Learning to decode logical circuits

Yiqing Zhou

doi:10.1038/s43588-025-00897-4

2025-11-04

DOI：10.1038/s43588-025-00897-4

原文链接

查看原文

摘要

En 中文

随着量子硬件向未来不久实现纠错量子电路的方向发展，逻辑电路高效多项式时间译码算法的缺失构成了一个关键瓶颈。尽管量子存储器译码已被广泛研究，但由横穿纠缠逻辑门引入的不可避免的相关误差阻碍了量子存储器译码器向更广泛场景的直接推广。本文介绍了一种以数据为中心、模块化的译码框架——多核电路译码器（MCCD），其包含与量子硬件支持的每个逻辑操作相对应的译码模块。MCCD在统一框架内处理单量子比特门和纠缠门。我们使用镜像对称随机Clifford电路训练MCCD，展示了其有效学习相关译码模式的能力。通过在远深于训练集的电路上进行广泛测试，我们发现MCCD在保持高逻辑准确性的同时，随着电路深度和码距的增加展现出有竞争力的多项式译码时间。与最小权重完美匹配（MWPM）、最可能错误（MLE）以及带有序统计后处理的置信传播（BP-OSD）等传统译码器相比，MCCD在达到有竞争力的准确率的同时具有显著更优的时间效率，特别是在包含纠缠门的电路中。我们的方法为深度逻辑量子电路中的译码挑战提供了一种与噪声模型无关的解决方案。本研究报告了一种机器学习译码器，能够高效纠正含纠缠门的量子逻辑电路中的错误。多核电路译码器在保持有竞争力的准确率的同时，运行速度远快于传统方法。

Keyword:

Quantum error correction

Logical quantum circuits

Machine learning decoder

Multi-Core Circuit Decoder

Entangling gates