资源态 QRAM

资源态 QRAM(Cesa–Bernien–Pichler,Nature Communications 2026)是近年最重要的架构创新:它把在线查询化归为单比特测量与 Clifford 门,把全部非 Clifford 成本转移给与数据无关、可离线批量生产的量子资源态,并同时回应噪声、容错与物理布图三大难题。

图:资源态 QRAM 总览:(a) 查询语义;(b) 统一框架 V 逆 W D V;(c) 资源态驱动的 Clifford 查询;(d) 中性原子端到端蓝图与 QRAM 工厂(来源:QR004)

机制回顾:统一框架 $V^{-1}{W}_{D}V$ 与非 Clifford 症结

查询语义见查询语义:查询把 ${\sum }_{\mathbf{x}}{\psi }_{\mathbf{x}}|\mathbf{x}⟩|0⟩$ 相干地映为 ${\sum }_{\mathbf{x}}{\psi }_{\mathbf{x}}|\mathbf{x}⟩|D_{\mathbf{x}}⟩$($N$ 个数据比特 $D_{\mathbf{x}}$,地址任意叠加)。bucket-brigade 类”快且韧”方案统一写成

$U_{\mathrm{QRAM}}=V^{-1}{W}_{D}V,$

其中 $V$ 把 $\log N+1$ 个寄存器+总线比特”展开”到 $2N-1$ 个比特上Cesa et al. 2026。写显式:记 $\mu (\mathbf{x})={\sum }_K{x}_K{2}^K$,单热编码态定义为

$|\mathrm{OHE}(\mathbf{x})⟩=\frac{|0{⟩}^{\otimes N}+|\mathrm{ohe}(\mathbf{x})⟩}{\sqrt{2}}=|0,0,\dots ,+,0,\dots ⟩,$

即 $N$ 个指针比特全在 $|0⟩$、唯有位置 $\mu (\mathbf{x})$ 处于 $|+⟩$。注意 $|\mathbf{x}⟩\to |\mathrm{OHE}(\mathbf{x})⟩$ 不是等距算子:$⟨\mathrm{OHE}(\mathbf{x})|\mathrm{OHE}({\mathbf{x}}^{\prime })⟩=\frac{1}{2}\ne 0$,不同地址共享 $\frac{1}{2}$ 的 $|0{⟩}^{\otimes N}$ 成分,可逆性被破坏。修复有二:其一,总线比特承载相位——$V|\mathbf{x}⟩|0⟩$ 给指针 $|+⟩$、$V|\mathbf{x}⟩|1⟩$ 给 $|-⟩$;其二,再补 $N-1$ 个嵌套单热(NOHE)比特,其态对不同地址正交,恰补上 OHE 部分的半重叠缺口,使 $⟨\mathrm{NOHE}(\mathbf{x})|\mathrm{NOHE}({\mathbf{x}}^{\prime })⟩⟨\mathrm{OHE}(\mathbf{x})|\mathrm{OHE}({\mathbf{x}}^{\prime })⟩={\delta }_{\mathbf{x}{\mathbf{x}}^{\prime }}$。于是

$V:{\mathcal{H}}^{(\log N+1)}⟶{\mathcal{H}}^{(N-1)}\otimes {\mathcal{H}}^{(N)}$

是等距算子(isometry)而非幺正算子:定义域维度只有 $2^{{\log }_{2}N+1}=2N$,淹没在 $2^{2N-1}$ 维环境中,像空间占比随地址长度双指数变小——这个”指数小像空间”是推导二 $V^{-1}$ 能 Clifford 化的伏笔。中间的加载步只碰 $N$ 个 OHE 比特:$W_D={⨂}_{\mathbf{x}}{Z}_{\mathbf{x}}^{D_{\mathbf{x}}}$;因 $Z|\pm ⟩=|\mp ⟩$,加载等价于”指针指向存 1 的单元则翻转”,再经 $V^{-1}$ 压缩得 $V^{-1}{W}_D|\mathrm{OHE}(\mathbf{x})⟩|\mathrm{NOHE}(\mathbf{x})⟩=|\mathbf{x}⟩|D_{\mathbf{x}}⟩$,全程无需相干寻址——存储器的物理实现与查询电路解耦。

