量子纠错被认为是实现量子容错计算的关键技术。然而，面对量子硬件中来源复杂、相互交织的多种噪声机制，如何对 syndrome measurement circuit 中的 detector error model 进行精确的噪声先验估计，始终是一个极具挑战性但又至关重要的问题。较为准确的噪声先验不仅能够显著提升纠错器的整体性能，还能够为量子硬件的量子比特与量子门校准提供更具针对性的指导。

本次报告将首先介绍该问题的整体建模框架，随后回顾当前主流的噪声先验估计方法及其局限性，最后重点介绍一种基于最大似然估计的可微分算法，并展示该方法在模拟线路及真实量子纠错线路数据上相较于现有方法所取得的性能优势。

Biography

潘峰现任新加坡科技设计大学（Singapore University of Technology and Design, SUTD）助理教授。他于 2022 年毕业于中国科学院理论物理研究所并获得博士学位。自博士阶段起，他便致力于高性能计算方法的研究，包括通用张量网络缩并算法以及物理启发的神经网络方法，用以解决统计物理与量子计算中最具挑战性的计算问题。

博士毕业后，他在新加坡量子科技中心（Centre for Quantum Technologies, CQT）从事博士后研究，专注于量子纠错相关问题，为实现量子容错计算奠定理论与算法基础。除学术合作外，他还与工业界保持着长期而紧密的合作关系，合作伙伴包括 NVIDIA、Google Quantum AI 以及 Quantinuum。

Inviter: 张潘 研究员