本文介绍了一项关于量子计算的重要研究，题为《基于融合的量子计算》（Fusion-Based Quantum Computation），由Sara Bartolucci、Patrick Birchall、Hector Bombín等来自PsiQuantum的研究团队完成，并于2023年2月发表在《Nature Communications》期刊上。该研究提出了一种新的量子计算模型，称为基于融合的量子计算（Fusion-Based Quantum Computation, FBQC），旨在解决光子系统中量子计算的容错性问题。
量子计算的核心操作之一是确定性的纠缠门操作，然而在许多系统中，尤其是光子系统中，这种操作并不自然。光子系统的量子计算面临的主要挑战包括光子损失和测量过程中的光子破坏。为了解决这些问题，研究者们提出了多种方案，例如Knill、Laflamme和Milburn提出的线性光学量子计算方案。然而，这些方案通常需要复杂的纠缠态生成和单比特测量，导致计算效率较低。FBQC模型通过引入“融合测量”（fusion measurements）这一物理原语，简化了光子系统中的量子计算流程，并提高了容错性。
FBQC模型的核心思想是通过生成小规模的纠缠资源态（resource states）并进行投影性纠缠测量（即融合测量）来实现量子计算。具体流程包括以下几个步骤：
资源态生成：FBQC的第一个原语是生成小规模的纠缠资源态。这些资源态具有固定的结构和规模，与计算规模无关。研究者主要关注量子比特的稳定子资源态（stabilizer resource states），这些态可以通过图态表示法（graph state representation）描述。资源态生成器（resource state generator）负责生成这些态，可以是光子态或物质比特设备。
融合测量：FBQC的第二个原语是融合测量，即对多个量子比特进行投影性纠缠测量。例如，贝尔测量（Bell measurement）可以提供两个输出比特，分别对应于Pauli可观测量X1X2和Z1Z2。在双轨量子比特（dual-rail qubits）中，融合测量可以通过干涉仪光子测量实现，仅需分束器和光子探测器。
融合网络构建：FBQC的核心是构建融合网络（fusion networks），即在一组资源态的量子比特上进行融合测量的配置。融合网络定义了计算的框架，算法通过修改部分融合测量的基来实现。研究者展示了如何通过融合网络实现拓扑容错的量子计算，特别是表面码（surface code）类型的容错性。
错误容忍性分析：研究者通过蒙特卡洛模拟评估了FBQC模型在不同错误模型下的性能。他们提出了硬件无关的融合错误模型（hardware-agnostic fusion error model），并展示了FBQC模型在光子损失和Pauli错误下的容错阈值。例如，6环融合网络（6-ring fusion network）在每次融合中能够容忍10.4%的光子损失概率，相当于每个光子的损失概率为2.7%。
FBQC模型的引入：研究者首次提出了FBQC模型，并给出了其稳定子形式（stabilizer formalism）以评估其行为。该模型通过融合测量和资源态生成实现了高效的量子计算。
融合网络的性能评估：研究者通过具体的融合网络示例（如6环融合网络和4星融合网络）评估了其性能。结果表明，FBQC模型在光子损失和融合失败率方面表现优异，特别是在线性光学架构中，FBQC模型能够显著提高容错性。
物理架构设计：研究者还提出了FBQC的物理架构设计，展示了如何通过资源态生成器和融合路由器（fusion network router）实现融合网络。该架构具有高度的模块化和低深度的物理操作，能够有效减少光子损失和错误积累。
FBQC模型为光子系统的量子计算提供了一种新的容错框架，能够显著提高计算效率和错误容忍性。该模型通过融合测量和资源态生成的结合，简化了量子计算的流程，并降低了经典处理的需求。研究结果表明，FBQC模型在光子损失和融合失败率方面的容错阈值显著高于现有方案，为未来大规模容错量子计算的实现提供了重要的理论支持。
FBQC模型不仅适用于光子系统，还可以推广到其他物理系统中，为基于资源态生成和投影测量的量子计算提供了通用的理论框架。随着量子计算技术的不断发展，FBQC模型有望成为实现大规模容错量子计算的重要工具。