症结:$O(N)$ 个长程非 Clifford 门

$V$ 的电路由”Toffoli + CNOT”原生 gadget 沿嵌套分叉图迭代而成,对 $U_{\mathrm{NOHE}}^{(2N)}$ 共用

$n_{\mathrm{Toffoli}}=2N-{\log }_{2}N-2\approx 2N$

个 Toffoli(非 Clifford),并行化后深 $2{\log }_{2}N-3$ 层。框架承诺 $O(\log N)$ 深度与 polylog 不保真度(推导三),但每次查询都要对未知输入在线执行这 $O(N)$ 个长程非 Clifford 门——布图、纠错、相干暴露全卡在这里(账目口径见成本口径,与桶队的电路等价见桶队架构)。资源态 QRAM 的两步改造正围绕此症结展开。

推导一:随机 Pauli 恒等式——查询的 Clifford 化

门传送回顾:副产物从 $U{P}_m{U}^{-1}$ 降为 $P_m$

广义门传送(gate teleportation,GT):对目标门 $U$ 制备资源态 $|{\Phi }_U⟩=(1\otimes U)|{\Psi }_{00}{⟩}^{\otimes \log N}$,其中 $|{\Psi }_{00}⟩=CZ|++⟩=\frac{1}{2}(|00⟩+|01⟩+|10⟩-|11⟩)$。单比特情形的幺正恒等式

$|\psi ⟩\otimes (1\otimes U)|{\Psi }_{00}⟩=\frac{1}{2}{\sum }_{m_1,m_2\in \{0,1\}}|{\Psi }_{m_1{m}_2}⟩X^{m_2}{Z}^{m_1}U|\psi ⟩$

成立。对输入与资源态做 Bell 测量(BM:先 $CZ$ 再逐比特 $XX$ 测量),结果 $(m_1,m_2)$ 把 $X^{m_2}{Z}^{m_1}U|\psi ⟩$ 留在未测比特上。标准 GT 的麻烦在副产物:$U{P}_m{U}^{-1}$ 不是 Clifford——要确定地得到 $U$ 就得在线执行它,复杂度与 $U$ 相当;对 $U=V$,传送完还得做 $V{P}_m{V}^{-1}$,等于没省。

Cesa 等的关键观察:做 QRAM 无需修正这个副产物——存在对任意 $P_m$ 成立的恒等式,带着随机 Clifford 副产物的查询仍是正确查询;非 Clifford 性全部留在资源态制备,在线只剩 BM。

${\Phi }^{(1)}$ 与 Bell 测量

取资源态

$|{\Phi }^{(1)}⟩=(1\otimes V)|\Psi {⟩}^{\otimes (1+\log N)},|\Psi ⟩=\frac{1}{\sqrt{2}}(|0+⟩+|1-⟩),$

制备时对 $1+\log N$ 对 $|\Psi ⟩$ 的”输出半边”执行 $V$(非 Clifford 成本离线一次付清),展开是 ${\sum }_{\mathbf{y},\mathbf{z}}(-{)}^{\mathbf{y}\cdot \mathbf{z}}|\mathbf{y}⟩\otimes |\mathrm{NOHE}(\mathbf{z},+)⟩$ 形状的叠加(归一化从略)。查询时做 $\log N$ 个并行 BM,未测的 $\mathcal{D}$ 区($2N-1$ 比特)留下

$V{P}_{\mathbf{m}}|\psi ⟩|0⟩,$

其中 $\mathbf{m}$ 由 BM 结果随机给出;副产物 $P_{\mathbf{m}}$ 无需修正。

三条恒等式拼出主恒等式

记 $P_{\mathbf{m}}=Z^{\otimes \mathbf{a}}{X}^{\otimes \mathbf{b}}$($\mathbf{a},\mathbf{b}$ 作用在 QPU 寄存器上)。三条观察各给一行理由:

1. $X$ 穿过 $V$ 变成指针置换。 $X^{\otimes \mathbf{b}}$ 把地址逐比特翻成 $\mathbf{x}\oplus \mathbf{b}$,热指针从 $\mu (\mathbf{x})$ 挪到 $\mu (\mathbf{x}\oplus \mathbf{b})$——在 OHE 因子上这是高度结构化的置换 ${\pi }_{\mathbf{m}}$(逐比特条件交换);NOHE 因子上的余项记作 $U_{\mathbf{m}}$(深度非 Clifford,但只生活在 NOHE 因子上): $V{X}^{\otimes \mathbf{b}}{V}^{-1}=U_{\mathbf{m}}\otimes {\pi }_{\mathbf{m}}.$
2. 地址相位与查询语义对易。 $Z^{\otimes \mathbf{a}}|\mathbf{x}⟩=(-{)}^{\mathbf{a}\cdot \mathbf{x}}|\mathbf{x}⟩$ 只重相位,理想查询输出的基底不改,故 $U_{\mathrm{QRAM}}{Z}^{\otimes \mathbf{a}}=Z^{\otimes \mathbf{a}}{U}_{\mathrm{QRAM}}$。
3. 支撑不相交。 $W_D$ 只碰 OHE 因子、$U_{\mathbf{m}}$ 只碰 NOHE 因子,故 $W_D{U}_{\mathbf{m}}=U_{\mathbf{m}}{W}_D$。

