在构建能够解决当今机器无法处理的问题的计算机的过程中，科学家们正转向量子力学的奇特规则。这些被称为量子计算机的机器，利用原子或离子等微小粒子来存储被称为“量子比特”的状态信息。与标准笔记本电脑中非零即一的比特不同，量子比特可以同时处于两种状态的混合之中。这种力量伴随着脆弱的代价：来自环境的哪怕最轻微的扰动都可能损坏信息，导致计算失败。为了应对这一问题，研究人员使用了一种称为“量子纠错”的方法。他们将单个逻辑量子比特的信息分布在许多物理粒子上，在不直接观察数据（因为观察本身会破坏数据）的情况下，不断检查错误。当发现错误时，解码器会充当向导，弄清楚哪里出了错以及如何修复。然而，这些解码器往往难以应对数据的极高复杂性，如果它们在判断上出现失误，整个计算过程就会崩溃。
来自 IonQ 和马里兰大学的一个研究小组开发了一种新方法，旨在帮助这些解码器在不减慢速度的前提下做出更好的决策。他们专注于一种特定类型的纠错码，即“量子低密度奇偶校验码”，这是构建大规模量子计算机的领先候选方案。他们解决的挑战在于，虽然这些编码功能强大，但用于修复错误的软件在产生结果时，往往不会告知用户其结果的可信度。在过去，如果解码器不确定，唯一的选择就是丢弃整个尝试并重新开始，这浪费了宝贵的时间和资源。研究人员意识到，解码器本身就隐藏着其自身信心的秘密。通过观察解码器的内部运作方式，他们找到了一种衡量其确定度的方法，而无需任何额外的计算或复杂的全新模型。
该团队引入了一种方法，让解码器记录寻找解决方案所花费的步骤总数。如果解码器能快速找到答案，那么结果很可能是可靠的；如果它必须在众多可能性中徘徊并花费很长时间才能得出答案，那么该结果更有可能是不可靠的。研究人员设定了一个简单的规则：如果解码器执行的步骤过多，系统就会丢弃该次尝试并重试；但如果它在限制范围内完成，则保留该结果。这种被称为“软解码器”的方法就像一个过滤器，在剔除最不确定结果的同时，保留绝大多数成功的案例。在他们的模拟实验中，这种简单的过滤器表现得极其出色。对于某些类型的量子码，该方法将逻辑错误率降低了高达 580 倍，而仅丢弃了不到千分之一的尝试。这意味着计算机可以运行更长时间而不出错，方法仅仅是忽略掉那些解码器感到不确定的少数时刻。
为了测试这一想法在现实世界中是否可行，该团队将此方法应用于来自实际陷阱离子量子计算机实验的数据。这些实验涉及将信息存储在记忆状态中一段时间，并检查其是否存续。在旧方法下（即解码器在不做信心检查的情况下做出决策），逻辑记忆的寿命大约与物理粒子本身的寿命相当。这是一个关键的阈值，被称为“盈亏平衡点”；只有当计算机保护信息的能力优于原始硬件本身时，它才具有实用价值。通过将这种新的软解码规则应用于现有的实验数据，研究人员发现逻辑记忆的寿命增加了一倍以上。在测试的五种不同类型的编码中，记忆寿命都显著长于物理粒子，使系统稳步进入了“超越盈亏平衡点”的领域。这种提升伴随着微小的代价：系统大约有 2.6% 到 5.6% 的时间需要重启以丢弃不确定的结果，研究人员认为，为了获得巨大的稳定性增益，这个代价是非常值得的。
研究还探讨了该方法如何应用于实时操作，例如在量子计算机运行时测量其状态。他们模拟了一个过程，即计算机执行一系列测量以检查错误，这是先进架构中必不可少的技巧。即使在这些快速移动的场景中，软解码器也能将错误抑制高达 210 倍，而仅略微增加了需要重复测量的情况。研究人员指出，这种方法之所以高效，是因为它不需要计算机运行两次解码过程，也不需要额外的计算能力来估算信心。相反，它利用了解码器已经在生成的现有数据。这使得该技术已准备好集成到当前及未来的量子系统中，为实现更可靠的量子计算提供了一条直接路径。这项工作表明，通过密切关注纠错软件的内部信号，科学家可以在无需构建更复杂硬件的情况下，解锁更高水平的性能。
技术摘要：具有实验验证的量子 LDPC 码软解码技术
问题陈述
在容错量子计算中，解码器对于根据校验测量结果计算修正至关重要。虽然硬解码器输出单一的修正结果，但软解码器会辅以置信度评分。这种置信度信息使得**后选择（post-selection）**成为可能，即通过丢弃低置信度的样本（量子态或子电路）来降低所接受系综的逻辑错误率。
现有的量子低密度奇偶校验（qLDPC）码软输出解码器面临以下局限性：
- 表面码（Surface codes）： 置信度可以从聚类中估计（例如最小权重完美匹配），但这些指标并不直接适用于用于通用 qLDPC 码的束搜索（beam search）解码器。
