Decoder- and Noise-Aware Optimization Framework for Clifford-Deformed Quantum Error-Correcting Codes
本文介绍了基于演化的最佳臂识别（Evolution-Based Best-arm Identification, EBBI），这是一种高样本效率的搜索算法，能够实现电路级噪声下 Clifford 变形的可扩展优化，并成功发现且推广了一种全新的高性能“B-XZZX”代码模式，其性能优于现有方法。
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
构建一台能够解决当今机器无法处理的问题的计算机，需要对我们处理信息的方式进行根本性的转变。在量子世界中，基本的数据单元极其脆弱，极易因微弱的热量或电磁干扰而丢失其状态。为了让这些系统运行，科学家们使用一种称为量子纠错的方法，它就像一个安全网，不断检查错误并在错误破坏计算之前将其修复。然而，这个安全网是昂贵的；它需要许多物理组件来保护仅仅一个信息单元。研究人员面临的挑战是如何使这种保护尽可能高效，即用最少的资源榨取最大的可靠性。一种极具前景的策略涉及微调安全网本身的规则。科学家们不再为系统的每个部分使用一套标准的、统一的规则，而是可以稍微改变组件之间的连接方式，以更好地匹配其硬件容易产生的特定类型错误。这种被称为“Clifford 变形”（Clifford deformation）的方法提供了一种无需增加新硬件即可提升性能的方式，但为大型系统寻找完美的微调模式是一项如此庞大的任务，以至于检查每一种可能性都是不可能实现的。
哥本哈根尼尔斯·玻尔研究所的一个研究小组开发了一种新方法来应对这一巨大的搜索空间，成功识别出了此前被忽视的更优纠错模式。他们创建了一种名为“基于进化的最佳臂识别”（Evolution-Based Best-arm Identification）的智能搜索算法，该算法将复杂的量子系统视为一个黑盒。该算法并不试图理解噪声和解码软件的所有内部细节，而是测试不同的模式，从结果中学习，并逐渐向最佳解决方案演化。它的工作原理是模拟量子计算机数千次，观察错误漏掉的频率，并利用这些观察结果来指导下一组测试。驱动这种方法的核心见解是：非常相似的模式往往会产生相似的结果。这使得算法可以利用从一次测试中收集到的信息，对附近的模式做出合理的推测，从而有效地修剪掉绝大多数无用的选项，并将精力集中在最有希望的候选方案上。
研究人员在一种广泛使用的设计——表面码（surface code）上测试了这种方法，这种设计将量子比特排列在一个二维网格中。他们在现实条件下模拟了系统，在这些条件下，硬件更有可能产生某一类型的错误，这是许多现代量子设备的共同特征。在这些模拟中，该算法与随机搜索进行了对比，后者只是盲目地选择模式进行测试而没有任何策略。结果令人震惊。对于一个小型的代码版本，新方法找到最优模式所需的模拟运行次数大约比随机搜索少一千倍。随着代码规模的增大，这种优势变得更加显著。当随机搜索在尝试了数十亿次后仍未能找到最佳模式时，新算法却能一致地收敛到一个能显著降低逻辑错误率的解决方案上。这种效率至关重要，因为模拟这些量子系统在计算上是非常昂贵的，而能够通过较少的尝试找到好的解决方案，使得大规模量子计算机的优化变得可行。
或许最重大的发现是算法发现的一种新的纠错模式，研究人员将其命名为 B-XZZX 码。该模式是先前已知设计的一种变体，但对网格的边缘进行了特定的修改。虽然新模式在总组件中的变化仅占极小比例，但其性能会随着系统的增大而提升。在距离为 3 时，它比之前的最佳设计提高了 5%；而在距离为 11 时，这一优势增长到了约 12%。这一发现是反直觉的，因为人们通常会认为微小的改变其带来的收益会随着系统规模的扩大而减弱。相反，研究人员发现，通过对边缘进行特定调优，有助于系统更有效地处理模拟硬件中的独特噪声特性。他们还发现，最佳模式高度依赖于特定的噪声类型和用于解码错误的软件，这证明了不存在“一劳永逸”的解决方案，且优化必须针对特定的硬件环境进行定制。
这项工作表明，通过仅仅为现有硬件找到正确的配置，就可以系统性地改进量子纠错，而无需建造新的硬件。研究人员展示了他们的方法可以从小型测试案例扩展到更大、更复杂的系统，从而识别出人类直觉或随机机会可能错过的模式。他们还强调，这些模式的成功与用于修复错误的特定解码软件密切相关，这表明未来的量子计算机在设计时需要将纠错策略纳入考量。通过提供一种实用的工具，将这些代码定制于真实设备的独特噪声特征，这项研究为实现容错量子计算提供了一条清晰的路径，将纠错的理论承诺转化为实际的工程解决方案。
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。