非克利福德串扰噪声对表面码的影响：基于混合稳定子-张量网络方法的深度解析
本文深度剖析了利用混合稳定子-张量网络（GCAMPS）模拟表面码中非克利福德相干串扰噪声的最新研究，揭示了相干性对量子纠错阈值的真实影响，并探讨了其在容错量子化学模拟中的关键应用价值。
表面码
稀疏 Mamba 解码器：量子纠错中高效缺陷中心化处理的深度解析
本文深度解析 Sparse Mamba Decoder (SMD)，这是一种基于缺陷中心化处理的神经解码器，通过 O(k) 复杂度实现了对量子表面码综合征的高效实时解码，性能显著超越传统解码器并比肩 SOTA 模型。
量子纠错提速新纪元：NVIDIA 基于 3D CNN 的表面码 AI 预解码器深度解析
本文深度解析 NVIDIA 提出的 AI 预解码器架构，通过 3D CNN 实现表面码伴随式密度的局部并行压缩，在 GB300 GPU 上实现微秒级解码并显著降低逻辑错误率。
异质量子纠错码：通过比特策略布局突破性能瓶颈的深度解析
本文深度解析了 Omid Khosravani 等人的最新研究，探讨了在量子处理器中如何通过异质比特的策略性布局，利用“稳定器比例假设”显著提升量子纠错码的阈值与逻辑错误率表现。
时空保利过程（SPP）：利用量子梳建模量子纠错中的关联噪声深度解析
本文深度解析了 John F Kam 等人提出的时空保利过程（SPP）框架，该框架通过多时间保利旋转将复杂的非马尔可夫噪声映射为经典的随机保利轨迹，为量子纠错中的关联噪声提供了高效、可扩展的建模工具。