Google Quantum AI、DeepMind 与 MIT 提出模块化双曲码，QEC 物理比特开销降低逾 30 倍

Google Quantum AI、Google DeepMind 与 MIT 研究人员在 arXiv 发表论文，提出一种模块化量子纠错（QEC）架构，相比标准 2D 表面码将每个逻辑量子比特所需的物理量子比特开销降低超过 30 倍。该架构通过稀疏的静态模块间边界耦合器，在双曲铺排几何中连接约 100 比特的平面 2D 芯片模块，无需片上长程走线交叉即可获得 qLDPC 码的高编码率。

AI 生成摘要 · 以原文为准