⚛️ quantum physics

Real-time decoder for a MegaQuOp quantum computer using a single CPU

本文展示了一个在单个 CPU 上运行的端到端实时解码栈，该解码栈成功处理了具有高达 408 个逻辑量子比特和一百万个 T 门的容错陷阱离子量子工作负载，即使在 MegaQuOp 规模下也仅引入了微不足道的计算开销。

原作者： Min Ye, Andrii Maksymov, Nicolas Delfosse

发布于 2026-08-27

📖 1 分钟阅读🧠 深度阅读

原作者： Min Ye, Andrii Maksymov, 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

量子计算机的梦想是解决当今机器无法解决的问题，但构建它的道路被一种根本性的脆弱性所阻碍。驱动这些设备的微小信息单元被称为量子比特（qubits），它们极易受到热量或振动的微弱干扰，从而导致数据丢失。为了制造出能够实际工作的机器，科学家必须为这些脆弱的单元包裹上多层保护，创建能够检测并修复自身错误的“逻辑”量子比特。这个过程需要持续、紧凑地进行测量，以检查错误，随后立即进行计算以决定如何纠正。如果计算耗时过长，错误积累的速度就会超过修复的速度，导致整个计算崩溃。多年来，专家们一直在思考，单个标准计算机处理器是否真的能跟上运行数百万次操作的大规模量子机器的需求，或者纠错系统是否不可避免地会成为减缓一切速度的瓶颈。

IonQ 的一个研究团队现在已经证明，单个常规计算机处理器确实足够快，足以处理如此大规模的任务。他们构建了一个完整的解码系统，该系统可以在单个中央处理器上实时运行，能够管理一个拥有数百个逻辑量子比特并执行数百万次门操作的通用容错陷俘离子量子计算机架构。他们的工作专注于一种特定的陷俘离子量子计算机设计，在这种设计中，架构被简化，使得计算机不需要在执行计算时不断重塑其内部结构。相反，它运行着稳定的、可预测的检查流，仅在进行复杂操作所需的特定测量时才会被中断。通过利用这种规律性，研究人员创建了一个软件流水线，能够即时生成必要的错误模型，并在量子计算机运行的同时实时解码结果。

研究人员使用三种不同的编译量子应用对系统进行了测试，范围从磁相互作用模型到复杂的相变实验。这些基准测试涉及 102 到 408 个逻辑量子比特，在最大的测试中，系统的负载涵盖了超过一百万次被称为 T 门的复杂操作。团队在单块高端计算机芯片（Apple M4 Max）上运行了这些模拟，并使用了其 16 个可用核心中的 12 个。他们分配了 8 个核心负责纠正一般错误的繁重任务，另外 4 个核心负责处理更快、更紧急的测量结果解释任务。其目标是观察解码软件是否能跟上量子硬件的步伐，而不至于落后——因为延迟会导致机器被迫暂停并等待计算机追赶。

结果显示，该系统跟进得非常出色。当模拟量子硬件中的错误率较低时，解码过程增加的时间不到总计算时间的 0.3%。即使研究人员将错误率提高到更具挑战性的水平，延迟虽然有所增长，但仍处于可控范围内，保持在总时间的 12% 以下。这意味着解码系统并没有让量子计算机陷入缓慢运行的状态；它只是增加了极小部分的额外时间，对于其提供的稳定性而言，这是一个可以忽略不计的代价。研究还表明，该系统能够优雅地处理最困难的时刻。偶尔，复杂的错误模式会导致处理时间稍长，从而造成短暂的积压，但系统能够迅速消化这些延迟，而不会引发连锁故障。

成功的关键在于一种巧妙的数据流组织方式。研究人员使用了两个解码器协同处理同一条信息流。一个解码器持续工作，追踪系统的整体健康状况并纠正累积的错误。另一个解码器是一个专门的高速单元，仅在特定测量期间激活。由于其任务更小、更集中，因此能够提供更快的结果，确保量子计算机在进入下一步之前无需等待决策。这种双重方法使得单个处理器能够高效地管理整个工作负载，证明了对于这类类型的量子机器，图形卡或定制芯片等专用硬件的巨大计算能力可能并非严格必要。

研究人员还发现，他们可以即时生成必要的错误模型，而不是必须预先计算。在许多量子设计中，错误传播的规则会根据正在执行的操作而改变，这要求计算机不断重建其对系统的理解。在这种特定的架构中，研究人员展示了底层错误模式的结构保持不变，只需更新特定错误的概率即可。这使得他们能够以极小的代价实时调整解码器的设置，使软件保持轻量化，从而能够与解码过程同步运行。这种简化至关重要，因为它意味着整个过程可以通过运行在单个芯片上的标准软件来处理。

这些发现表明，构建能够执行数百万次操作的量子计算机之路并不受限于缺乏经典计算能力。这项研究证明，通过正确的架构选择，单个常规处理器可以管理拥有数百个逻辑量子比特的机器的错误纠正。研究人员并未声称解决了量子计算中的所有问题，也没有暗示这种特定设置适用于所有类型的量子计算机。然而，对于他们建模的这类陷俘离子机器而言，证据是明确的：解码瓶颈可以通过现有技术来克服。这为扩展量子计算机开辟了一条实用的路径，表明随着机器规模的扩大，解决方案可能仅仅是增加更多的标准处理器核心，而不是发明全新的硬件类型。这项工作提供了一个具体的证明：运行量子巨兽所需的“经典大脑”不必是超级计算机，它可以是一个强大的单芯片。

