科研进展 | 韩国科学技术院、高丽大学、韩国科技大学：基于编码融合的高阈值线性光量子计算

在追求可扩展量子计算的过程中，光子系统因其高保真度的光源和探测器、高效的模块化和连接性，以及在室温下退相干时间长而被视为领先的平台。光子的极快测量特性使得它们非常适合基于测量的量子计算。在基于测量的量子计算中可以通过对离线准备的纠缠资源态进行单量子比特测量来实现通用门操作。融合（对纠缠光子的射影测量）的不确定性以及光子平台的损耗需要消耗大量纠缠光子来制备容错结构的资源态。

8月1日，韩国科学技术院（KIST）、高丽大学、韩国科技大学的研究人员在《Physical Review Letters》期刊上发表题为“Encoded-Fusion-Based Quantum Computation for High Thresholds with Linear Optics”（基于编码融合的高阈值线性光量子计算）的研究论文，Wooyeong Song为论文第一作者，Seungwoo Lee为论文通讯作者。

本文提出了一种基于测量的量子计算方案，该方案具有大小有限的纠缠资源态并采用线性光学的编码融合方案。编码融合是一种基于量子纠错码的纠缠测量，能够在存在损耗和错误的情况下提高融合成功的概率。在广义Shor码的基础上，采用线性光学和主动前馈的编码融合方案，在三维Raussendorf-Harrington-Goyal晶格中构造了一个容错网络结构。数值模拟表明，该方案允许实现高达10倍高损耗阈值比非编码融合方法，且在融合中使用的光子数量有限。该方案为具有有限大小纠缠资源态和线性光学的容错量子计算铺平了一条有效途径。

方法

本文提出的基于编码融合的量子计算（encoded-fusion-based quantum computing，EFBQC）方案基于一种新颖的编码融合策略，结合了两种不同的量子纠错码。首先，研究人员介绍了传统基于融合的量子计算（fusion-based quantum computing，FBQC）方案的基本原理，即通过恒定大小的资源态之间的融合实现量子计算，无需制备大量的纠缠，只需要保持稳定性。它的体系结构由资源态和融合体组成，它们相互连接，创建一个被称为融合网络的特定网络构型。通过构建一个融合网络，可以实现一个量子纠错码。

然而，线性光学的融合成功概率被限制为50%。此外，已经证明，辅助纠缠光子对其的增强与损耗容忍度之间存在折中关系。因此，当存在损耗时，融合显著降低FBQC的性能。随着系统尺寸的增加，性能会更加重要。因此，在光子量子计算平台上构建容错架构仍然具有挑战性。

EFBQC通过引入编码融合，利用(n,m)-Shor码对光子损耗和融合失败进行纠错。具体而言，编码融合将每个物理光子替换为一个由多个光子组成的纠缠态，从而提高了整体的容错能力。此外，EFBQC通过串联使用两种QEC，使得在融合操作和网络配置中的错误可以分别被纠错，从而进一步提高了系统的可靠性。

研究团队利用数值模拟验证了EFBQC的有效性。模拟中，研究团队构建了不同编码方案的融合网络，包括4-星和6-环资源态网络。通过优化编码协议，研究团队最大化了每个融合操作中的光子损耗阈值。

研究结果

研究团队通过优化编码协议，使得每个融合操作中的光子损耗阈值达到了最高值。例如，在(7,4)-Shor编码方案下，4-星和6-环网络的光子损耗阈值分别达到了11.44%和13.97%。此外，通过进一步增加编码光子的数量，EFBQC的光子损耗阈值可以达到14%的理论上限，这一数值远高出非编码融合方案10倍以上。这一结果证明了EFBQC在应对光子损耗和融合失败方面的显著优势。

这项研究为我们提供了一种新的视角，帮助理解和实现高阈值的量子计算。通过编码融合和线性光学的结合，我们不仅能够提高量子计算的容错能力，还能够在有限的资源条件下实现更高效的量子操作。这项工作不仅推动了量子计算技术的发展，也为未来的量子信息处理提供了新的可能性。

图1：基于编码融合的量子计算示意图。

图2：为了与基于编码的量子计算进行直接比较，研究人员将该方案应用于具有编码4星和编码6环资源态的RHG晶格网络。

图3：不同融合成功概率下的光子损耗阈值。

图4：每次融合中使用的光子总数的光子损耗阈值。

主要研究人员

Seungwoo Lee，1998、2001年获韩国科学技术院物理学学士、硕士学位，2010年获英国牛津大学物理学博士学位，2010年在韩国首尔国立大学从事博士后（TJ Park科学研究员），2013年开始在美国达特茅斯学院担任研究助理，2014年开始在韩国首尔国立大学担任BK助理教授，2015年开始在韩国高等研究院担任QUC研究教授，2020年开始在韩国科学技术院量子信息中心担任高级研究员，2022年开始在韩国科学技术院量子信息中心担任首席研究员。研究兴趣包括量子信息论、量子计算、量子通信。

Wooyeong Song，韩国科学技术院量子信息中心博士后。研究领域包括量子计算、量子机器学习。

参考链接