本文提出一种新的高保真度测量合成体系结构编码 (Surface code) 的基础，并使用超导回路中的三个量子比特进行了实验验证，准确度达到了 90% 和 91%，这为实现原始逻辑量子比特打下了基础。

Nov, 2013

创建可靠性的量子计算机需要使用量子纠错和容错的理论，其中量子纠错码中的稳定子形式主义是一种常用描述方式，而容错门需要遵循门在量子纠错码的编码下如何作用的理论。而阈值定理则给出了一个重要的限制，即物理门或时间段内的误差率必须低于指定的阈值，才能实现任意的量子计算。

Apr, 2009

我们提出了一种基于循环和 Transformer 的神经网络解码器，可以学习解码表面码（surface code），并在真实世界的数据中击败现有的算法解码器，在距离为 3 和 5 的表面码上优于 Google 的 Sycamore 量子处理器。在模拟数据上的实验显示，我们的解码器在包括串扰、泄漏和模拟读出信号等现实噪声的情况下，能够保持其优势，并且在训练过的 25 个循环之外依然能够保持准确性。我们的研究展示了机器学习通过直接学习数据的能力，凸显出机器学习在解码量子计算中作为一个强有力的竞争对手。

Oct, 2023

本文提出了一种基于伴随优化的计算方法，可在描述物理系统时发现自主量子纠错编码，其中通过使用控制参数来更好地保存量子信息，以达到在超导电路中实现量子信息长时间保存的目的。

Aug, 2021

本研究成功实现了基于拓扑性质的集团态的拓扑纠错方法在 8 量子比特光学集群态上的实验验证，并发现该方法可在高误差环境下进行。这一技术有望成为未来大规模量子计算的重要组成部分。

May, 2009

本文采用深度 Q 学习等方法，通过重复交互训练解码器和编码器，解决了表面码的复杂错误纠正问题。

Oct, 2018

该论文简要介绍量子纠错与容错的基本概念及其技术，不作严格的数学和计算机科学框架介绍，以详细例子为主，以方便近期实验主义者更好地理解和应用。

May, 2009

本研究通过 [4,2,2] 码空间内的随机贝叶斯协议观察到硬件上实现的弱点，进而说明了在编码空间中进行量子计算可以检测错误的益处，并通过实验证明了纠错门对保护量子信息的效果。

Jun, 2018

本文提出了一种基于神经网络的深度量子错误解码器，引入了综合编码对系统噪音的初始估计进行迭代优化，并实现了在重复综合抽样下的有效解码。通过以可微目标直接优化在有限场上计算的逻辑错误率，该方法实现了量子纠错码解码的高效性，超过了现有的神经网络和经典解码器。

Jan, 2023

利用强化学习玩游戏的方式，从量子 Lego 框架中提取出有关量子纠错代码的最佳解决方案，可以最大化代码距离，最小化偏向性 Pauli 噪声下逻辑错误概率等，并且可以应用于物理量子设备以调整代码。

May, 2023