← 最新论文
⚛️ 量子物理

Recursive Clifford noise reduction

本文提出了一种递归版本的 Clifford 噪声抑制(CliNR)方案,该方案在仅需适度量子比特和门开销的情况下,显著降低了大型 Clifford 电路的逻辑错误率,在现实的近期参数范围内表现优于原始方法。

原作者: Aharon Brodutch, Gregory Baimetov, Edwin Tham, Nicolas Delfosse

发布于 2026-11-19
📖 1 分钟阅读🧠 深度阅读

原作者: Aharon Brodutch, Gregory Baimetov, Edwin Tham, Nicolas Delfosse

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

量子计算机有望解决当今机器无法处理的问题,从设计新药到模拟复杂的气候系统。然而,这些机器极其脆弱。它们用于存储信息的微小粒子被称为量子比特(qubits),极易受到环境干扰,从而导致计算出错。为了解决这个问题,科学家们长期以来一直梦想着建立一种能够自动检测并在错误发生时进行纠正的系统,这一概念被称为全纠错。但构建这样一个系统需要如此多的额外部件,以至于目前的计算机根本没有足够的空间或功率来运行它们。在此期间,研究人员正在寻找更聪明、更轻量的方法来减少误差,即使系统还不完美,也能尽可能地降低误差以获得有用的结果。

其中一种方法针对的是一种被称为克利福德电路(Clifford circuit)的特定类型计算,这是许多量子算法的常见构建模块。一种被称为“Clifford噪声缩减”(Clifford Noise Reduction,简称 CliNR)的方法被开发出来,通过准备一个特殊的“资源态”并在使用前对其进行检查来清理这些电路。如果检查失败,则重新开始过程。虽然这种方法在处理小型任务时效果良好,但当电路变得过大时,它就会遇到瓶 easily 瓶颈。重启次数和所需的额外部件数量增长得太快,使得该方法对于科学家真正想要解决的大型问题而言变得不再切实际。误差率保持得过高,且成本过于昂贵。

在一项新的研究中,来自 IonQ 和华盛顿大学的研究人员提出了一种突破这一壁垒的方法。他们开发了 CliNR 方法的一个递归版本,称之为“递归式 CliNR”(Recursive CliNR)。该方法不再将整个计算视为一个需要检查的巨大整体,而是将任务分解为层级化的更小部分。想象一下一种树状结构,主任务被拆分为子任务,而每个子任务又被进一步拆分为更小的部分。系统首先检查最小的部分。如果通过检查,它们会被组合成更高一级的层面,然后再次进行检查。这个过程重复进行,沿着这棵树向上移动,直到得出最终结果。通过在这一层级结构的多个层面检查工作,系统可以更早地捕捉并丢弃错误,防止它们破坏最终答案。

研究人员展示了这种分层方法如何让计算机处理规模大得多的电路,而不会导致误差率爆炸式增长。在他们的模拟中,他们发现当硬件的物理误差率足够低时,这种递归方法可以将最终误差率降至接近于零。至关重要的是,它在不需要大幅增加额外部件或操作数量的情况下实现了这一点。对于非常大的电路,这种新方法在利用相同资源的情况下,比原始技术实现了更低的误差率。团队在数学上证明了这在理想噪声条件下是行得通的,并利用包含更现实误差模式(例如在离子阱量子计算机中发现的模式)的计算机模拟验证了这一点。

研究结果表明,这种技术在不久的将来可能成为一种实用的工具。通过使用递归结构,该方法将一个此前因成本过高而无法解决的问题转变为一个可控的问题。研究人员证明,对于拥有数百个量子比特的电路,这种方法提供了明显的优势,能够以适度的开销实现更可靠的计算。虽然该方法目前仅限于特定类型的电路,但它代表了在实现全纠错之前,向使量子计算机变得有用的目标迈出的重要一步。它提供了一条在相对较小的成本下,减少大规模操作中误差的路径,使实现实用规模量子计算的目标离现实又近了一步。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →