models Paket
Klassen
| GSJ24CCXFactory |
Implementiert 8|T⟩ → >>|<<CCX⟩ magic state factory beschrieben in Abb. 24 von Gidney, Shutty und Jones (2024). Dieses Design wandelt acht T-Magische Zustände in einen einzigen CCX-Zustand (Toffoli) um, wobei Gitteroperationen auf 12 logischen Qubits (einschließlich Hilfsqubits) mit einer Schaltkreistiefe von 6 verwendet werden. Die CCX-Ausgabefehlerrate hat zwei Beiträge:
Die Produktionszeit der Fabrik umfasst einen Overheadfaktor von (1 + 8·p_T), um die Fehlerwahrscheinlichkeit bei der Verwendung der T-Zustände zu berücksichtigen. Referenz:
|
| GSJ24Factory |
Implementiert die magische Zustandsanbaufabrik von Gidney, Shutty und Jones (2024) zur Herstellung logischer >>|<<T⟩Zustände aus Vorgängen auf physischer Ebene. Der Magische Zustandsanbau wächst allmählich die Größe und Zuverlässigkeit eines magischen Zustands innerhalb eines Oberflächencodepatches, wobei ungefähr die gleiche Anzahl physischer Tore wie eine Gitteroperation CNOT Gate mit entsprechender Zuverlässigkeit verwendet wird. Der Ansatz verfeinert Ideen von Knill (1996), Jones (2016), Chamberland (2020), Gidney (2023/2024), Bombin (2024) und Hirano (2024). Im Vergleich zu früheren Ansätzen der Magischen Zustandsdestillation verwendet der Anbau eine Größenordnung weniger Qubit-Runden, um logische Fehlerraten so niedrig wie 2·10⁻⁹ unter 10⁻¹ uniform depolarisierender Schaltkreisgeräusche zu erreichen. Durch die Halbierung des Schaltkreisrauschens auf 5·10⁻⁴ wird die erreichbare logische Fehlerrate auf 4·10⁻¹¹ verbessert. Die Factory wird durch vorrechente Simulationsdaten (von Monte Carlo Sampling at https://doi.org/10.5281/zenodo.13777072) parametrisiert, die physische Fehlerraten (logical_error, num_qubits, Volume, Schritte) für unterstützte Entfernungspaare zugeordnet. Hyperparameter: Abstand: Tupel (d_color, d_surface) zur Angabe des Farbcodeabstands und des Oberflächencodeabstands, der im Anbauprotokoll verwendet wird. Unterstützte Werte sind (3, 15) und (5, 15). Größerer Farbcodeabstand (5 vs. 3) führt zu niedrigeren logischen Fehlerraten zu Kosten einer höheren Qubitanzahl und mehr Zeitschritten. Referenz:
|
| GateBased |
Eine generische Gate-basierte Architektur. Die Fehlerrate kann beliebig festgelegt werden und ist entweder 1e-3 oder 1e-4 in der Referenz. Referenzen:
|
| Litinski19Factory |
Die Fabriken T und CCZ basieren auf dem Papier arXiv:1905.06903. Sie enthält zwei Kategorien von Schätzungen. Wenn die Eingabe-T-Fehlerrate dem Clifford-Fehler ähnelt, erzeugt sie magische Zustandsanweisungen basierend auf Tabelle 1 im Papier. Wenn die Eingabe-T-Fehlerrate höchstens 10 Mal höher ist als die Clifford-Fehlerrate, erzeugt sie magische Zustandsanweisungen basierend auf Tabelle 2 im Papier. Es erfordert Clifford Fehlerraten von höchstens 0,1% für CNOT, H und MEAS_Z Anweisungen. Wenn diese Anweisungen unterschiedliche Fehlerraten aufweisen, wird die maximale Fehlerrate angenommen. Referenzen:
|
| MagicUpToClifford |
Eine ISA-Transformation, die Clifford gleichwertige Darstellungen von magischen Zuständen hinzufügt. Wenn die Eingabe-ISA beispielsweise ein T-Gate enthält, enthält Beispiel: |
| Majorana |
Diese Klasse modelliert physische Anweisungen, die für zukünftige Majorana-Qubits relevant sein können. Für diese Qubits gehen wir davon aus, dass messungen und das physische T-Tor jeweils 1 μs einnehmen. Aufgrund des topologischen Schutzes in der Hardware gehen wir von einzel- und zwei Qubit-Messfehlerraten (Clifford-Fehlerraten) in $10^{-4}$, $10^$ und $10^{-5}{-6}$ als Bereich zwischen realistischen und optimistischen Zielen aus. Nicht-Clifford-Operationen in dieser Architektur haben keinen topologischen Schutz, daher gehen wir von einem 5%, 1,5%und 1% Fehlerrate für nicht-Clifford physische T-Tore für die drei Fälle aus. Referenzen:
|
| NeutralAtom |
Eine bewegungsfähige neutrale Atomarchitektur mit explizitem Atomtransport. Dieses Modell erfasst ein neutrales Atomgerät mit systemeigenen Single-Qubit-Vorgängen, Rydberg-mediated entangling Gates, Z-Basismessung und einer physischen Bewegungsanweisung, die Hardware-Bewegungseinschränkungen mit sich bringt. Der Anweisungssatz umfasst freie virtuelle Das Bewegungsmodell wird durch Referenzen:
|
| OneDimensionalYokedSurfaceCode |
Diese Klasse modelliert den Yoked-Oberflächencode, um eine generische Speicheranweisung basierend auf Gitteroperationsanweisungen aus einem Oberflächencode wie Fehlerkorrekturcode bereitzustellen. Hyperparameter: shape_heuristic: ShapeHeuristic The heuristic to determine the shape of the surface code patch for a given number of logical qubits. (Der Standardwert ist ShapeHeuristic.MIN_AREA) Referenzen:
|
| RoundBasedFactory |
Eine magische Zustandsfabrik, die T-Gate-Anweisungen mit rundbasierten Destillationspipelinen produziert. In dieser Fabrik werden Kombinationen aus Destillationseinheiten (z. B. "15-bis-1 RM Prep" und "15:1 raumeffizient") untersucht, um optimale Konfigurationen zu finden, die Zeit und Raum minimieren und gleichzeitig die Zielfehlerraten erreichen. Es unterstützt sowohl die physische Destillation (wenn das Eingabe-T-Gate physisch codiert ist) als auch die logische Destillation (mithilfe von Gitteroperationen über Oberflächencodes). Um die Erfolgswahrscheinlichkeit von Destillationsrunden zu berücksichtigen, modelliert die Fabrik die Pipeline mit einer Ausfallwahrscheinlichkeitsanforderung (Standardwert 1%), die jede Runde erfüllen muss. Die Anzahl der Destillationseinheiten pro Runde wird an diese Anforderung angepasst, was wiederum den Gesamtraumbedarf beeinflusst. Raumanforderungen werden mithilfe einer vom Benutzer bereitgestellten Funktion berechnet, die pro runden Raum (z. B. Summe oder Max.) aggregiert wird. Die Für die Enumeration von Destillationseinheiten auf logischer Ebene basiert die Fabrik auf einer vom Benutzer bereitgestellten Die Ergebnisse werden zur Effizienz auf dem Datenträger zwischengespeichert. Referenzen:
|
| SurfaceCode |
Diese Klasse modelliert den torbasierten gedrehten Oberflächencode. Hyperparameter: Abstand: int Der Codeabstand des Oberflächencodes. Referenzen:
|
| SurfaceCodeLowMove |
Diese Klasse modelliert einen gedrehten Oberflächencode, der auf eine neu konfigurierte, zoneierte Neutral-Atom-Architektur mit mobilen Schablonen zugeschnitten ist. Der Zeitplan für die Syndromextraktion basiert auf einem Mobilen-Ancilla-Oberflächencodeschema, in dem eine einzelne Ancilla die Daten qubits der einzelnen Plaquette besucht, kombiniert mit dem atom-transport-Modell, das von Hyperparameter: Abstand: int Der Codeabstand des Oberflächencodes. -[ Referenzen ]-
|
| ThreeAux |
Diese Klasse modelliert den paarweise messbasierten Oberflächencode mit drei hilfsbasierten Qubits pro Stabilisierungsmaß. Hyperparameter: Abstand: int Der Codeabstand des Oberflächencodes. single_rail: bool Gibt an, ob single-rail-Codierung verwendet werden soll. Referenzen:
|
| TwoDimensionalYokedSurfaceCode |
Diese Klasse modelliert den Yoked-Oberflächencode, um eine generische Speicheranweisung basierend auf Gitteroperationsanweisungen aus einem Oberflächencode wie Fehlerkorrekturcode bereitzustellen. Hyperparameter: shape_heuristic: ShapeHeuristic The heuristic to determine the shape of the surface code patch for a given number of logical qubits. (Der Standardwert ist ShapeHeuristic.MIN_AREA) Referenzen:
|