技术摘要：使用单台 CPU 实现 MegaQuOp 量子计算机的实时解码器

问题陈述
随着量子计算向“MegaQuOp”阶段（即能够执行数百万次操作和数百个逻辑比特的设备）迈进，一个关键瓶颈也随之出现：实时纠错解码的需求。虽然以往的研究致力于优化针对存储块或少量逻辑操作的解码器，且通常依赖于专用硬件（如 FPGA、GPU、ASIC）来满足微秒级的延迟要求，但尚未有针对通用容错架构在大规模应用下的端到端实时解码栈得到演示。挑战在于需要解码包含存储、魔术态工厂（magic-state factories）和条件逻辑操作在内的流式工作负载。这要求实时生成检测器误差模型（DEM），以适应动态分支，并以快于数据生成的速度处理综合征数据，从而防止因解码积压导致的指数级减速。

方法论
作者提出了一种专为基于行走猫架构（Walking Cat Architecture, WCA）的通用容错离子阱架构设计的解码系统。该系统完全运行在单台商用 CPU（具体为 2024 款 Apple M4 Max）上，并采用了双滑动窗口解码器结构：

双解码器架构：
- 误差解码器（Error Decoder）： 在普通的综合征提取周期（SEC）和“猫 SEC”（cat SEC，即跟随猫态测量的综合征提取）上持续运行。它使用一个 5-SEC 的滑动窗口和一个 3-SEC 的提交区域（commit region）来产生整个计算过程的泡利框架（Pauli-frame）修正。
- 结果解码器（Outcome Decoder）： 仅在逻辑测量期间激活。它以误差解码器提交的泡利框架为初始值，并使用一个较小的 2-SEC 窗口和一个 1-SEC 的提交区域。这种设计最小化了关键路径上的延迟，使系统能够快速确定何时终止维特比（Viterbi）测量，或接受/拒绝检测到误差的测量（EDM）。
即时 DEM 生成：
- 系统并未针对每个独特的猫 SEC 模式重新构建 Tanner 图（校验矩阵），而是利用了 WCA 的结构特性。系统观察到，来自猫态测量的误差机制与伴随其发生的 SEC 中的检测器特征是相同的。
  限因此，系统可以复用单一的静态 Tanner 图来处理所有解码窗口，仅在猫 SEC 进入窗口时动态更新误差变量的先验概率。这种轻量级的生成方式使得 DEM 的创建可以在同一台 CPU 上与解码过程并行进行软件化运行。
并发优化：
- 为了使多个解码实例能在单台 CPU 上并发运行，作者重新设计了信念传播（belief-propagation）状态的存储方式。系统不再为束搜索（beam search）中的每个候选者存储完整的边消息，而是仅存储误差节点的后验对数似然比（LLR），以此近似传入的消息。
- 结合其他内存优化手段，这使内存占用降低了一个数量级以上，从而缓解了在使用 12 个核心时产生的内存带宽竞争问题。

核心贡献

端到端实时解码： 首次演示了完整的解码流水线（包括即时 DEM 生成、所有逻辑比特的解码、逻辑操作以及魔术态工厂的解码），该流水线在单台 CPU 上即可处理 MegaQuOp 规模的工作负载。
可扩展架构： 该解码栈能够处理包含高达 408 个逻辑比特和一百万个 T 门的工作负载，这些负载被编译在 68 个 LD2 存储块和 20 个魔术态工厂之上。
高效的 WCA 解码： 一种处理猫态测量动态特性的新颖方法，通过利用 WCA 的特定结构，避免了重建图结构的计算开销。
内存高效的束搜索： 通过重新构思束搜索解码器状态存储，实现了在标准硬件上的高并发执行。

结果
该系统在三种容错工作负载上进行了基准测试：一个测量诱导相变（MIPT）电路和两个无序海森堡哈密顿量模拟（n64 和 n266），涵盖 102 至 408 个逻辑比特。基准测试假设捕获离子循环时间（ $\tau_{SEC}$ ）在 1 ms 到 5 ms 之间。

解码延迟（拉伸度/Stretch）： 测量了在不同物理 CNOT 错误率（ $p_{CNOT}$ $p_{C N O T}$ 从 $10^{-4}$ $1 0^{- 4}$ 到 $5 \times 10^{-4}$ $5 \times 1 0^{- 4}$ ）下，由于解码延迟导致的额外 SEC 比例（即“拉伸度”）。
- 在 $p_{CNOT} = 10^{-4}$ 时，所有工作负载的拉伸度均小于 0.3%。
- 在 $p_{CNOT} = 5 \times 10^{-4}$ 时，拉伸度有所增加，但对于所有工作负载仍保持在 12% 以下。
硬件利用率： 包括 DEM 生成和针对多达 88 个代码块的束搜索解码在内的整个流水线，均在单台 Apple M4 Max CPU 的 12 个核心上成功运行。
积压管理： 系统有效地管理了解码积压。当误差解码器落后时，系统会插入“停顿 SEC”（暂停逻辑测量但继续普通的综合征提取）以排空积压，从而防止计算完全停滞。

意义与主张
论文声称，实时解码不会成为 MegaQuOp 规模量子计算机的瓶颈，前提是架构（如 WCA）能够简化解码问题。结果表明，只要物理错误率处于现实水平，单台常规 CPU 足以解码跨越数百个逻辑比特及数百万个逻辑门的通用容错工作负载。

作者得出结论，解码计算资源主要取决于分配给每个核心的代码块数量。这为未来的大规模机器提供了一个直观的配置规则：增加常规 CPU 核心或 CPU 的数量可以自然地支持更大的量子系统，而无需依赖专门的解码硬件。这项工作验证了行走猫架构（WCA）在逻辑计算方面的可行性，即通过其简化的综合征流，可以实现高效的基于软件的实时解码。

技术摘要：使用单台 CPU 实现 MegaQuOp 量子计算机的实时解码器

类似论文