Quantum memory based on concatenating surface codes and quantum Hamming codes

本文提出了一种将表面码与量子汉明码级联的混合量子存储架构，证明该方法相较于单独使用表面码能够实现更高的误差阈值和更优越的逻辑误差抑制，从而为近期小规模及未来大规模容错量子计算提供了一条有前景的途径。

要点

想象一下，你正试图用玻璃建造一座巨大而极其精致的城堡。目标是让这座城堡永远屹立不倒，但周围的空气中充满了微小、看不见的“灰尘兔”（错误），它们不断试图将碎片敲落。在量子计算机的世界里，这些“玻璃碎片”是信息比特，而“灰尘兔”则是破坏计算的噪声。

为了拯救这座城堡，你需要一套安保系统。本文介绍了一种名为表面 - 汉明码（Surface-Hamming codes）的新型双层安保系统。其工作原理如下，简单解释：

两层防御

将这个问题想象成拥有两种不同类型的安保人员，他们各自擅长某一方面，却在另一方面有所欠缺。

1. 表面码（社区守望者）：
   想象一个社区，每栋房子都有围栏。如果一块石头被扔向房子，邻居们会立即发现并修复它。这套系统非常擅长快速发现麻烦，并且对噪声有很高的容忍度（在整片社区分崩离析之前，它能承受大量的“石头”）。然而，要保护“大量”房子，你需要建造一堵巨大的围栏墙，这会消耗大量的空间和资源。

2. 量子汉明码（高效管理者）：
   现在想象一位非常高效的管理者，他能够将一小群人组织成一支紧密的团队。这位管理者非常聪明，且占用的空间极少。然而，如果噪声变得太大（扔出的石头太多），这位管理者就会不堪重负，整个团队也会随之崩溃。

本文的核心思想：
作者决定将这两者结合起来。他们采用表面码作为“基础”（底层），因为它坚固且能很好地处理噪声。然后，他们在其之上堆叠量子汉明码，以高效地组织信息。

他们将这种新的混合系统称为表面 - 汉明码。

混合系统如何运作

将其想象成一场由两名选手参加的接力赛：

• 选手 1（表面码）： 首先，带有噪声的数据撞击表面码。这位选手很强壮，能捕捉到最大、最明显的错误。它清理了混乱，并将“接力棒”（修正后的信息）传递给下一位选手。
• 选手 2（汉明码）： 汉明码接收那些更干净的信息并进行组织。由于表面码承担了繁重的工作，汉明码就不必那么费力。现在它可以专注于超高效运作，并占用极少的空间。

他们发现了什么？

研究人员运行了数千次计算机模拟（就像在电子游戏中一遍又一遍地运行接力赛），以观察这支团队的表现。

1. 更高的容忍度： 通过使用表面码作为基础，整个系统能够处理比单独使用汉明码多得多的噪声。这就像给高效的管理者配备了一名保镖；现在他们可以在嘈杂得多的环境中工作。
2. 更擅长阻止错误： 当他们将这种混合系统与仅使用巨型表面码（仅靠社区守望者）进行比较时，发现了一个令人惊讶的结果。对于中等规模的城堡（中等规模的“量子存储器”），混合团队犯的错误比巨型社区守望者更少，尽管它们使用了大致相同的建筑材料（资源）。
3. “甜蜜点”： 混合系统在构建中等规模事物时表现最佳。它未必是最适合极小规模或绝对最大理论极限的方案，但对于科学家们计划进行的“近期”实验来说，它是完美的。

潜在问题（“但是……"）

论文指出了几个重要细节：

• 关联错误： 有时，当一块玻璃破碎时，会引发连锁反应，导致其邻居也破碎。研究人员发现，他们的新系统能很好地处理这些“连锁反应”，这是一个巨大的优势。
• “完美”假设： 他们的模拟假设安保人员本身（测量工具）永远不会犯错。在现实世界中，安保人员可能会疲惫或困惑。论文承认，如果安保人员犯错，该系统可能不如模拟中显示的那么完美，但它仍然是近期构建真实量子计算机的一个非常有力的候选方案。

总结

简而言之，作者构建了一种量子存储器，它就像一个坚固的基础 topped 一个高效的屋顶。这种组合使他们能够以比单独使用坚固基础更少的错误和更少的空间浪费来存储量子信息，特别是对于我们希望在近期构建的计算机规模而言。这是一种有前途的新方法，能让我们要保护的脆弱量子玻璃城堡屹立不倒。