从 $U_{\mathrm{QRAM}}{P}_{\mathbf{m}}$ 出发逐行代入:

$$\begin{array}{rlrl}{U}_{\mathrm{QRAM}}{P}_{\mathbf{m}}& \stackrel{(2)}{=}{Z}^{\otimes \mathbf{a}}{U}_{\mathrm{QRAM}}{X}^{\otimes \mathbf{b}}& & \text{(把 }Z\text{ 因子搬到最左)}\\ & \stackrel{\mathrm{def}}{=}{Z}^{\otimes \mathbf{a}}{V}^{-1}{W}_{D}V{X}^{\otimes \mathbf{b}}& & \\ & \stackrel{(1)}{=}{Z}^{\otimes \mathbf{a}}{V}^{-1}{W}_D(U_{\mathbf{m}}\otimes {\pi }_{\mathbf{m}})V& & \\ & \stackrel{(3)}{=}{Z}^{\otimes \mathbf{a}}{V}^{-1}(U_{\mathbf{m}}\otimes {\pi }_{\mathbf{m}})(1\otimes W_D(\mathbf{m}))V& & \text{(WDπm=πmWD(m))}\\ & \stackrel{(1{)}^{-1}}{=}{Z}^{\otimes \mathbf{a}}{X}^{\otimes \mathbf{b}}{V}^{-1}(1\otimes W_D(\mathbf{m}))V& & \text{(V−1(Um⊗πm)=X⊗bV−1)}\\ & =P_{\mathbf{m}}{V}^{-1}{W}_D(\mathbf{m})V.& & \end{array}$$

两边右乘 $P_{\mathbf{m}}^{-1}$,得对任意 Pauli $P_{\mathbf{m}}$ 成立的恒等式(文献把 $P_{\mathbf{m}}$/$P_{\mathbf{m}}^{-1}$ 左右位置写成相反约定,同一恒等式):

$U_{\mathrm{QRAM}}=P_{\mathbf{m}}{V}^{-1}{W}_D(\mathbf{m})V{P}_{\mathbf{m}}^{-1},W_D(\mathbf{m})={\pi }_{\mathbf{m}}^{-1}{W}_D{\pi }_{\mathbf{m}}={⨂}_{\mathbf{x}}{Z}_{\mathbf{x}}^{D_{\mathbf{x}}\oplus \mathbf{b}}.$

深度非 Clifford 的 $U_{\mathbf{m}}$ 在第三、五行之间精确消去——方案的代数核心:随机性被吸收进”换一个同样合法的 Pauli 标签”,而非需要修正的错误。$W_D(\mathbf{m})$ 的物理含义是按 $\mathbf{b}$ 做 $D_{\mathbf{x}}\mapsto D_{\mathbf{x}\oplus \mathbf{b}}$ 的置换读出——地址被 $X$ 翻转等价于存储器被重命名,只须经典前馈调整供电模式,不必读改存储内容,深度 $O(1)$。三步全 Clifford 的查询成形:BM 层($\log N$ 并行)→ 条件 Clifford 加载层 → 自适应 SQPM 层(推导二),总深 $O(\log N)$,在线零非 Clifford 门Cesa et al. 2026。

推导二:像空间求逆——$V^{-1}$ 的 Clifford 化

第三步要执行 $P_{\mathbf{m}}^{-1}{V}^{-1}$,而 $V$ 含 $O(N)$ 个 Toffoli,$V^{-1}$ 照理深度非 Clifford。出路是推导一埋下的维度账:$V$ 的逆只需定义在 $2N$ 维像空间上,而非 $2^{2N-1}$ 维全空间——在指数小的子空间上求逆是另一个容易得多的问题。这正是测量式非计算(measurement-based uncomputation):垃圾比特不必幺正”退计算”,可以测掉,副产物用前馈吸收;最小 gadget 与”用稳定子辅助态逆 AND”的已知构造同门,区别是只需单比特 Pauli 测量(SQPM)、无需自适应纠缠门Cesa et al. 2026。

