arXiv cs.AI· Seong-Joon Park, Hee-Youl Kwak, Yongjune Kim·· 10 天前AI 评分24
以量子比特为中心的 Transformer 用于表面码解码
Qubit-centric Transformer for Surface Code Decoding
AI 导读
研究者提出量子比特中心 Transformer（QCT），一种基于 Transformer 架构与量子比特中心注意力机制的通用量子纠错解码器，通过专用嵌入策略将稳定子域的 syndrome 转换为量子比特中心 token，并引入基于图的掩码方法融入量子码拓扑结构。
正文 · AI 翻译
摘要：为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。我们提出了以量子比特为中心的 transformer（QCT），这是一种新颖且通用的 QEC 解码器，基于带有以量子比特为中心的注意力机制的 transformer 架构。我们的解码器通过专门的嵌入策略，将输入的症状从稳定子域转换为以量子比特为中心的 token。这些以量子比特为中心的 token 通过注意力层进行处理，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，该方法融入了量子码的拓扑结构，强制关注相关的量子比特相互作用。在表面码的不同码距下，QCT 均实现了最先进的解码性能，显著优于现有的神经解码器以及置信传播（BP）结合有序统计解码（OSD）的基线。值得注意的是，QCT 在去极化噪声下实现了 18.1% 的高阈值，这接近 18.9% 的理论界限，并超过了 BP+OSD 和最小权重完美匹配（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，推动了通往容错量子计算的道路。
| 评论： | 13 页，13 幅图 |
| 主题： | 量子物理（quant-ph）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2510.11593 [quant-ph] |
| （或 arXiv:2510.11593v3 [quant-ph] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2510.11593 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Seong-Joon Park [查看电子邮件]
[v1]
2025 年 10 月 13 日星期一 16:31:46 UTC（489 KB）
[v2]
2026 年 3 月 16 日星期一 07:04:54 UTC（1,635 KB）
[v3]
2026 年 10 月 6 日星期二 06:10:19 UTC（1,460 KB）
来源：arXiv cs.AI · arxiv.org