[ASPLOS 2026] ReloQate：表面码 QEC 的实时漂移检测与动态重映射

TL;DR

在量子计算的 NISQ 时代，物理比特的“脾气”极其不稳定——噪声率会随时间漂移。本文提出的 ReloQate 框架，通过实时监控表面码（Surface Code）的探测器触发率（DFR），在逻辑错误率（LER）失控前精准预测，并像操作系统“热迁移”虚拟机一样，将受损的逻辑量子位动态重映射到健康的物理区域。

背景：被忽视的“活性”噪声

当前的量子纠错（QEC）研究大多基于静态噪声模型。但在实际硬件中，由于两级系统（TLS）缺陷、环境热波动甚至宇宙射线冲击，物理错误率会随时间剧烈波动。

• 痛点：传统的校准（Calibration）需要停机数小时。
• 缺陷：如果校准频率太低，逻辑错误会累积导致计算崩溃；如果太频繁，系统吞吐量会骤降。
• 直觉：QEC 过程中不断产生的纠错症候（Syndrome）其实自带“体检报告”，为什么不利用它实时预判风险？

核心方法：从 DFR 到 LER 的桥梁

1. 实时预测：无需采样的“体检”

作者建立了一个物理直觉：当物理错误增加时，表面码中的稳定子测量不一致（探测器触发）的频率必然升高。

• 数学关联：逻辑错误率 $p_L$ 与 DFR 呈指数级正相关。
• 缓冲区机制：系统维护一个大小为 $k$ 的 DFR Buffer。
  • $k$ 太小：预测波动剧烈（假阳性高）。
  • $k$ 太大：预测迟钝，无法响应 Burst Error。
• 保守预测：通过调节置信区间 $\alpha$，预测器可以表现得更加“忧患”，在真正报错前提前撤离。

2. 响应机制：重映射（Remapping）

当预测 LER 即将突破阈值时，ReloQate 会触发“搬家”：

1. 迁移：利用晶格手术（Lattice Surgery）将逻辑位移至临近的 Reloqation Patch。
2. 重校准：旧地址立即进入隔离区进行深度校准。
3. 预热：校准完成后，进行若干轮“影子操作”来填充 DFR 缓冲区，确保预测器重新上线时数据是准的。

实验与权衡：空间 vs. 鲁棒性

静态 vs. 动态

传统的 Code Deformation（代码变形）通过扩大边界来绕过坏点。

• 结论：在小码距（$d=3,5$）场景下，ReloQate 的重映射方案比代码变形节省更多物理比特。
• 性能提升：在随机噪声漂移测试中，ReloQate 能够始终将 LER 压制在目标阈值以下，而静态调度方案多次出现崩溃。

深度洞察

ReloQate 的最大价值在于它将 QEC 从一个“被动纠正”的模块提升到了“主动感知”的系统层面。

• 局限性：在大码距（High-distance）场景下，重映射所需的预留磁贴（Reloqation patches）会造成较高的资产闲置率。
• 未来启示：未来的量子计算机需要像经典 OS 管理逻辑内存一样，动态地管理逻辑量子位。混合使用动态重映射与动态代码变形，将是实现长效容错量子计算的关键。

总结：ReloQate 证明了通过精巧的架构设计，我们可以利用“噪声”本身来战胜噪声，向实用化量子计算迈出了坚实的一步。