Uno studio dalla simulazione al reale sul benchmarking dei decoder del codice di superficie

Abstract degli autori

I decoder per la correzione degli errori quantistici vengono in genere valutati rispetto a rumore sintetico a livello di circuito, partendo dal presupposto che la classifica dei decoder ottenuta con tale rumore si trasferisca all’hardware e migliori man mano che il modello di rumore diventa più realistico. Il processore Willow, il primo a operare al di sotto della soglia del codice di superficie, ci permette di verificare questa ipotesi. Classifichiamo un gruppo di sei decoder usando una scala a quattro livelli di modelli di rumore a fedeltà crescente, valutati rispetto a dati reali per tre distanze del codice, due basi e quindici numeri di round. La concordanza delle classifiche con i risultati dell’hardware emerge quando il modello di rumore assegna un tasso di errore distinto a ogni tipo di operazione. Calibrare il modello sul dispositivo migliora i tassi di errore assoluti, ma non la concordanza delle classifiche. Forniamo inoltre la prima valutazione indipendente sull’hardware del pre-decoder Ising di NVIDIA, a distanze del codice inferiori al suo campo recettivo di addestramento e tramite una mappatura sul reticolo su cui è stato addestrato. In queste condizioni, non presenta alcun vantaggio in termini di accuratezza e latenza: un altro decoder del gruppo lo eguaglia o lo supera sia per tasso di errore per ciclo sia per latenza di decodifica in 278 delle 280 valutazioni. Rendiamo disponibili l’intera pipeline e l’esito per singolo shot di ogni valutazione, così da consentire il confronto tra decoder e dispositivi futuri.