arXiv · quant-ph· Hanyan Cao, Dongyang Feng, Zixuan Lu, Cheng Ye, Feng Pan·· 11 小时前精选
可微最大似然噪声估计用于量子纠错解码
Differentiable Maximum Likelihood Noise Estimation for Quantum Error Correction
arXiv:2602.19722v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Hanyan Cao, Dongyang Feng, Zixuan Lu, Cheng Ye, Feng Pan
研究任务与主要进展
基于论文摘要，作者提出可微最大似然噪声估计（dMLE）框架，直接从实验综合征数据学习电路级噪声参数，而无需在训练循环中加入解码器。摘要称，在四个超导实验数据集上，dMLE使重复码逻辑错误率最高降低30.6%；在Sycamore d=3表面码上，基于dMLE先验的张量网络解码器使用标准综合征即可达到与AlphaQubit报告结果相当的水平。
阶段、条件与复现 · 深读核对
- 理论、模拟、逻辑存储实验还是逻辑门演示？
- 码距、轮次、逻辑误差口径与后选择条件是什么？
- 译码延迟、资源开销与容错扩展路径是否给出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
本站判断
该工作将实验综合征数据直接用于估计电路级噪声参数，并将其作为解码先验，连接了噪声标定与逻辑错误率优化。摘要中的结果显示，dMLE先验在重复码和表面码上降低逻辑错误率，但不同码距、轮次及解码器上的收益依赖数据集和比较基线，尚未说明完整实验条件。本站设想：可在相同综合征与资源预算下，对比dMLE与强化学习优化先验在不同噪声强度和轮次下的稳定性。
来源：arXiv · quant-ph · arxiv.org