具体结构:$U_{\mathrm{NOHE}}$ 由最小 gadget 迭代而成,逆也按同一分叉图迭代。关键是固定”先门后测”次序:逆协议全为 Clifford,Pauli 副产物可穿过 Clifford 门传播到测量层才解读——电路劈成两半,前半 $C_{\mathrm{NOHE}}^{({\mathbf{s}}_0)}$(确定性 CNOT 串 + 一批非自适应 $XX$ 测量,结果 ${\mathbf{s}}_0$ 作为经典参数进入后半),把 ${\mathcal{H}}_{\mathcal{D}}^{(N-1)}$ 映入 ${\mathcal{H}}_{\mathcal{P}}^{(2(N-\log N-1))}\otimes {\mathcal{H}}_{\mathcal{F}}^{(\log N)}$;后半是对 $\mathcal{P}$ 区的 $\log N$ 层自适应 SQPM(按此前结果选 $XX$ 或 $ZZ$ 基),$\mathcal{F}$ 区留下 $\log N$ 个输出比特。对任意像空间态 $|\Xi ⟩$,

$C_{\mathrm{NOHE}}^{({\mathbf{s}}_0)}|\Xi ⟩\stackrel{\mathrm{SQPMs}}{\to }{U}_{\mathrm{NOHE}}^{-1}|\Xi ⟩,$

且总在 $T_f=2{\log }_{2}N-3$ 轮测量内完成。直觉:自适应基把”逆电路的非 Clifford 分支信息”折叠进测量基——像空间之外的分支根本不会被走到。

稳定子资源态 ${\Phi }^{(2)}$ 与合并

测量式方案再吃掉剩余的自适应双比特 Clifford 门:预装

$|{\Phi }^{(2)}⟩=\frac{1}{2^{N-1}}{\sum }_{\mathbf{Y},\mathbf{Z}}(-{)}^{\mathbf{Y}\cdot \mathbf{Z}}|\mathbf{Y}{⟩}_{{\mathcal{D}}^{\prime }}\otimes C_{\mathrm{NOHE}}|\mathbf{Z}{⟩}_{\mathcal{P}\cup \mathcal{F}},$

由 Bell 对的一半过一遍 $C_{\mathrm{NOHE}}$ 制得;$C_{\mathrm{NOHE}}$ 全为 Clifford,故 $|{\Phi }^{(2)}⟩$ 是稳定子态——查询端只需 BM + SQPM 即可消费,且可用稳定子形式论把 $C_{\mathrm{NOHE}}$ 大幅化简、从一维 cluster 态高效组装。两个资源态最后经”部分 BM”的收缩映射合并为 $|\Phi ⟩=B[|{\Phi }^{(1)}⟩\otimes |{\Phi }^{(2)}⟩]$:合并结果是随机的,但 $|{\Phi }^{(2)}⟩$ 的稳定子性保证 Pauli 修正后输出确定。端到端查询因此只需:一份离线制备的 $\Phi$ + 一层 BM + $O(\log N)$ 层自适应 SQPM;在线墙钟 $T_{\mathrm{query}}\simeq 2\tau \log N$ 由中途测量时间 $\tau$ 主导,文献指出这是此前同类方案时长之半Cesa et al. 2026。$\Phi$ 的制备流水线见QRAM 工厂,容错接口见Clifford 容错接口。

推导三:噪声账——测量式消费不加重噪声累积

对照账:相干执行 $V$ 的失败模式

直接在线相干执行 $V^{-1}{W}_{D}V$ 时,$O(N)$ 个非 Clifford 门全坐在查询的相干路径上,每个门的错误都能传到输出,一阶不保真度

$1-F\sim \epsilon \cdot O(N)$

随规模线性退化;$\epsilon =10^{-4}$、$N=2^{13}$ 时就是 $1-F\sim 0.8$,不可用。bucket-brigade 的意义在打破这条线性账:错误局域化,多数故障与输出解纠缠(机制见误差局域化;一般 CPTP 噪声严格界 $1-F\le 4\epsilon T\log N$ 见噪声韧性与 Hann 2021)。问题:改成”离线制备 $\Phi$ + 在线测量消费”后,这份韧性还在吗?会因测量与前馈变坏吗?