- 替代方法： 使用神经解码器、独立的综合征分类器或重复解码（例如两轮逻辑错误准则，2R-LEC）的方法通常需要额外的计算开销、额外的解码调用或训练好的模型。
- 效率： 需要一种能够以极低计算成本识别不可靠结果，且不需要额外解码过程的置信度度量指标。
方法论
作者引入了一种软束搜索解码器，它直接从标准束搜索算法的内部执行数据中导出其置信度度量，从而消除了额外的计算需求。
收敛迭代作为置信度度量：
束搜索解码器（由参数 I0,I,R,B 控制）在候选错误配置上进行有界搜索。作者观察到，在找到有效修正之前，所有访问的搜索路径中所执行的信念传播（Belief Propagation, BP）迭代的累积数量是衡量可靠性的有效指标。
- 令 M(s) 为在处理综合征 s 时，找到第一个有效修正时的 BP 迭代序列位置。
- 假设： 更早的收敛（较低的 M(s)）与更高的解码可靠性相关。
后选择规则：
- 迭代截断规则（Iteration-Cutoff Rule）： 只有当 M(s)≤Mcut 时，样本才被接受。未收敛或超过截断值的样本将被拒绝。该规则不需要额外的解码调用或似然度计算。
- 混合规则（Hybrid Rule）： 为了在迭代截断法效果较差的代码上提升性能，作者将迭代截断法与 2R-LEC 方法结合（后者测试原始先验与重加权先验下逻辑预测的一致性）。
- 如果 M(s)≤Mlow：立即接受。
- 如果 Mlow<M(s)<Mhigh：应用 2R-LEC（需要第二次处理）。
- 如果 M(s)≥Mhigh：拒绝。
这种混合方法将昂贵的 2R-LEC 限制在中间收敛范围内，从而将平均解码调用次数降低至 1+fmid（其中 fmid 是处于中间范围内的样本比例）。
滑动窗口解码：
迭代截断规则被扩展到实时纠错中的滑动窗口方法。只有当该样本所需的所有窗口都收敛，且所有窗口的最大累积迭代计数满足截断值时，样本才被接受。
关键结果
作者通过电路级模拟和对实验数据的重新分析验证了其方法。
电路级模拟（全局解码）：
- 在五种 qLDPC 码上进行了测试：BB90, BB144, Q70, Q102 和 Q54。
- 在物理错误率为 p=10−3 时，混合软解码器在仅拒绝 0.1% 样本的情况下，为 Q54 码实现了高达 580倍的逻辑错误抑制。
- 对于 BB90 和 BB144，迭代截断规则分别实现了 124 倍和 78 倍的抑制，且拒绝率仅为 0.1%。
- 混合规则在提供的逻辑错误抑制效果始终优于对比算法，同时仅使用了完整 2R-LEC 方法所需的 32%–65% 的平均 BP 迭代次数。
滑动窗口解码（逻辑测量）：
- 针对“行走猫”（walking cat）架构，使用 Q54 和 Q70 码模拟了错误检测测量（EDM）。
- 在仅增加 0.5 个百分点 拒绝概率的情况下，为 Q54 实现了高达 210倍的错误抑制。
实验验证（IonQ 俘获离子）：
- 使用相同的束搜索配置，对俘获离子量子计算机（此前见于文献 [48]）的实验记忆数据进行了重新分析，并应用了迭代截断后选择策略。
- 该后选择策略使所有五种测试码（BB5 和 GB4 系列）的逻辑比特寿命翻倍，而每个综合征轮次的平均拒绝率仅为 2.6%–5.6%。
- 这使所有五种码都进入了超越盈亏平衡（beyond-breakeven）状态，即逻辑寿命超过了测得的物理比特寿命（3.84±0.48 秒）。
意义与主张
本文声称，所提出的软束搜索解码器提供了一种实用的、低开销的方法来增强 qLDPC 码的性能：
- 零额外计算： 置信度度量源自标准解码器的执行过程，无需额外的解码调用、显式的似然度计算或训练好的模型。
- 高效性： 混合方法实现了比 2R-LEC 更优的错误抑制，同时显著降低了计算成本（减少了 BP 迭代次数）。
- 实验影响： 该方法可以直接应用于现有的实验数据，无需新的量子实验，即可立即提高逻辑寿命并实现超越盈亏平衡的性能。
- 架构集成： 该方法兼容流式实现（例如行走猫架构），并可以通过过滤不可靠的资源态来提高逻辑操作（如魔术态工厂和 Clifford 门）的成功概率。
作者总结道，这种软解码策略可立即应用于当前基于 LDPC 码的容错架构，为以极低资源开销获得更高逻辑保真度提供了途径。
每周获取最佳 quantum physics 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。