一台MacBook Pro跑通MegaQuOp级实时量子解码！

量子计算领域存在一个假设：当量子计算机扩展至MegaQuOp规模（即能够执行数百万次容错逻辑操作）时，其纠错解码系统将需要FPGA、ASIC或超级计算机等专用硬件才能跟上量子硬件的运行节奏。

这一假设源于超导量子计算架构的需求，其纳秒级操作时间要求解码器在微秒内做出决策。

近日，IonQ研究人员发表了一项面向容错量子计算的解码研究：在一台配备Apple M4 Max处理器的2024款MacBook Pro上，仅使用12个CPU核心，完成MegaQuOp规模量子工作负载的实时错误解码。

这项研究覆盖最高408个逻辑量子比特、超过100万次T门或130万次逻辑测量，并把存储模块、逻辑操作和魔法态工厂产生的纠错数据纳入同一套处理流程。在研究设定的物理错误率和量子纠错周期下，经典解码造成的计算时间延长最低可控制在0.3%以内。

不过，需要说明的一个事实是，研究人员并没有在MacBook上运行拥有408个逻辑量子比特的真实量子计算机，也没有连接一台万比特级离子阱设备进行在线纠错。这是一项基于IonQ“行走猫”容错架构、已编译量子应用和电路级噪声模型开展的解码性能测试。

它证明的是，如果未来的量子硬件按照研究人员设定产生错误症状数据，单颗通用CPU有可能及时处理这些数据，不让经典解码成为MegaQuOp量子计算机的主要运行瓶颈。相关成果已提交至arXiv平台。

为什么MegaQuOp的解码这么难？

MegaQuOp这个概念由加州理工学院的John Preskill提出，指的是能够在数百个逻辑量子比特上稳定执行数百万次量子操作的超级机器。这是量子计算真正走向实用的门槛，比如模拟复杂的量子化学反应或高温超导材料。

要达到这个规模，必须用量子纠错码把逻辑量子比特保护起来。在纠错过程中，量子计算机会不断地从物理量子比特中提取“综合征”数据，而解码器的任务就是根据这些数据实时推断出哪里发生了错误，并给出纠正方案。

难点在于，解码不是算一次就结束。

首先，解码必须“实时”。因为量子态极其脆弱，如果解码器算得太慢，量子数据可能早就因为退相干而丢失了。其次，通用计算的逻辑非常复杂，在执行逻辑门、尤其是非Clifford门（如T门）时，系统需要进行逻辑测量和幻态注入。这些操作要求解码器必须支持“流式处理”，并且能够根据中间结果动态调整解码策略。

以往的学术研究和工程尝试，大多集中在优化存储器块的解码，或者利用FPGA、ASIC等专用硬件来堆算力。对于包含数百个逻辑量子比特、跨越多个码块的复杂工作负载，业界一直缺乏一个端到端的实时解码方案。IonQ的这项研究，正好填补了这一空白。

行走猫架构的解码

这项成果的核心依托是IonQ此前提出的“行走猫架构”（Walking Cat Architecture，WCA）。这是一种专为离子阱量子计算机设计的容错架构。

在WCA中，所有的逻辑操作最终都被归结为态制备、软件帧跟踪和逻辑泡利测量。这里有个非常巧妙的设计：对于一大类Clifford操作，系统完全不需要在物理量子比特上动刀，而是通过软件更新“Clifford帧”来实现。这大大降低了硬件层面的扰动。

真正需要物理操作的是非Clifford门。WCA通过“基于猫态的测量”来实现逻辑Pauli测量。简单来说，就是利用纠缠好的猫态去探测目标逻辑算子的状态。由于单次测量有噪声，系统会重复进行多次测量，中间穿插着常规的“综合征提取周期”（SEC）。

这种架构给解码器带来了便利：逻辑计算不会去合并或变形编码块，也不会改变底层的综合征提取电路。每个码块就像一条独立的生产线，源源不断地吐出数据流，偶尔被一个猫态测量打断。解码器只需要盯着这条流，处理这些稀疏插入的测量事件即可。

图：行走猫架构解码概览

基于这一特性，IonQ团队设计了一套“双解码器”系统。

第一个是错误解码器，负责全程维护Pauli框架，它决定整台机器运行中修正错误的基准，精度要求极高，论文里把可校正误差压到固有误差的千分之一量级，但代价是窗口较长、延迟较高。

第二个是结果解码器。它只在逻辑测量期间启动，负责判断当前的猫态测量要不要停止、魔态工厂的测量结果能不能接受。它只需要把可校正误差压到固有误差的十分之一左右就够了，因此可以用更短的窗口、更快的速度出结果。