等价性:测量副产物 $\equiv$ 桶队错误

答案”不变”。其一,查询是资源态的破坏性消费:除 $\log N+1$ 个输出比特外全部比特被测量并从输出解缠——故障的熵留在被测比特里,进不了输出。其二,前馈(用可能出错的测量结果选后续测量基)有标准结论:错误基选择等价于一个 Pauli 副产物,其传播结构与桶队电路中未被抑制的错误完全同构Cesa et al. 2026。其三,论文给出电路级变形:桶队协议可连续变形为 NOHE 电路而信息流(从而错误传播)不变,且 NOHE 只用约一半辅助比特、一半 T 门。合起来:资源态 QRAM 的错误传播 $\equiv$ 桶队——$\Phi$ 制备期的错误在消费时的效果与在线同位置错误相同,工厂噪声不开辟新通道;制备中还可插错误检测、失败即弃(heralding 账目见QRAM 工厂)。

好地址集合与不保真度下界

对数据集 $D$ 与错误构型 $k$(酉错误模型:$K_{D,k}^{†}{K}_{D,k}=p_{k}1$),定义好地址集合

${\mathcal{G}}_k=\left\{\mathbf{x}\right|K_k|\mathbf{x}⟩=\sqrt{p_k}|\mathbf{x}⟩|D_{\mathbf{x}}⟩|A_k⟩\}:$

带错误 $k$ 时这些地址仍被相干正确查询,辅助空间留下的”垃圾态” $|A_k⟩$ 取同一份(取使 $|{\mathcal{G}}_k|$ 最大者)。把条件输出态按 $\mathbf{x}\in {\mathcal{G}}_k$ 拆开:

$|{\psi }_k⟩=\frac{1}{\sqrt{p_k}}[\sqrt{p_k}({\sum }_{\mathbf{x}\in {\mathcal{G}}_k}{\psi }_{\mathbf{x}}|\mathbf{x}⟩|D_{\mathbf{x}}⟩)|A_k⟩+{\sum }_{\mathbf{x}\notin {\mathcal{G}}_k}{\psi }_{\mathbf{x}}{K}_k|\mathbf{x}⟩],$

选含 $|A_k⟩$ 的辅助基做下界(其余求和项非负,舍去只放低界),再用线性代数引理(交叉项模长 $\le \sqrt{p_k}[1-{\sum }_{{\mathcal{G}}_k}|{\psi }_{\mathbf{x}}{|}^2]$),得

$F_k(\psi |D)\ge \frac{1}{p_k}(\sqrt{p_k}w-\sqrt{p_k}(1-w){)}^2=[2w-1{]}^2\Theta (w-\frac{1}{2}),w\equiv {\sum }_{\mathbf{x}\in {\mathcal{G}}_k}|{\psi }_{\mathbf{x}}{|}^2,$

Heaviside 因子表示 $w<\frac{1}{2}$ 时下界平凡:超过一半地址权重被相干正确查询才有非平凡下界。对 Haar 随机 $|\psi ⟩$ 取平均(方差不等式 $\int f^2\ge (\int f{)}^2$;且 ${\int }_{\mathcal{H}}d\psi {\sum }_{\mathbf{x}\in {\mathcal{G}}_k}|{\psi }_{\mathbf{x}}{|}^2=|{\mathcal{G}}_k|/N$),再对错误构型用 Cauchy–Schwarz(先平均 $|{\mathcal{G}}_k|$ 再平方),得论文主界

$F_{\mathrm{QRAM}}\ge 4[\frac{1}{N}{\sum }_k{p}_k|{\mathcal{G}}_k|-\frac{1}{2}{]}^2.$

于是一切化归为计数问题:期望好地址数随 $N$ 退化多快?

单错误展开:期望好地址数 $\simeq N-\frac{1}{4}{\log }^{2}N$

以连续去极化模型为例(每比特每步以 $\epsilon$ 出错,含空闲)。设协议 $T_{\mathrm{tot}}=O(\log N)$ 步,单比特全程出错概率 $\eta \simeq 1-(1-\epsilon {)}^{T_{\mathrm{tot}}}\simeq \epsilon T_{\mathrm{tot}}$;共 $\nu$ 个潜在出错位置。错误构型按错误个数展开到一阶:

$\mathbb{E}[|{\mathcal{G}}_k|]=(1-\eta {)}^{\nu }N+\nu \eta (1-\eta {)}^{\nu -1}\mathbb{E}[|{\mathcal{G}}_{k|1}|]+\cdots ,$

第一项是无错误项,第二项是恰一错误的项。核心是条件期望 $\mathbb{E}[|{\mathcal{G}}_{k|1}|]$。$2N-1$ 个物理比特按扇区划分,扇区 $K$ 含 $2^K$ 个比特;错误均匀落在扇区 $K$ 的概率为 $2^K/(2N-1)$,而扇区 $K$ 的错误只污染 $N/2^K$ 个地址(树越深管辖越少)。扇区内平均波及面逐子层计:最上两层各波及全扇区 $2^K$ 个比特,其下第 $j$ 子层的 $2^j$ 个比特各波及 $2^{K-j}$ 个,合计

