作者: Ali Lavasani, Adam P. Reed, Joan M. Dreiling, Annie J. Park, Michael Mills, Matteo Puviani, Gabriel Matos, M. S. Allman, Noah Berthusen, Natalie C. Brown, Victor E. Colussi, Brian Estey, Cameron Foltz, Daniel Gresh, Reza Haghshenas, Akhil Isanaka, Nikhil Kotibhaskar, Anthony Ransford, Ciar'an Ryan-Anderson, Brian Neyenhuis, David Hayes, Tzvetan S. Metodi, Andrew C. Potter

1. 核心物理图象

• 论文核心物理图象：量子纠错就像给量子信息"多买几份保险"——把一份逻辑信息冗余编码到多个物理量子比特上。但冗余本身也带来更多出错机会，因此存在一个"盈亏平衡点"（阈值）：只有当物理错误率低于该阈值时，增加冗余（增大码距 d）才能真正把逻辑错误率指数压低。

• 本文在 Quantinuum 的 Helios-1 离子阱量子处理器上，用三角形 color code（码距 d = 3, 5, 7）实际演示了"低于阈值"的行为：随着码距增大，逻辑错误率以 Λ ≈ 12 的抑制因子逐级下降，最低达到每轮综合征提取约 5×10⁻⁶ 的逻辑错误率。这是首次在 color code 上、且在其阈值以下观测到如此强的距离缩放，同时还演示了逻辑 Clifford 双比特随机基准测试的低于阈值缩放，以及可实时运行的神经网络解码器。

• 直观印象：该实验证明，离子阱平台配合 color code 可以在"码块不大"的情况下，逼近大规模容错量子计算所需的逻辑错误率水平。

2. 关键术语解释

• Color Code（彩色码）：一类自对偶的 CSS 拓扑量子纠错码，定义在蜂窝格点的三角形面上，每个面同时承载 X 型和 Z 型稳定子。其关键优势是 Clifford 群（H、S、CNOT）全部可以"横向（transversal）"实现——即逐比特操作，不需级联，因此特别适合全连接的离子阱平台。本文的 d = 3, 5, 7 三角形 color code 需要 13、37、73 个物理比特。

• 阈值与抑制因子 Λ：阈值 p_th 是物理错误率的分界点；Λ ≡ p_th/p 衡量物理错误率离阈值有多远。拓扑码的逻辑错误率满足 p_L ∝ (p/p_th)^((d+1)/2)，因此码距每增加 2，错误率就被压低约 Λ 倍。本文测得 Λ ≈ 12，意味着物理错误率约为阈值的 1/12。

• 泄漏（Leakage）与泄漏重泵（Leakage Repump）：离子阱比特的计算子空间只是 8 个超精细能级中的 2 个，其余 6 个构成"泄漏子空间"。比特泄漏到这些能级后，参与的门操作会把错误级联扩散。本文用硬件级方案（1762 nm 态选择光脉冲 + 614 nm 光泵浦）把泄漏布居"泵回"计算子空间，三个循环可将泄漏压低 6.5 倍，且不增加电路时间（与基态冷却、离子输运并行）。

3. 主要贡献 (Key Contributions)

• 首次在 color code 上实现低于阈值的距离缩放：在 Helios-1 上，d = 3, 5, 7 的内存实验逻辑错误率分别为 5.5×10⁻⁴、3.8×10⁻⁵、5×10⁻⁶（每轮综合征提取），拟合出抑制因子 Λ = 12⁺³₋₂，即码距每增加 2，错误率下降超过一个数量级。此前 color code 的低阈值演示大多停留在理论或小规模模拟。

• 逻辑 Clifford 双比特随机基准测试的低于阈值缩放：在编码后的 2QRB 电路中，每逻辑 Clifford 门的错误率为 d=3 时 7×10⁻⁴、d=5 时 7×10⁻⁵，抑制因子 Λ = 9⁺⁸₋₄。由于 color code 的 Clifford 门全横向实现，这直接说明逻辑门层面也处于阈值以下。

