# 量子码距离预测

量子低密度奇偶校验码的距离决定其纠错能力，但精确求解是NP难问题，启发式搜索又耗时，使大规模码空间筛选受限。BB-Net 把双变量自行车（BB）码的距离估计转成学习任务：用约5.87万个由高预算启发式搜索标注上界的码样本训练注意力网络，直接从稀疏多项式结构预测距离。在测试集上，BB-Net 对参考距离的准确率为96.39%，高于同一张表中最好的启发式方法 QDistEvol 的94.86%，单码推理耗时0.005秒。

量子低密度奇偶校验码的距离决定其纠错能力，但精确求解是NP难问题，启发式搜索又耗时，使大规模码空间筛选受限。BB-Net 把双变量自行车（BB）码的距离估计转成学习任务：用约5.87万个由高预算启发式搜索标注上界的码样本训练注意力网络，直接从稀疏多项式结构预测距离。在测试集上，BB-Net 对参考距离的准确率为96.39%，高于同一张表中最好的启发式方法 QDistEvol 的94.86%，单码推理耗时0.005秒。