面向噪声鲁棒量子信 teleportation 的量子 toric 码 GAN 解码器

我们提出一种基于生成对抗网络（GAN）的解码器，用于量子拓扑码，并将其应用于改进基于 depolarizing 噪声的量子信 teleportation 协议。通过使用该代码的特征值数据集构建和训练 GAN 的生成器和判别器网络，我们获得了在解码伪阈值方面显著提高的解码器。仿真结果表明，GAN 解码器的伪阈值约为 $p=0.2108$，该值从 d=3 和 d=5 代码距离的逻辑错误率曲线交叉点估计得出，几乎是经相同条件下经典解码器（$p \approx 0.1099$）的两倍。此外，在相同的目标逻辑错误率下，GAN 解码器始终实现更高的逻辑保真度。当应用于量子信 teleportation 时，优化后的协议在噪声情形下显示出增强的保真度。具体而言，对于 d=3，保真度在 depolarizing 噪声阈值范围 $P<0.06503$ 内提高；对于 d=5，范围扩展到 $P<0.07512$。此外，通过适当的训练，GAN 解码器可以泛化到其他错误模型。这项工作将 GAN 定位为拓扑量子纠错解码中的强大工具，为容错量子信息处理提供一种灵活且抗噪声的框架。