$2\times 2^K+{\sum }_{j=1}^{K-1}{2}^j\times 2^{K-j}=2^K(K+1),$

折算成被污染地址数 $(K+1)N/2^K$(向更浅扇区的回传只命中同一批已计入的地址,不重复计)。代回求和:

$$\mathbb{E}[|{\mathcal{G}}_{k|1}|]\simeq \frac{1}{2N-1}\sum _K{2}^K[N-(K+1)\frac{N}{2^K}]=N-\frac{N}{2N-1}\cdot \frac{({\log }_{2}N+1)({\log }_{2}N+2)}{2}\simeq N-\frac{1}{4}{\log }_2^{2}N,$$

第一项求和用 ${\sum }_K{2}^K=2N-1$ 归一,第二项用 ${\sum }_K(K+1)=\frac{1}{2}({\log }_{2}N+1)({\log }_{2}N+2)$。一个错误平均只毁掉 $O({\log }^{2}N)$ 个地址——误差局域化的计数版本。代回主界并取 $\epsilon \to 0$($\eta /\epsilon \to T_{\mathrm{tot}}$):

$A_1(N)\equiv {\lim }_{\epsilon \to 0^{+}}\frac{1-F_{\mathrm{QRAM}}}{\epsilon }\le \frac{2\nu T_{\mathrm{tot}}}{2N-1}({\log }_{2}N+1)({\log }_{2}N+2)+O(\epsilon ).$

$2N-1$ 的”分母”恰好吃掉 $\nu \sim O(N)$ 的”分子”,只剩对数因子。指数 $\alpha$ 由错误模型定:连续去极化下 $\nu =Q{T}_{\mathrm{tot}}=O(N\log N)$,故 $\nu /(2N-1)=O(\log N)$,合得 $\alpha \lesssim 4$;错误主要发生在门上时(操作 Pauli 错误)$\nu =O(N)$,$\alpha \lesssim 3$。蒙特卡洛模拟(至 $N\sim 10^4$)在所有测试模型确认多对数标度,拟合指数显著低于悲观界——本站综述口径取 $\alpha \approx 3.8$(去极化)、$\alpha \approx 1.9$(Z 偏置),与 Hann 2021 对桶队证得的 ${\log }^2$–${\log }^3$ 同谱系。数值口径:门错误率 $\epsilon \sim 10^{-4}$ 时 $N\gtrsim 512$ 保真度可过半,Z 偏置情形(中性原子经擦除转换把双比特门错误转为相位错误Scholl et al. 2023)$N\approx 512$ 即可达 99%。测量式消费没有把 $O(N)$ 线性账请回来:它继承桶队的计数结构,还把相干暴露窗口从”整场算法”压缩到”一次消费”。

QEC 红利:码距公式与 QROM 对照

多对数不保真度直接折算成纠错码距。达到目标 $F_{\mathrm{QRAM}}$ 只需逻辑错误 ${\epsilon }_L\lesssim (1-F_{\mathrm{QRAM}})/\mathrm{polylog}N$;代入表面码参数化 ${\epsilon }_L\simeq 0.1{\Lambda }^{-(d+1)/2}$($\Lambda ={\epsilon }_{\mathrm{th}}/\epsilon$)解出

$d\simeq \frac{\log ((1-F_{\mathrm{QRAM}}{)}^{-1}\mathrm{polylog}N)}{\log (1/\epsilon )}=\mathrm{polylog}(\log N),$

而 QROM 类无韧性查表 $1-F\sim {\epsilon }_{L}N$ 迫使 $d_{\mathrm{QROM}}=\Theta (\log N)$——差距是指数级的:QROM 每数据比特的 QEC 开销因子 $O(\mathrm{poly}\log N)$(码距 $O(\log N)$ 付 $O(d^3)$),资源态 QRAM 仅 $O(\mathrm{polylog}\log N)$,粗略相差 ${\log }^{3}N$ 倍。T 计数同享红利:查询零 T 成本,Toffoli 全部离线注入;T 态精度只需 $1/\mathrm{polylog}N$,含蒸馏的噪声 T 消耗省一个 polylog 因子Cesa et al. 2026。

