用于表面码解码的 Qubit-centric Transformer

arXiv:2510.11593v3 公告类型：replace-cross 摘要：要实现可靠的大规模量子计算，量子纠错（QEC）对于保护分布在多个物理量子比特上的逻辑信息至关重要。借助深度学习的最新进展，基于神经网络的解码器已成为提高 QEC 可靠性的一种有前景的方法。我们提出了 qubit-centric transformer（QCT），这是一种新颖且通用的 QEC 解码器，基于采用量子比特中心注意力机制的 Transformer 架构。该解码器通过专门设计的嵌入策略，将输入的纠错综合征从稳定子域转换为以量子比特为中心的词元。这些词元经过注意力层处理，以有效识别潜在的逻辑错误。此外，我们引入了一种基于图的掩码方法，将量子码的拓扑结构融入其中，强制注意力聚焦于相关的量子比特交互。在表面码的多种码距下，QCT 均实现了当前最先进的解码性能，显著优于现有神经网络解码器以及置信传播（BP）结合有序统计解码（OSD）的基线方法。值得注意的是，QCT 在退极化噪声下达到了 18.1% 的高阈值，非常接近 18.9% 的理论界限，并且超过了 BP+OSD 和最小权完美匹配（MWPM）的阈值。这种以量子比特为中心的方法为表面码解码提供了一个可扩展且稳健的框架，推动了容错量子计算的发展。