存在监测误差时图态生长的自适应策略

图态（或团簇态）是实现单向量子计算的纠缠资源。它们可以通过对组成量子比特的投影测量来生长。此类测量通常具有显著的失败概率。此外，它们可能产生不完美的纠缠。在这里，我们描述了调整生长操作以消除已发生误差的策略。最初偏离理想图态的新生态会向所需的高保真资源演化，而无需不切实际的额外开销。我们的分析扩展了图态的图解语言，以包含由实验缺陷引起的特征，如倾斜顶点、加权边和部分融合。我们提出的策略与奇偶投影方案相关，例如使用分布式物质量子比特的光学“路径擦除”。