推导四:深度/比特/产率三维账与数值算例

查询侧:无后选择的确定性成功

深度。 在线电路 $2{\log }_{2}N-3$ 层 SQPM + 1 层 BM,每层墙钟约 $\tau$(门时间 ${\tau }_g\sim 100$ ns 可忽略):$T_{\mathrm{query}}\simeq 2\tau {\log }_{2}N$。比特。 消费一份 $\Phi$ 占 $2N-1$ 个 QRAM 比特 + QPU 侧 $\log N+1$。成功率。 查询协议是确定性的:每个 BM/SQPM 结果(含出错的结果)都被当作副产物标签消费,无噪声时”完成且正确”的概率为 1,无后选择。对照光子融合型方案:每个融合操作以 $p<1$ 成功(线性光学贝尔测量 $p\le \frac{1}{2}$ 是教科书结论),$k$ 比特资源态平均要 $O(k/p)$ 次尝试。资源态 QRAM 把全部概率性集中到工厂接受率,查询端一次成功。

工厂侧:接受率与 $k$ 份资源态的概率账

heralding 方案:选 $m\ll {\log }_{2}N$、$M\equiv 2^m\ll 1/\epsilon$,对前 $m$ 个地址比特充当控制端的所有门做错误检测,检出即弃。需 herald 的门数逐扇区可数:

${\sum }_{K=0}^{m-1}({\log }_{2}N-K)2^K={\log }_{2}N(M-1)-{\sum }_{K=0}^{m-1}K{2}^K=O(M{\log }_{2}N),$

其中 ${\sum }_{K=0}^{m-1}K{2}^K=(m-2)M+2$ 是标准的”等差乘等比”求和。接受率一阶账为

$p_{\mathrm{acc}}\approx 1-\epsilon O(M{\log }_{2}N)\gtrsim 1-\epsilon M{\log }_{2}N,$

约束 $M\ll 1/\epsilon$ 自洽地保证 $p_{\mathrm{acc}}\approx 1$。攒 $k$ 份合格 $\Phi$ 的概率账:每周期独立接受概率 $p_{\mathrm{acc}}$,所需周期数服从负二项分布,

$\mathbb{E}[\text{周期数}]=\frac{k}{p_{\mathrm{acc}}},\mathrm{Var}=\frac{k(1-p_{\mathrm{acc}})}{p_{\mathrm{acc}}^2},$

失败尝试废弃的 Toffoli 份额 $O(M/N)$(逐层废弃账见QRAM 工厂)。流水可行性条件是接受率折扣后的供给不低于消费:$p_{\mathrm{acc}}/T_{\Phi }\ge 1/T_{\mathrm{query}}$——1 kB 工作点($T_{\Phi }\approx 15$ ms,$p_{\mathrm{acc}}\gtrsim 0.95$)左边 $\approx 63{\mathrm{s}}^{-1}$、右边 $\approx 77{\mathrm{s}}^{-1}$,单工厂略紧,双工厂错相运转即轻松越过。工厂速率 $\sim 0.1$ kHz,重排项 $3\sqrt{6}T{N}^{1/4}$($T\approx 33\mu \mathrm{s}$ 为最小陷阱间距搬运时间)在 $N\lesssim 2^{24}$(约 2 MB)内可忽略,查询与下一份 $\Phi$ 的制备流水并行Cesa et al. 2026。

数值算例

物理级,1 kB($N=2^{13}$,$\epsilon =10^{-4}$,$\tau =500\mu \mathrm{s}$): 在线比特 $2N-1=16383$ + 寄存器 14;在线深度 23 层,$T_{\mathrm{query}}=13$ ms;在线非 Clifford 门 0。工厂每周期 $n_{\mathrm{Toffoli}}=2\times 8192-13-2=16369$ 个 Toffoli(约 $6.5\times 10^4$ 份 T 态)。取 $m=5$($M=32$,满足 $M\ll 10^4$):herald 门数逐项 $13\times 1+12\times 2+11\times 4+10\times 8+9\times 16=305$;接受率 $p_{\mathrm{acc}}\approx 1-10^{-4}\times 305\approx 0.970$,废弃份额 $305/16369\approx 1.9\%$;攒 $k=100$ 份:期望 $103.1$ 个周期、标准差 $\approx 1.8$——3% 的重试税换走浅层全部错误。

当前实验规模(Supplement 口径,~500 原子,$\epsilon \simeq 5\times 10^{-3}$): $N=32$ 可达 $F\gtrsim 52\%$($\lesssim 160$ 原子);$N=64$ 约 $35\%$($\lesssim 320$ 原子);$N=4,8,16$ 约 $91\%,80\%,66\%$;$d=3,5,7$ 表面码下单次纠错查询对应 $N\simeq 16,8,4$Cesa et al. 2026。