技术摘要

技术摘要：基于级联表面码与量子汉明码的量子存储

问题陈述
实现大规模容错量子计算需要量子纠错码（QECCs），这些码需在高误差阈值、低资源开销和高效解码算法之间取得平衡。虽然表面码具有高阈值和局部门要求，但它们存在巨大的资源开销，且需要复杂的解码。相反，量子低密度奇偶校验（LDPC）码承诺具有恒定的空间开销，但通常要求非局部门，这对许多物理平台而言极具挑战性。级联量子汉明码曾被提出作为一种候选方案，可提供恒定的渐近空间开销和高效解码；然而，先前的分析通常假设每一级级联处的误差是独立的。实际上，纠正低层级的误差可能会在高层级诱发关联误差，因此需要完整模拟解码过程以准确估计阈值和开销。

方法论
作者提出并数值模拟了一种名为“表面 - 汉明码”的多量子比特量子存储架构，该架构将表面码（位于最低层级）与量子汉明码（位于更高层级）进行级联。

• 架构：该方案利用多级级联结构。在标准的级联量子汉明码中，0 级寄存器是物理量子比特。在提出的表面 - 汉明变体中，0 级寄存器被表面码块（码距为 $d$）所取代。更高层级（$l \geq 1$）利用量子汉明码 $[[2^{l+3}-1, 2^{l+3}-2(l+3)-1, 3]]$。
• 误差模型：模拟假设比特翻转和相位翻转误差以概率 $p$ 独立地发生在物理数据量子比特上。假设综合征提取和测量电路是无误的，以隔离码的内在属性。
• 解码算法：采用递归的自底向上解码策略。
  1. 0 级：使用最小权重完美匹配（MWPM）算法对表面码块进行解码。
  2. 更高层级：表面码的输出（含噪逻辑量子比特）作为级联量子汉明码的输入。这些码使用递归汉明码解码器进行解码，该解码器计算综合征并根据综合征值 $N$ 应用纠错算子。
• 关联误差分析：与先前将逻辑误差视为下一层级独立输入的迭代方法不同，本研究对整个解码过程进行了完整的蒙特卡洛模拟。这使得追踪关联逻辑误差成为可能，其中单次纠错失败可能会同时影响多个逻辑量子比特。作者验证了这些误差的“局部衰减”特性，这是误差阈值存在的必要条件。

主要贡献与结果

1. 级联汉明码误差阈值的存在性：
   通过全面考虑关联误差的数值模拟，作者确认了级联量子汉明码存在误差阈值。对于级联至第 3 级的码，阈值估计约为 $p_{th} \approx 1.5\%$。即使某一层的逻辑误差是相关的，只要误差是局部衰减的，该结果依然成立。

2. 通过表面 - 汉明级联提升阈值：
   通过将 0 级物理量子比特替换为表面码，误差阈值显著提高。阈值随底层表面码的大小（$d$）缩放：

   • $d=3$：阈值 $\approx 1.3\%$
   • $d=5$：阈值 $\approx 3.4\%$
   • $d=21$：阈值 $> 6.5\%$
     作者观察到，随着表面码大小的增加，阈值趋近于表面码本身的阈值。

3. 中等规模下更优的逻辑误差抑制：
   当将表面 - 汉明码与具有可比资源开销（物理量子比特数量）的独立表面码进行比较时，级联方案在抑制逻辑误差方面表现出更优越的性能。

   • 对于物理误差率 $p \approx 1\%$，使用级联至第 1 级的 $d=3$ 表面码的表面 - 汉明码，其逻辑误差率比 $d=4$ 的独立表面码低约一个数量级。
   • 使用级联至第 2 级的 $d=3$ 表面码的表面 - 汉明码，其性能优于 $d=7$ 的独立表面码，同时仅需约一半的资源开销（每个逻辑量子比特 41 个物理量子比特对 85 个物理量子比特）。
   • 这种优势在中等规模（例如编码数十到数百个逻辑量子比特）时最为显著，而非在渐近极限下。

4. 解码时间分析：
   该研究估算了 CPU 和 GPU 上的解码时间。虽然汉明解码器的递归性质导致在未并行化的 CPU 上具有指数级时间复杂度，但在 GPU 上的并行执行显著缓解了这一问题。作者指出，对于级联层级小于 4 的情况，尽管存在理论上的缩放差异，但由于指数项中的系数较小，级联量子汉明码在 CPU 硬件上表现出比通过 MWPM 解码的表面码更大的计算优势。

意义与主张
本文主张，将表面码与量子汉明码级联为在不久的将来演示小规模容错量子电路提供了一条有前景的途径。该架构具有高误差阈值、低资源开销和高效解码的特点，使其成为容错量子计算的有力候选者。

作者明确指出，他们的研究聚焦于在假设完美综合征提取条件下码的内在属性。他们承认，量子汉明码并非 LDPC 码，可能需要深层的综合征提取电路，这可能会引入降低阈值的测量误差。然而，引用先前的工作，他们指出这可能不会抵消其优势。文章总结道，虽然这些优势对于中等规模的存储是明确的，但这些优势在现实误差模型（包括综合征提取误差）下的存续性仍是未来研究待解决的问题。