用于 toric code 的自注意力 U-Net 解码器
量子物理
2025-10-28 v1
摘要
在 NISQ 时代，实现通用量子计算最重要的瓶颈之一是纠错。稳定子码是最具代表性的量子纠错码类型。一个可扩展的高效解码器是量子纠错码应用最渴望的。在这项工作中，我们提出了一种用于 toric code 的自注意力 U-Net 量子解码器（SU-NetQD），它优于最小权重完美匹配解码器，特别是在电路级噪声环境中。具体而言，使用我们的 SU-NetQD，我们实现了比 MWPM 更低的逻辑错误率，并发现码阈值随噪声偏置的增加而呈现增加趋势。对于极度偏置的噪声环境，我们获得了 0.231 的高阈值。低层解码器与高层解码器的结合是我们解码器高准确率的关键创新。借助迁移学习机制，我们的解码器对于不同码距的情况具有可扩展性。我们的解码器为量子噪声分析提供了实用工具，并促进了量子纠错码和量子计算的实用性。
关键词
引用
@article{arxiv.2506.02734,
title = {Self-attention U-Net decoder for toric codes},
author = {Wei-Wei Zhang and Zhuo Xia and Wei Zhao and Wei Pan and Haobin Shi},
journal= {arXiv preprint arXiv:2506.02734},
year = {2025}
}
备注
16 pages; 12 figures;