码距自洽($N=2^{13}$,目标 $F=99\%$): 文献选 $d=39$:$\Lambda =2$,${\epsilon }_L\simeq 0.1\times 2^{-20}\approx 9.5\times 10^{-8}$;综述口径多对数因子 $13^{3.8}\approx 1.7\times 10^4$;乘积 $\approx 1.6\times 10^{-3}\le 10^{-2}$ ✓——恰压进 1% 预算($d=39$ 比按 $\Lambda =2$ 解出的最低值 $d\approx 34$ 留了余量)。对照:非韧性查表同预算下需 ${\epsilon }_L\lesssim 10^{-2}/N\approx 1.2\times 10^{-6}$、最低码距 $d_{\mathrm{QROM}}\approx 32$。值得注意:在 $N=2^{13}$ 这一小规模上,多对数因子 ${\log }^{3.8}N\approx 1.7\times 10^4$ 尚大于 $N\approx 8\times 10^3$,两条预算几乎打平(码距差 $2{\log }_2(N/{\log }^{3.8}N)/{\log }_2\Lambda \approx -2$,交叉点在 $n\approx 13.5$);韧性红利在大 $N$ 才展开——$n=40$ 时 $d_{\mathrm{QROM}}\approx 86$ 对资源态的 $d\approx 46$,差约 40 层——且 $\Theta (\log N)$ 对 $\Theta (\log \log N)$ 的标度差保证差距随 $N$ 持续增长(本词条验算)。

讨论:复杂性的重新分配与硬件匹配

资源态 QRAM 重新分配了 QRAM 的复杂性:非 Clifford 成本全部转移进与数据无关、可离线批量生产的资源态,在线查询只剩测量与 Clifford 门。这同时回应了 Jaques–Rattew 批判的两个要害——主动干预的 $\Omega (N)$ 成本被推给”工厂”(其代价以工厂周期 $T_{\Phi }$ 与并行补货显式计账,而非隐藏在”假设”里),而与纠错层的接口(他们的另一大质疑)则因 Clifford 化而透明Jaques & Rattew 2025。

两点概念澄清值得强调。其一,该思想并非中性原子专属:作者明确指出可迁移到具备原子/离子搬运能力的其他平台,包括囚禁离子、超导与光子。其二,它把”QRAM 实现问题”化归为”资源态制备问题”——这不是把 QRAM 混同于一般性量子态制备电路(那是术语边界的经典陷阱,见态制备边界),而是把与数据无关的离线态制备用作器件的引擎:查询语义 $|x⟩|0⟩\to |x⟩|D_x⟩$ 仍由完整的器件闭环保证。

硬件匹配的机制级理由有三条。其一,在线协议”几乎只测量”,把最贵的相干两比特门撤出关键路径,而单比特读出恰是各平台最成熟的能力:中性原子有非破坏成像(碱土族)或搬运读出(碱金属)。其二,“离线制备 + 搬运接口”对上分区架构:中性原子的存储/工厂/读出分区之间,以原子相干搬运或预蒸馏 Bell 对作接口——已被逻辑原子处理器实验证明可行Bluvstein et al. 2024;囚禁离子 shuttle 同理;超导固定连线无法搬运,是真实的适配缺口。其三,“消费资源态 + 容忍随机副产物”与测量式纠错同构:查询全横向、以破坏性 SQPM 为主,可融入 foliation/fusion 型方案——光子上”以测量消费资源态”本就是 fusion 计算的母语,但融合成功率的概率账(推导四的对照项)仍是空白。中性原子的独特加分是擦除转换:把双比特门错误转为相位错误Scholl et al. 2023,推向偏置工作点——推导三中 $\alpha$ 的模型依赖正系于此。

综述表 B 的账目:查询深度 $2\tau \log N$、比特 $O(N)$(资源态)、工厂 $O(N\log N)$ Toffoli、不保真度 ${\log }^{\alpha }N$($\alpha \approx 1.9$-$3.8$)、在线全 Clifford。开放问题集中在工厂吞吐、布图与吞吐-保真度权衡的实验验证——这是中性原子社区未来数年最明确的发力点。

延伸阅读

• QRAM 工厂
• Clifford 容错接口
• 中性原子平台
• 噪声韧性
• 桶队架构
• 误差局域化
• 态制备边界