本卷处理量子纠错的经典后处理半边：硬件交出含噪的稳定子测量流，译码器（decoder）负责从综合征历史推断逻辑错误发生在哪个余等价类。量子译码与经典译码的差异贯穿全卷——目标是类概率而非错误概率，简并性把最优译码推到 p 完全，于是所有实用译码器都是受控近似。卷内结构分四层：问题层（总览的 MLE 目标、三层噪声模型与五路线权衡矩阵）；算法层（匹配译码与它的近线性挑战者 Union-Find、以配分函数收缩逼近 ML 的张量网络、qLDPC 标配 BP+OSD、学习噪声结构的神经网络与 Transformer 基础模型）；理论层（精确 ML 的 matchgate 特例与 DKP 能量最小译码的阈值存在性）；工程层（微秒级延迟预算、FPGA/CPU/GPU 取舍与 backlog，以及 Stim/DEM/sinter 工具链和基准方法学）。两条主线反复出现：精度（逻辑错误率能压多低）与速度（能否跟得上综合征提取节拍）——2024–2026 年的标志性进展恰好各占一头：AlphaQubit 站上真机精度之巅，sparse blossom 把匹配译码压进单核微秒。
本卷共 10 个词条，建议按下列顺序或按需跳读：
| 词条 | 读完能回答 |
|---|---|
| 译码问题总览 | 余等价类与 MLE 目标；三层噪声模型各自阈值；五路线复杂度-精度-实时性权衡矩阵；简并性为何让量子译码 p 难。 |
| MWPM 译码 | 匹配图构造与 边权推导；Edmonds blossom 直觉；local matching 与 sparse blossom 的速度演进；忽略 X/Z 相关的代价。 |
| Union-Find 译码 | 簇生长-合并两阶段；奇偶判据与 正确性定理；并查集数据结构的 ；9.9% 对 10.3% 的阈值损失与擦除信道适配。 |
| 张量网络译码 | 类概率=配分函数收缩的链条；matchgate 精确特例；MPS 扫描与键维度 ；为何至今仍是精度基准。 |
| BP+OSD 译码 | Tanner 图消息传递；split-belief 失败模式的一行推导；OSD 高斯消去兜底；qLDPC 基准数字与 2025–26 的并行/列表/VibeLSD 演进。 |
| 神经网络译码 | RBM→CNN→LSTM→GNN 谱系；输入表征与软信息；LSTM 借 Y 相关胜 MWPM 的机理；FPGA 124 ns 部署与批判性平衡。 |
| Transformer 与基础模型译码 | AlphaQubit 架构与真机数字；10 万轮稳定；训练数据指数墙；NTU 跨距离迁移；实时化与 Google RL 运行时（Nature 2026）。 |
| 精确最大似然译码 | ML=最大余等价类的准确含义；#P 完全性；matchgate 精确特例；DKP 能量最小译码与简并 qLDPC 阈值存在性；何时值得做精确 ML。 |
| 实时译码与硬件 | 超导/离子阱延迟预算表；吞吐与闭环延迟两指标；backlog；FPGA 对 GPU/CPU；550 ns 闭环实验；窗口化、流水线与预解码。 |
| 译码工具链与基准 | Stim 的 tableau+Pauli frame；detector/DEM 概念；PyMatching/ldpc/Chromobius 生态；阈值、Λ 因子、p99.9 延迟与足迹的基准方法。 |