Guide pour sélectionner des backends de décodeurs de correction d'erreurs quantiques (QEC) basés sur la forme des artefacts, la famille de codes, le modèle de bruit et les objectifs de validation.
Cette compétence aide les chercheurs et les ingénieurs à sélectionner le bon backend de décodeur de correction d'erreurs quantiques (QEC) pour une charge de travail donnée. Elle structure les questions de routage fondamentales (forme de l'artefact, famille de codes, modèle de bruit, comportement de benchmark souhaité) et fournit des valeurs par défaut et des listes de contrôle pour mapper les problèmes aux familles de décodeurs, tels que les décodeurs basés sur l'appariement (matching), la recherche ou les décodeurs spécialisés pour les codes de couleur. Ce guide permet d'éviter la mauvaise application des décodeurs et encourage la documentation des contraintes et du raisonnement.
Utilisez cette compétence lorsque le point de décision est le choix du backend du décodeur — avant d'implémenter des adaptateurs ou de lancer des expériences de décodage. Scénarios : choisir une base de référence pour le benchmarking, router les flux de travail de modèles de détecteurs Stim, choisir un décodeur spécialisé en code de couleur, ou décider quand les décodeurs basés sur l'appariement ne sont pas appropriés.
references/ avec des liens vers l'API et des exemples, ainsi que des références croisées vers des SKILLs connexes (pymatching, fusion-blossom, tesseract-decoder).Adapté aux agents assistants de recherche et aux outils capables de lire les références du repo et de lier les SKILLs (agents orientés recherche, assistants de revue de code et aides à l'orchestration expérimentale).
Cette compétence n'a pas encore été examinée par notre pipeline d'audit automatisé.