为什么要搞两个解码器？就是因为两类解码对精度和延迟的要求并不相同。

另一个技术亮点是“在线DEM生成”。DEM（探测器错误模型）是解码器的输入，描述了错误机制如何影响探测器。研究团队利用行走猫架构的特性，避免了实时修改Tanner图的昂贵操作。

研究人员发现，猫态测量引入的每一种错误机制，都能在其对应的症状提取周期中找到具有相同检测器特征的错误机制。也就是说，两种错误会触发同一组检测器，因此可以由同一个错误变量表示，只需调整该变量发生的先验概率。

基于这一性质，整个综合征流可以使用固定的Tanner图，仅在运行时动态更新先验向量。这一技术直接把在线生成DEM的算力开销降到了可以忽略不计，使得在单CPU上跑通全流程成为可能。

MegaQuOp工作负载的实时解码

研究团队在三个容错工作负载上对解码器进行了基准测试，涵盖从102到408个逻辑量子比特的系统规模。

第一组是测量诱导相变电路，简称MIPT。该电路最终占用102个逻辑量子比特，涉及大量随机两量子比特门和中间测量。编译后，它包含了超过108万个T门和超过110万个逻辑测量。

第二组是64个模型节点的无序海森堡模型量子模拟，同样使用102个逻辑量子比特，包含约14万个T门和32万个逻辑测量。

第三组将无序海森堡模型扩大到266个节点，占用408个逻辑量子比特，包含约55万个T门和131万个逻辑测量。它重点检验解码器在更宽的容错机器上的扩展能力。

表：基准电路清单

这些电路被编译到WCA上，涉及多达68个存储器块和20个幻态工厂。在模拟中，团队采用了电路级噪声模型，涵盖了综合征提取和猫态测量的噪声。

所有解码跑在一台2024款MacBook Pro的M4 Max芯片上，只用了12个CPU核心，其中8个核心跑错误解码器，4个核心跑结果解码器。所有的在线DEM生成、束搜索解码都在这些核心上并发完成。

每个核心负责固定的一组码块，核心之间并发执行，研究人员还专门做了内存优化，把解码器占用的内存砍掉了一个数量级以上，避免12个进程并发时互相抢内存带宽。

为了贴近真实硬件，团队设定了两种SEC周期时间：对于102量子比特的电路，设为1毫秒；对于408量子比特的电路，设为5毫秒。这意味着解码器必须在几毫秒的时间内处理完一个窗口的数据，否则就会拖慢整个量子计算的进度。

单CPU扛住了

实验结果验证了单CPU解码的可行性。当物理CNOT门错误率为10⁻⁴时，所有三个工作负载的解码拉伸均低于0.3%。拉伸定义为因解码延迟而额外执行的SEC数与零解码延迟下基线SEC数的比值。

其中，MIPT电路为0.24%，64节点海森堡模型为0.18%，266节点海森堡模型为0.02%。

即使错误率提升至5×10⁻⁴，MIPT电路的拉伸率升至11.53%，64节点海森堡模型为10.25%，而408逻辑量子比特测试为0.72%。所有测试仍低于12%。

表：MIPT电路解码性能

表：64节点海森堡模型解码性能

表：266节点海森堡模型解码性能

不过，不能据此得出“408逻辑量子比特反而更容易解码”的结论。最大规模测试的拉伸率较低，一个重要原因是其症状提取周期被设为5毫秒，给CPU留下的解码时间是102逻辑量子比特测试的5倍。若把同一工作负载放到更短周期下运行，现有CPU资源能否继续实时处理，仍需要额外测试。

这一性能的取得部分得益于离子阱架构的时序优势。离子阱系统的SEC周期为1至5毫秒，为解码器提供了比超导系统更宽松的实时处理窗口。超导系统因纳秒级操作速度要求解码器在微秒级完成决策，往往必须依赖专用硬件。

研究还发现，随着错误率升高，极少数困难窗口可能出现解码不收敛。一般超时只会让计算暂停或延长，最终仍能给出结果，不收敛则意味着本次计算需要重新开始。研究指出，当总症状提取周期数显著低于每周期逻辑错误率的倒数时，此类失败仍然罕见，但并未给出适用于所有真实硬件环境的普遍保证。

尽管有这些限制，未来的研究很可能会探讨这种经典解码如何扩展，使其在首个MegaQuOp规模下无需特殊支持硬件。