Репортаж от Wedoany，Исследовательская группа физического факультета Гарвардского университета и Гарвардской квантовой инициативы в апреле 2026 года представила результаты исследования по декодеру для квантовой коррекции ошибок. Команда разработала декодер на основе сверточной нейронной сети под названием Cascade, который значительно превзошел существующие методы по производительности коррекции ошибок, одновременно выявив механизм подавления ошибок, названный «эффектом водопада». Соответствующая статья была опубликована на сервере препринтов arXiv, среди авторов — Анди Гу, Х. Пабло Бонилья Атайдес, Михаил Д. Лукин и Сюзанна Ф. Елин.
Декодер Cascade основан на архитектуре нейронной сети, его структура напрямую отражает геометрические особенности квантового кода. В тестах с поверхностным кодом и квантовыми кодами с малой плотностью проверок на четность этот декодер снизил логическую частоту ошибок примерно в 17 раз до нескольких тысяч раз по сравнению со стандартными методами, увеличив пропускную способность обработки данных в тысячи до 100 000 раз. Данные испытаний показывают, что задержка однократного декодирования составляет порядка десятков микросекунд; после оптимизации пакетной обработки эффективное время обработки на каждый раунд коррекции ошибок дополнительно сократилось, что соответствует требованиям к временным параметрам платформ квантовых вычислений, таких как захваченные ионы и нейтральные атомы.
Исследовательская группа сообщила в статье об открытии эффекта водопада. Традиционные модели коррекции ошибок предполагают, что логическая частота ошибок линейно снижается с улучшением физической частоты ошибок со скоростью, определяемой расстоянием кода. Однако фактические данные, полученные с помощью декодера Cascade, показывают, что как только физическая частота ошибок падает ниже определенного порога, логическая частота ошибок резко снижается. Этот нелинейный эффект обусловлен статистическим подавлением высоковесных моделей ошибок. Благодаря этому эффекту количество физических кубитов, необходимое для достижения того же уровня надежности, может быть сокращено примерно на 40%. Исследовательская группа отмечает, что по мере дальнейшего снижения целевой частоты ошибок это преимущество будет продолжать расти, что имеет прямое значение для оптимизации стоимости и сложности систем с отказоустойчивостью на уровне миллионов кубитов, запланированных в настоящее время в отрасли.
Декодер Cascade выполняется на современных GPU, обеспечивая низкую задержку и хорошо калиброванные оценки достоверности. Он может помечать результаты коррекции при высокой неопределенности, тем самым снижая накладные расходы операций «повторять до успеха» в квантовых алгоритмах. В статье также отмечаются ограничения метода: декодеры на основе нейронных сетей не обладают теоретической доказуемостью традиционных декодеров, могут демонстрировать недостаточную обобщающую способность для редких или ранее не встречавшихся моделей ошибок, а вычислительные и энергетические затраты, связанные с большой емкостью модели, еще требуют дальнейшей оценки. Исследовательская группа предлагает в будущем включить возможности декодера в качестве ключевого фактора при проектировании архитектуры квантовых систем и расширить этот метод на большее семейство квантовых кодов с регулярной геометрической структурой.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
