面向AI辅助量子纠错电路综合的基准测试——StabilizerBench

随着量子硬件向容错运算规模化，自动化量子纠错（QEC）电路综合的需求远远超过人工设计能力。AI代理为自动化这一任务提供了可行之路，但目前尚无基准用于衡量其在专门生成QEC电路方面的进展。我们介绍StabilizerBench，一个包含192个稳压器码的基准套件，覆盖12个家族，涉及4-196个量子比特，距离2-21，按难度递增分为三个任务：状态准备电路生成、在语义约束下进行电路优化、容错电路综合。虽然以QEC为动机，稳压器电路仍练习了通用量子编程所需的核心能力，包括门分解、量子比特路由和语义保持变换，同时通过Gottesman-Knill定理实现高效验证，使基准可扩展至大型代码，无需全单元比较的指数级成本。我们定义统一的生成器加权评分系统包含两个层次：能力评分衡量成功覆盖范围，质量评分捕捉电路价值。我们还引入持续的容错性和优化指标，对错误韧性和电路改进进行grading，超越二元通过或失败。遵循经典基准如SWE-bench的设计，StabilizerBench指定输入、验证者和评分，但保持提示和代理策略开放。我们评估了三个前沿AI代理，发现该基准在模型和任务之间具有显著区分度且改进空间充足。