Vai al contenuto
Quantum.world

Ricerca

Stati $|T\rangle$ con costo determinato dal gap: post-selezione dinamica degli stati $|T\rangle$ e predisposizione delle factory in base al budget

La preparazione degli stati magici $|T\rangle$ domina il costo della computazione quantistica fault-tolerant con codici di superficie; tuttavia, la coltivazione e la distillazione vengono generalmente

Stati $|T\rangle$ con costo determinato dal gap: post-selezione dinamica degli stati $|T\rangle$ e predisposizione delle factory in base al budget
arXiv
2610.19299
Pubblicato
2026-10-13
Autori
Maxwell Poster, Sayam Sethi, Steven Hofmeyr, Yuhao Liu, Jonathan Baker, Costin Iancu

Abstract degli autori

La preparazione degli stati magici $|T\rangle$ domina il costo della computazione quantistica fault-tolerant con codici di superficie; tuttavia, la coltivazione e la distillazione vengono generalmente predisposte in modo statico, lasciando inutilizzata gran parte del budget di errore del programma. Presentiamo Gap-Priced $|T\rangle$ States (GP$|T\rangle$-S), uno scheduler per la lattice surgery e un allocatore di factory che co-ottimizza entrambi i metodi entro un budget totale di errore $T$. GP$|T\rangle$-S usa il gap complementare di ciascuno stato coltivato come stima della fedeltà e regola dinamicamente la soglia del gap di coltivazione, trasformando il margine del budget in velocità grazie al controllo che dà allo scheduler sulla post-selezione della coltivazione. GP$|T\rangle$-S caratterizza inoltre le factory di distillazione in base a dimensioni, tasso di produzione di stati $|T\rangle$ e margine del budget, e introduce factory di coltivazione che integrano la coltivazione nei canali di instradamento, ottenendo fedeltà che altrimenti richiederebbero una distillazione a due livelli, con un ingombro pari a quello di un singolo livello. GP$|T\rangle$-S organizza queste caratteristiche in un catalogo di factory ed esegue l’allocazione delle factory di distillazione nel catalogo insieme alla soglia del gap, usando la programmazione dinamica per ottenere uno dei seguenti risultati: i) volume spazio-temporale minimo, ii) tempo di esecuzione minimo oppure iii) overhead spaziale minimo, il tutto entro un budget di errore $T$ fornito dall’utente. Nei sedici benchmark, con budget di errore $T$ rispettivamente alti e bassi, pari a $10^{-3}$ e $10^{-5}$, GP$|T\rangle$-S supera sistematicamente i metodi di riferimento basati solo sulla coltivazione e quelli basati su una singola factory, senza superare il budget, raggiungendo un’accelerazione media geometrica di 5,5$\times$ nel numero di cicli logici e una riduzione media geometrica di 3,4$\times$ del volume spazio-temporale.

Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.

Leggi il paper originale su arXiv