用于颜色码的快速准确的基于AI的预解码器

颜色码是表面码用于通用容错量子计算的有前途的替代方案，因为它们具有更简单的晶格手术协议和逻辑Clifford门的横向实现。然而，与表面码相比，其实际部署受到较慢的解码算法和较差的逻辑故障率和阈值的限制。尽管最近提出了基于AI的逻辑翻转解码器来应对这些挑战，但目前尚无明确的框架用于在大型容错计算所需的时空并行块状解码方案中实现此类解码器。基于AI的预解码器由于其局域性而提供了一种可扩展的替代方案。通过对物理量子比特执行类空校正和对稳定子测量执行类时校正，预解码器自然地与并行块状解码方案和晶格手术协议兼容。在这项工作中，我们介绍了用于三角颜色码的基于AI的预解码器。我们提出了一种新颖的神经网络架构来实现它们，并开发了简化由包含前馈操作的颜色码综合征提取电路生成的复杂训练数据的方法。值得注意的是，我们发现随着码距离的增加，逻辑故障率（LER）和运行时间相对于原始Chromobius解码都有所改善。例如，在码距离d=31和物理错误率$p=0.3\%$时，我们的预解码器+Chromobius流水线将逻辑故障率提高了347倍，同时与单独使用原始Chromobius解码相比，运行时间减少了7.33倍。这些结果表明，基于AI的预解码可以显著缩小颜色码和表面码之间的性能差距，使颜色码更接近实用的大规模容错量子计算。