均在商用NVIDIA GPU上获得，参数量为750万至1600万，无需专用加速器。