The Signal
FaultScope mappa i punti critici degli errori quantistici nelle simulazioni QEC
FaultScope stima l’effetto dei singoli componenti soggetti a rumore sui tassi di errore logico nei circuiti di correzione degli errori quantistici. Gli autori riferiscono che il calcolo delle sensibilità di tutti i componenti ha aumentato il tempo di esecuzione dallo 0,33% allo 0,97% nei test sui codici a ripetizione.

Presentiamo FaultScope, un simulatore classico per circuiti di correzione degli errori quantistici, implementato in Rust con un’interfaccia Python.
Yuguo Shao, Zhenyu Chen, Ningfeng Wang, Song Cheng, Zhaohui Wei, Zi-Wen Liu e Zhengwei Liu
Il paper su FaultScope è apparso su arXiv il 30 ottobre 2026 e descrive un software progettato per mostrare quali componenti di un circuito soggetti a rumore contribuiscono maggiormente agli errori logici. Lo strumento stima questi contributi insieme al tasso di errore logico, offrendo ai ricercatori un modo per stabilire la priorità delle potenziali fonti di rumore nelle simulazioni. Gli autori riferiscono che i calcoli aggiuntivi hanno aumentato il tempo di esecuzione di meno dell’1% nei test sui codici a ripetizione.
Dal conteggio degli errori alla sensibilità dei componenti
La sola frequenza degli errori di un componente non dice ai ricercatori quanto questo minacci un qubit logico. Un errore comune può essere corretto con successo, mentre un evento meno frequente può portare il decoder a scegliere una correzione logica sbagliata. FaultScope stima invece come cambia il tasso di errore logico al variare della probabilità di errore assegnata a ciascun evento.
Il paper chiama questa grandezza sensibilità. Per un dato evento, la stima confronta la probabilità di errore logico negli shot campionati in cui l’evento si verifica con quella negli shot in cui non si verifica, calcolando la media sugli altri errori campionati. I ricercatori possono combinare le sensibilità degli eventi relative a un componente fisico e raggruppare i risultati per qubit, gate, ciclo di estrazione della sindrome o operazione, così da costruire una mappa dei punti critici.
Una sola serie di shot fornisce la mappa
FaultScope calcola le sensibilità a partire dagli stessi shot campionati e decodificati usati per stimare il tasso di errore logico. Non richiede modifiche al decoder né la differenziazione attraverso il decoder, scrivono gli autori. Il software supporta due modalità di simulazione: la simulazione diretta di circuiti Clifford e il campionamento diretto da modelli di errore dei rilevatori.
L’implementazione è scritta in Rust e fornisce un’interfaccia Python. Il paper descrive il pacchetto come open source e afferma che gli script dei benchmark saranno inclusi nel repository del progetto. Il metodo è progettato per aggiungere informazioni diagnostiche a una simulazione QEC, non per sostituire il decoder o le misurazioni di un dispositivo fisico.
I test su CPU raggiungono 1.024 qubit e una distanza di codice di 100
Per circuiti Clifford casuali con 64 livelli, i ricercatori hanno confrontato sei simulatori su CPU usando un milione di shot per circuito. Nei circuiti più grandi testati, con 1.024 qubit, il tempo di esecuzione mediano di FaultScope è stato di 2,931 secondi, contro i 5,182 secondi di Stim; su tre istanze corrispondenti, l’accelerazione mediana è stata di 1,70 volte. Questi tempi includono la preparazione del circuito e l’elaborazione dei risultati campionati, ma escludono l’installazione del software e la fase di riscaldamento.
Un secondo benchmark ha simulato memorie con codice di superficie ruotato, con rumore di Pauli a livello di circuito con probabilità 10-3. FaultScope ha completato tutte le 12 distanze di codice testate, da 2 a 100; è stato l’unico simulatore nel confronto a completare il caso con distanza 100, impiegando 2.043,1 secondi. Quel circuito conteneva 19.999 qubit, 1.009.900 misurazioni per shot e 3,96 milioni di operazioni CNOT. Il benchmark è stato eseguito su backend CPU e gli autori escludono i timeout e gli errori dai confronti numerici dei tempi di esecuzione.
Per verificare il sovraccarico dell’attribuzione, il team ha usato circuiti con codice a ripetizione con un numero di posizioni di errore compreso tra 7 e 2.047 e 100.000 shot per valutazione. Il calcolo di tutte le sensibilità ha richiesto dallo 0,33% allo 0,97% di tempo in più rispetto alla stima del tasso di errore logico senza registrare gli eventi di errore. È importante una precisazione contenuta nello studio stesso: quando gli errori logici sono rari, un numero fisso di shot potrebbe non distinguere le differenze di sensibilità con sufficiente precisione da consentire di scegliere tra gli obiettivi di riduzione del rumore.
Fonti
Notizie correlate
- Il decoder Mamba riduce la complessità della QEC a O(d²) nelle simulazioni in tempo reale
- Un team di Chicago e IBM mappa la retroazione delle misurazioni con tre misure
- Ma e Shi restringono i limiti per i codici quantistici a recupero locale
- CoDecoder accelera la decodifica quantistica fino a 124 volte
- Un preprint estende la correzione degli errori GKP a sequenze di misurazioni