中文

MDQEC-QAS: 具有硬件感知VQC搜索和置信门控恢复的量子纠错元解码

量子物理 2026-07-12 v1 人工智能 硬件体系结构 机器学习
作者: Prashant Kumar Choudhary , Nouhaila Innan , Muhammad Shafique , Rajeev Singh
在 arXiv 上查看 ↗ PDF ↗

摘要

我们提出了一种统一的量子纠错元解码框架,该框架可跨多个稳定子码和噪声设置学习综合征到恢复的映射,而无需为每种配置单独设置解码器。基准测试包括FiveQubit、Steane、Planar3x3和Planar5x5码,四种噪声族,以及五种评估机制:插值、未见p转移、未见噪声转移、少样本未见码适应和少样本保持大小适应。我们将经典的Meta-MLP教师训练基线与通过硬件感知量子架构搜索(在量子比特数、电路深度和纠缠拓扑上进行)选择的变分量子电路(VQC)元解码器进行比较。Meta-MLP在五种机制下的教师标签准确率分别为0.9993、0.9118、0.9342、0.6304和0.7548,而硬件感知VQC则分别为0.9400、0.8495、0.8415、0.5678和0.7143。然而,逻辑级评估表明,在最具挑战性的Planar5x5设置中,仅靠高教师标签准确率是不够的。在插值期间,Meta-MLP和VQC相对于教师的原始逻辑失败比率分别为12.08和25.91,而置信门控回退将其分别降至1.71和1.11。这些结果支持置信度感知的选择性恢复,而不是无条件的教师替换。

关键词

量子纠错 元解码 变分量子电路 硬件感知架构搜索 综合征解码 稳定子码

引用

@article{arxiv.2607.10707,
  title  = {MDQEC-QAS: Meta-Decoding for Quantum Error Correction with Hardware-Aware VQC Search and Confidence-Gated Recovery},
  author = {Prashant Kumar Choudhary and Nouhaila Innan and Muhammad Shafique and Rajeev Singh},
  journal= {arXiv preprint arXiv:2607.10707},
  year   = {2026}
}

备注

15 pages, 12 figures and 11 tables