技术摘要：用于预测早期容错表面码架构中算法盈亏平衡点的编译流水线

问题陈述

近期在实现表面码硬件方面的实验进展推动了容错量子计算（FTQC）的前景，特别是实现了逻辑记忆的盈亏平衡（break-even）。然而，目前存在一个关键的编译工作流缺口，无法有效针对具有数千个物理比特的下一代设备。现有的编译技术通常不适用于“早期容错”（EFT）时代，因为它们假设拥有充足的物理资源、固定的逻辑比特布局以及专用的魔术态工厂。在 EFT 阶段，物理空间是极其珍贵的；资源必须在数据比特、辅助比特和魔术态生成之间进行共享，且无法负担专用的工厂区域。此外，传统的资源估算往往止步于晶格手术（lattice surgery）层级，或依赖于简化的体积计数，无法提供准确的物理层级资源估算和保真度预测，而这些对于确定量子纠错（QEC）何时能真正提升算法性能（即算法盈亏平衡）至关重要。

方法论

作者提出了一个全面的端到端编译流水线，将逻辑量子算法转化为在 2D 旋转表面码上实现晶格手术的物理电路。该流水线集成并改进了多种开源工具和最新创新，以解决编译链中的特定子问题：

1. 旋转合并与合成： 该流水线并未采用标准的基于 $R_Z$ 的工作流，而是采用了基于 $U_3$ 的工作流。连续的单比特旋转在被合成到 Clifford+$T$ 序列之前，先被合并为 $U_3$ 门。这种方法利用 trasyn 工具，在给定的合成误差下最小化了 $T$ 门的数量。
2. 执行误差感知合成： 该流水线超越了自上而下的误差预算模式。它采用了一种自下而上的方法，使合成过程能够考虑总体的执行开销，包括逻辑比特闲置时的记忆误差。通过根据整体过程保真度（结合了培养、注入和闲置过程中的误差通道）对门序列进行采样，编译器可以针对特定的物理配置（代码距离 $d$ 和物理错误率 $p$）最小化不保真度。
3. 魔术态培养与注入： 该流水线使用魔术态培养 [26] 取代了传统的蒸馏及专用工厂。该协议允许在单个表面码补丁（$d \ge 7$）上进行原位、按需的魔术态准备。流水线实现了一种高效的连续注入方案，用于 $T_X T_Z$ 序列，通过对相邻比特补丁进行轮询访问，消除了路由开销和过度的生产需求。
4. 直接晶格手术合成： 流水线使用 LaSsynth [62] 直接从 Clifford 子电路的逻辑中合成晶格手术操作，而不是进行逐门翻译。这种方法灵活地处理数据比特和辅助比特，避免了固定布局并优化了时空体积。
5. 物理电路生成与模拟： 流水线使用 tqec 工具将晶格手术操作转换为完整的物理电路。至关重要的是，它生成了排除魔术态培养协议的“Clifford 代理”电路；相反，魔术态（$|T\rangle$）输入被替换为 $Z$ 基底（$|0\rangle$）初始化，以实现经典模拟。作者开发了一种多项式时间算法来计算相关曲面（correlation surfaces），这是恢复逻辑观测值所必需的一步，此前该步骤被忽视或难以处理。
6. 资源估算： 流水线在现实噪声模型（SI1000）下对这些物理电路进行经典模拟，以估算逻辑错误率和不保真度。这使得能够直接比较容错执行与未编码执行之间的性能。

核心贡献

• 端到端流水线： 开发了首个针对表面码编码算法的物理层级编译与资源估算流水线，该流水线集成了旋转合并、误差感知合成、培养以及直接晶格手术合成。
• 算法盈亏平衡预测： 提供了一种识别实现算法盈亏平衡所需的具体硬件要求（物理比特数、代码距离和物理错误率）的方法，其中盈亏平衡定义为 QEC 性能优于未编码执行的点。
• 优化的编译策略： 引入了基于 $U_3$ 的合成和执行误差感知优化，与之前的基于 $R_Z$ 或固定阈值的方法相比，减少了 $T$ 门数量并最小化了整体过程不保真度。
• 原位魔术态获取： 验证并集成了魔术态培养与轮询注入技术，这显著降低了空间占用，并消除了对专用工厂区域的需求和路由开销。
• 相关曲面计算： 开发了一种用于计算大规模晶格手术电路相关曲面的多项式算法，从而实现了在模拟中准确恢复逻辑测量结果。

结果

该流水线被应用于两种著名算法：量子相位估计（QPE）以及应用于 5 比特低自相关二进制序列（LABS）问题的量子近似优化算法（QAOA）。

• 盈亏平衡条件：
  • 在物理错误率 $p = 10^{-3}$ 时，通过 2,517 个物理比特（表面码距离 $d=11$）实现算法盈亏平衡。
  • 在物理错误率 $p = 5 \times 10^{-4}$ 时，通过 1,737 个物理比特（表面码距离 $d=9$）实现盈亏平衡。
• 性能对比： 对编译后的 Clifford 代理电路进行的模拟表明，对于确定的配置，容错执行的不保真度低于在相同的硬件约束（2D 最近邻连接性）下运行的未编码执行。
• 资源指标： 研究提供了各种代码距离和错误率下的详细时空体积、代码周期和 $T$ 门计数（表 2），表明该流水线能够产生针对特定硬件约束进行优化的自适应电路。

重要性

本文声称，这项工作确定了在近期的量子硬件上实现算法盈亏平衡的具体条件。通过超越抽象的资源估算，转向完整的物理层级模拟，作者证明了距离 $d \ge 9$ 的表面码足以运行超越盈亏平衡点的非平凡算法。这项工作向社区发起挑战，要求在近期的硬件上演示这些具体的盈亏平衡条件。此外，该流水线为早期容错表面码架构的端到端编译器铺平了道路，解决了需要考虑 EFT 时代资源约束的编译策略这一紧迫需求。作者指出，扩展到具有数十个逻辑比特的算法将需要进一步优化晶格手术操作（例如“窥孔”优化）以及开发处理非确定性魔术态准备的动态程序。