Random encoders and expurgation improve 1,873 entries of the Grassl qubit code tables

技术摘要：随机编码器与净化过程提升 Grassl 量子比特码表

问题陈述
Grassl 的表格 [1] 为长度 $n \le 256$ 的量子稳定器码（qubit stabilizer codes）提供了目前已知的最佳下界和上界。然而，对于长度 $n > 100$ 的情况，其中很大一部分条目（对于 $k \ge 1$ 而言超过一半）仅列出了一个下界，而没有给出显式的码构造。现有的显式码主要以循环型构造（如 BCH 码、拟循环码等）为主。虽然随机稳定器码已知可以达到量子 Gilbert–Varshamov (GV) 界，但表中已知的最佳显式码通常优于这一随机水平。挑战在于寻找能够超越当前最佳已知参数的显式码，特别是在那些表格仅提供存在性界限或循环构造无法提供最优维数 $k$ 的区域。

方法论
作者采用了一种基于随机 Clifford 编码器并随后进行针对性净化（expurgation）的过程，并通过穷举验证。

1. 父码生成（Parent Code Generation）： 父码由一个随机 Clifford 编码器定义，该编码器由 16–20 层随机两比特 Clifford 门组成，作用于 $K$ 个逻辑输入比特和 $n-K$ 个处于 $|0\rangle$ 态的辅助比特。这些父码在统计特性上表现得如同均匀随机的稳定器码。
2. 净化（Expurgation）： 为了提高距离，将权重低于目标距离 $D$ 的逻辑算符“提升”为稳定器。
   • 令 $W$ 为包含权重 $< D$ 的 Pauli 算符的非零逻辑类集合。
   • 选择一个维度为 $q$ 的各向同性子空间 $U \subseteq L$（逻辑群），使得每个 $w \in W$ 都与 $U$ 的至少一个生成元反对易。
   • 将 $U$ 中的元素添加到稳定器群中，从而将码的维度从 $K$ 降低到 $K-q$，同时确保新的距离 $d(S') \ge D$。
   • 该过程通过在 $\mathbb{F}_2$ 上进行线性代数运算，利用随机搜索完成。
3. 抽取与修复（Puncture and Repair）： 报告中的两个码是通过对现有表格中的码进行抽取（移除一个量子比特）并应用净化程序来修复距离而得到的。
4. 距离认证（Distance Certification）：
   • 上界： 通过随机窗口搜索找到一个权重为 $d$ 的显式逻辑算符进行验证。
   • 下界： 通过详尽的“中间相遇”（meet-in-the-middle）枚举进行认证。算法枚举所有权重最高为 $b = \lfloor (d-1)/2 \rfloor$ 的 Pauli 算符，并检查是否存在具有相同伴随式（syndrome）的对。如果该对的乘积是一个非平凡的逻辑算符，则该距离被证伪。该搜索在 Aurora 超级计算机上运行，枚举规模达到了高达 $4 \times 10^{13}$ 个算符。
5. AI 集成： 搜索、编码和认证过程是在人类监督下由 AI 智能体执行的。

理论框架
论文利用一阶矩计数论证来预测净化的有效性。

• “过剩量” $X(n, k, d) = k - k_{rand}(n, d)$ 衡量了一个码在随机码水平之上的逻辑比特数。
• 如果选择子空间 $U$ 的“自由度”（其缩放比例约为 $2^{2Kq - \frac{3}{2}q^2}$）大于移除所有低权重逻辑类的“代价”（其缩放比例为 $2^X$），则净化可以成功。
• 分析表明，净化可以达到一个关于父码维度 $K$ 和移除量子比特数 $q$ 对数级别的过剩量 $X$。这解释了为什么该方法在表格中的最佳码并不比随机码更好（即 $X$ 很小或为负）的区域最为有效。

关键结果
本研究报告了 192 个显式二进制稳定器码，其参数范围为 $53 \le n \le 254$ 且 $5 \le d \le 13$。

• 对表格的改进： 在特定的 $(n, k)$ 坐标下，161 个码超过了表格的下界 1，31 个码超过了下界 2。
• 传播（Propagation）： 通过标准的传播规则（$[[n, k, d]] \to [[n+1, k, d]]$ 以及 $[[n, k, d]] \to [[n, k-1, d]]$），这些发现改进了 Grassl 表格中 1,873 个 $k \ge 1$ 的条目，具体包括将 1,748 个条目提升了 1，以及将 125 个条目提升了 2；其中 485 个条目此前没有显式构造。
• 具体增益：
  • 最大的逻辑比特数 $k$ 增益（高达 9）出现在 $d \ge 9$ 且 $n \gtrsim 170$ 时，特别是在表格此前仅列出下界而无显式码的区域。
  • 示例：对于 $(n, d) = (180, 9)$，新码为 $[[180, 131, 9]]$，优于表格中的 $k=122$。
  • 示例：对于 $(n, d) = (212, 11)$，新码为 $[[212, 149, 11]]$，优于表格中的 $k=140$。
• 预测： 一个基于一阶矩计数的校准预测器识别出了 619 个额外的 $(n, d)$ 对，在这些位置理论上可以实现类似的改进，其中许多目前在表格中仍缺乏显式构造。

意义与主张
论文声称，当经过净化和严格认证后，随机 Clifford 编码器可以超越 Grassl 表格中已知的最佳显式码，特别是在由随机码行为而非结构化循环码主导的参数区域。

• 该工作证明了“稠密”稳定器码（非 LDPC 码）可以实现优于特定长度和距离下的最佳已知循环型码的参数。
• 这些结果是完全显式且经过认证的；每个码都提供了稳定器矩阵、用于上界的显式逻辑算符以及下界的完整证书。
• 该研究强调了 AI 智能体在超级计算基础设施上自动化复杂量子码搜索与验证方面的潜力。
• 作者指出，该方法的主要局限在于详尽距离认证的指数级时间复杂度（$O(n^{d/2})$），这目前限制了该方法只能应用于可以使用超级计算机处理的长度。他们建议，未来的工作可能会探索具有小切割（small cuts）的张量网络构造，以实现更长码的有效距离计算。

数据可用性
所有 192 个码、其证书以及独立的检查脚本均可在公开仓库 [8] 中获取。该仓库包含了稳定器矩阵、用于上界的逻辑算符以及下界枚举运行的日志。