NVIDIA Ising 解碼技術能降低多少邏輯錯誤率？

根據 NVIDIA 研究，Ising 解碼方法能將色碼的邏輯錯誤率（LER）降低超過300倍，相較於現有解碼方案有大幅改善。

色碼和表面碼有什麼不同？

兩者同屬量子錯誤更正碼，但色碼天然支援更多種類的橫向邏輯閘操作，架構彈性更高；表面碼則在解碼複雜度上相對較低，目前實用化程度較成熟。

邏輯錯誤率大幅降低，意味著執行容錯運算所需的物理量子位元數可以減少，有助於降低硬體成本，加速量子電腦走向實用化。

文章重點

NVIDIA 提出 Ising 解碼方法，將色碼（Color Code）量子錯誤更正的邏輯錯誤率降低超過300倍。

色碼相較於表面碼支援更豐富的橫向邏輯閘，但解碼複雜度較高，此研究有效解決此一瓶頸。

該技術透過將 QEC 問題映射至 Ising 最佳化模型，充分發揮 GPU 加速運算的優勢。

邏輯錯誤率的大幅改善，可降低容錯量子計算對物理量子位元數量的需求，加速實用量子電腦開發。

實用的量子電腦需要具備容錯邏輯運算的能力。目前，研究人員正積極探索多種不同的量子錯誤更正（QEC）碼，以提升量子處理單元（QPU）的邏輯錯誤率（LER）表現。

目前學界對於如何透過晶格手術（Lattice Surgery）在表面碼（Surface Code，屬於拓撲碼家族）上執行邏輯運算已有相當成熟的理解。然而，色碼（Color Code）雖然在理論上具備更豐富的邏輯閘操作彈性，其解碼複雜度卻使實際應用面臨較高門檻。

NVIDIA 研究團隊針對色碼的解碼問題，提出了基於 Ising 模型的解碼框架。該方法透過將量子錯誤更正問題映射至 Ising 最佳化問題，有效降低解碼運算的複雜度，並在邏輯錯誤率的改善上取得顯著成果——相較於現有方法，邏輯錯誤率降低幅度超過 300倍。

邏輯錯誤率的大幅降低，意味著量子電腦在執行容錯運算時所需的物理量子位元數量可以顯著減少，有助於加速實用量子計算機的開發進程。色碼相較於表面碼，天然支援更豐富的橫向邏輯閘（Transversal Gates），若能解決其解碼效率問題，將使量子硬體設計獲得更大的架構彈性。

NVIDIA 此項研究成果顯示，將高效能運算（HPC）與 GPU 加速技術引入量子錯誤更正解碼流程，具有相當可觀的潛力，也再次確立 NVIDIA 在量子—經典混合運算領域的研究地位。

本文內容依據原始摘要與公開資訊編譯，完整研究細節請參閱 NVIDIA 官方技術來源。

原文來源： 查看原文