[论文解读] Tour de gross: A modular quantum computer based on bivariate bicycle codes
引入自行车架构:一种使用双变量自行车 LDPC 码( gross 与 two-gross)的模块化量子计算机,给出明确的容错指令与端到端资源估计,显示比表面码具更大可扩展电路规模。
We present the bicycle architecture, a modular quantum computing framework based on high-rate, low-overhead quantum LDPC codes identified in prior work. For two specific bivariate bicycle codes with distances 12 and 18, we construct explicit fault-tolerant logical instruction sets and estimate the logical error rate of the instructions under circuit noise. We develop a compilation strategy adapted to the constraints of the bicycle architecture, enabling large-scale universal quantum circuit execution. Integrating these components, we perform end-to-end resource estimates demonstrating that an order of magnitude larger logical circuits can be implemented with a given number of physical qubits on the bicycle architecture than on surface code architectures. We anticipate further improvements through advances in code constructions, circuit designs, and compilation techniques.
研究动机与目标
- 提出自行车架构作为基于量子 LDPC 码的容错、模块化量子计算框架。
- 为两个双变量自行车码(gross 与 two-gross)提供明确的容错自行车指令实现。
- 制定将大型通用量子电路映射到自行车架构的编译策略。
- 与表面码架构进行资源需求的基准对比與评估,评估效率与可扩展性。
提出的方法
- 定义并使用两种特定的双变量自行车码(gross [[144,12,12]] 和 two-gross [[288,12,18]])。
- 指定一组通用的自行车指令集,包括空转、移位自同构、模块内与跨模块测量、T 注入及相关协议。
- 描述使用逻辑处理单元(LPU)和量子 LDPC 手术的模块内逻辑测量方法。
- 概述通过 Bell 耦合器和码码适配器实现跨模块的连接性,以实现跨模块的联合逻辑测量。
- 在电路噪声下提供自行车指令的端到端资源估计和电路级时序/逻辑错误率。
- 提出一个编译策略,将操作分布到数据模块并综合 Pauli 测量与小角度旋转。
实验结果
研究问题
- RQ1一个模块化量子架构要实现可扩展和通用性,需要满足哪些容错要求?
- RQ2在模块化架构中,双变量自行车码如何实现容错,以及在电路噪声下它们的逻辑错误率是多少?
- RQ3是否存在一个高效的编译策略,能够将大型通用量子电路映射到具有长程连接性的自行车架构?
- RQ4实现类似电路的资源需求(量子比特、时间、错误率)与表面码架构相比有何差异?
主要发现
- 在相同物理资源与相似物理误差条件下,自行车架构能够实现大约一个数量级以上的逻辑量子比特规模,相对于表面码架构。
- 为两种双变量自行车码(gross 与 two-gross)提供了12个逻辑量子比特每个模块的明确容错实现。
- 逻辑指令集(I、U、M、C、T 与移位)在 p = 10^-3 与 p = 10^-4 条件下,对两种码给出量化的时长与逻辑错误率。
- 端到端资源估算显示,在相同物理量子比特数下,使用自行车架构可以执行显著更大规模的逻辑电路。
- T 状态工厂的整合和基于 LPU 的模块内测量通过类传送的方案与可编程逻辑测量实现通用操作。
- 编译策略将操作分布到数据模块并利用移位自同构和 LPUs,实现可扩展的通用量子计算。
更好的研究,从现在开始
从论文设计到论文写作,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。