• 硬件级与电路级泄漏抑制的协同：将硬件光泵浦泄漏重泵与电路级"SWAP 泄漏缩减单元（SWAP-LRU）"结合，使 d = 3、5 的 LER 分别再改善 4 倍和 8 倍。这是将"泄漏"这一非 Pauli 错误源转化为标准 Pauli 错误、从而可被常规纠错处理的关键工程手段。

• 可实时运行的神经网络解码器：训练了 3D CNN 与 round-token transformer（RTT）两种解码器，仅在模拟器数据上训练后"零样本"迁移到硬件数据，逻辑性能与近最优的 Tesseract 算法解码器相当（d=3, 5 在 1σ 内不可区分），而单轮推理延迟仅约 0.2–0.5 ms，比综合征提取速率快一个数量级。这为"实时解码 + 魔法态注入 T 门"的完整容错方案铺路。

4. 研究方法 (Methodology)

• 平台与编码：在 Helios-1 离子阱处理器（¹³⁷Ba⁺ 全连接量子比特）上运行三角形 color code（d = 3, 5, 7）。由于是全连接，逻辑 CNOT 可横向实现，SWAP 可通过软件重标记实现，从而把综合征提取深度减少一层（"SWAP-superdense"电路）。

• 泄漏抑制双管齐下：硬件层面用态选择光泵浦把泄漏布居泵回计算子空间（对应"泄漏重泵"术语）；电路层面用 SWAP-LRU 在每三轮综合征提取中轮换数据比特与辅助比特，让残留泄漏比特被测量-重置清除。

• 内存实验：制备 6 个逻辑 Pauli 基态之一，进行 r = 20 轮综合征提取，再用 Tesseract（A* 搜索最大似然解码器）、Frontier（流式动态规划解码器）以及两种神经网络解码器解码。由于 d=7 时失败极罕见，采用单点估计公式 LER = (n_F/n)/(r+½)，并用 log(LER) 对 d 线性拟合提取抑制因子 Λ。

• 与术语的呼应：泄漏重泵直接改善了 LER；而"阈值/Λ"这一概念正是通过拟合 log(LER(d)) = −(logΛ/2)·d + c 来定量验证的，斜率即给出 Λ。神经网络解码器则对应"实时解码"需求，是走向完整容错的关键一环。

5. 实验结果与结论 (Results and Conclusion)

• 关键结论：

• d = 3, 5, 7 内存实验 LER 分别为 5.5×10⁻⁴、3.8×10⁻⁵、5×10⁻⁶，Λ = 12⁺³₋₂，确凿处于阈值以下。
• 逻辑 2QRB 每 Clifford 门错误率 d=3 为 7×10⁻⁴、d=5 为 7×10⁻⁵，Λ = 9⁺⁸₋₄。
• 误差预算：双比特门错误贡献 43%，输运相关的存储错误 36%，中途测量/重置串扰 13%；泄漏折算后约占 1/Λ 的 41%。
• 综合征关联分析显示错误主要局限于相邻轮次，无明显时间关联错误；综合征"误差谱"还暴露出并修正了比特相位追踪的硬件问题。
• 神经网络解码器性能与算法解码器相当，延迟满足实时要求。

• 对领域的意义：这些逻辑错误率已接近"megaquop（百万次量子操作）"级量子计算所需水平，并表明离子阱平台用比超导等其他比特模式更小的码块即可达到应用相关性能。

• 开放问题与未来方向：

1. 完整 Clifford+T 电路还需演示 color code 魔法态制备的低于阈值缩放；
2. 用实时解码实现魔法态注入的 T 门，是下一步的直接目标；
3. 训练能"理解泄漏"的解码器，可能进一步回收泄漏重泵带来的收益，并降低算法解码器延迟；
4. 探索在少量硬件数据上微调神经网络解码器；
5. 用更高效的逻辑基准（如直接采样之外的方法）应对未来更大规模硬件上的统计挑战。

6. 论文标签 (Tags)

量子纠错, 物理硬件, 量子信息, 量子机器学习, 编译与优化

📄 点击此处展开/折叠原文 PDF

原文链接： Quantum error correction well below the color code threshold