Transformer-QEC：具有可转移性的 Transformer 量子纠错码解码

该研究提出了一种使用生成建模对量子纠错码进行译码的通用框架。该模型利用自回归神经网络，特别是Transformer，学习逻辑运算符和综合症的联合概率。经过预训练后，该模型可以高效计算逻辑运算符的可能性，并直接生成最可能的逻辑运算符。实验结果显示，该方法在译码准确性方面比传统算法提供了显着改进。该框架适用于任何误差模型和量子码拓扑结构，并利用了GPU的并行化能力。