[论文解读] Distance-Finding Algorithms for Quantum Codes and Circuits

Mark Webster, Avi Jacob+1 more|arXiv (Cornell University)|Mar 23, 2026

Quantum Computing Algorithms and Architecture被引用 0

一句话总结

论文对经典码、量子码和量子电路的距离查找方法进行了广泛基准比较，涵盖精确与启发式方法，并提供面向社区的开源 Python 包 codeDistance。

ABSTRACT

The distance of a classical or quantum code is a key figure of merit which reflects its capacity to detect errors. Quantum LDPC code families have considerable promise in reducing the overhead required for fault-tolerant quantum computation, but calculating their distance is challenging with existing methods. We generally assess the performance of a quantum code under circuit level error models, and for such scenarios the circuit distance is an important consideration. Calculating circuit distance is in general more difficult than finding the distance of the corresponding code as the detector error matrix of the circuit is usually much larger than the code's check matrix. In this work, we benchmark a wide range of distance-finding methods for various classical and quantum code families, as well as syndrome-extraction circuits. We consider both exact methods (such as Brouwer-Zimmermann, connected cluster, SAT and mixed integer programming) and heuristic methods which have lower run-time but can only give a bound on distance (examples include random information set, syndrome decoder algorithms, and Stim undetectable error methods). We further develop the QDistEvol algorithm and show that it performs well for the quantum LDPC codes in our benchmark. The algorithms and test data have been made available to the community in the codeDistance Python package.

研究动机与目标

• 将距离作为量子误差纠正及其电路层面影响的关键性能指标来驱动研究.
• 在经典、量子和电路设置中对广泛的距离查找算法进行基准测试与评估。
• 为在数据集、码族与误差模型下选择距离查找方法提出实用建议。
• 向社区提供一个开源工具包，促进距离查找研究和码评估。

提出的方法

• 将距离查找方法分为精确算法（如 Brouwer–Zimmermann、MIP-SCIP、CLISAT、m4riCC、Magma）与启发式算法（如 QDistRnd、QDistEvol、BP-OSD、Stim 基于方法）进行分类。
• 使用两块、三块、四块表示法将量子稳定子码映射到二进制线性码，以实现距离计算。
• 通过 Detector Error Models (DEMs) 和 Stim 电路表示来框定量子电路的距离查找，将电路距离与码距离联系起来。
• 在经典码、量子码和综合诊断提取电路的数据集上进行基准方法论比较；报告准确性和运行时间方面的考量。
• 讨论计算复杂性（精确距离为 NP-完全）以及精确性与可扩展性之间的实用权衡。

Figure 1 : Benchmarking of Meet-in-the-Middle and Brouwer-Zimmermann algorithms for hyperbolic surface codes. We benchmark against m4riCC which is the fastest exact algorithm for the dataset. Note that the QubitserfMM algorithm gave results for codes up to $n=96$ and QubitserfBZ up to $n=168$

实验结果

研究问题

• RQ1 精确与启发式距离查找方法在经典、量子及电路设置中的相对性能特征（准确性与运行时间）如何？
• RQ2 不同块表示法（两块、三块、四块）如何影响量子码距离查找的效率与准确性？
• RQ3 启发式方法，尤其是 QDistEvol，是否能为量子 LDPC 码与电路提供可靠的界限或接近距离的估计？
• RQ4 在选择适用于不同码族与电路模型的距离查找算法时，可以提出哪些实用建议？
• RQ5 在 syndrome 提取电路与探测器误差模型背景下，电路距离分析与码距离界限之间的关系如何？

主要发现

• QDistEvol 在所基准的量子 LDPC 码数据集上显示出显著高于其他启发式算法的准确性。
• 精确方法（如 Brouwer–Zimmermann、MIP-SCIP）及某些 SAT/簇方法能够给出精确距离，但运行时间更长，适合针对单一码的分析。
• 块表示法的选择与实现细节（如 Four Russians、语言实现）对性能与可扩展性有显著影响。
• 研究提供一组整理好的数据集以及码与探测器/观测矩阵之间的参考映射，以促进在不同情境下的距离查找。
• 一个开源的 codeDistance Python 包汇总了封装器和新的实现，便于社区使用与结果复现。
• 工作强调距离查找是对完整电路级仿真和实验基准测试的补充，而非替代。

(a) Sensitivity to Number of Generations