Quantum memory based on concatenating surface codes and quantum Hamming codes

Dieser Artikel schlägt eine hybride Quantenspeicherarchitektur vor, die Oberflächencodes mit Quanten-Hamming-Codes verkettet, und zeigt, dass dieser Ansatz im Vergleich zu reinen Oberflächencodes hohe Fehlertoleranzschwellen und eine überlegene Unterdrückung logischer Fehler erreicht, wodurch er einen vielversprechenden Weg sowohl für die nahe Zukunft bei kleinen Maßstäben als auch für die zukünftige großskalige fehlertolerante Quantenberechnung eröffnet.

Das Wesentliche

Stellen Sie sich vor, Sie versuchen, eine riesige, unglaublich zerbrechliche Burg aus Glas zu bauen. Das Ziel ist es, die Burg für immer aufrecht zu erhalten, doch die Luft um sie herum ist mit winzigen, unsichtbaren Staubteufeln (Fehlern) gefüllt, die ständig versuchen, Teile herunterzuschlagen. In der Welt der Quantencomputer sind diese „Glasstücke" Bits von Informationen, und die „Staubteufel" sind Rauschen, das Berechnungen zerstört.

Um die Burg zu retten, benötigen Sie ein Sicherheitssystem. Dieser Artikel stellt ein neues, zweischichtiges Sicherheitssystem namens Surface-Hamming-Codes vor. So funktioniert es, einfach erklärt:

Die zwei Verteidigungslinien

Stellen Sie sich das Problem als zwei verschiedene Arten von Sicherheitswachen vor, die jeweils in etwas anderem gut, aber in etwas anderem schlecht sind.

1. Der Surface-Code (Die Nachbarschaftswache):
   Stellen Sie sich eine Nachbarschaft vor, in der jedes Haus einen Zaun hat. Wenn ein Stein auf ein Haus geworfen wird, sehen es die Nachbarn sofort und reparieren es. Dieses System ist hervorragend darin, Probleme schnell zu erkennen, und hat eine hohe Toleranz gegenüber Rauschen (es kann viele Steine verkraften, bevor die gesamte Nachbarschaft zusammenbricht). Um jedoch viele Häuser zu schützen, müssen Sie eine massive Mauer aus Zäunen errichten, was eine enorme Menge an Platz und Ressourcen verbraucht.

2. Der Quanten-Hamming-Code (Der effiziente Manager):
   Stellen Sie sich nun einen sehr effizienten Manager vor, der eine kleine Gruppe von Menschen in ein enges Team organisieren kann. Dieser Manager ist sehr klug und benötigt sehr wenig Platz. Wenn das Rauschen jedoch zu laut wird (zu viele Steine geworfen werden), wird dieser Manager überfordert, und das gesamte Team bricht zusammen.

Die große Idee des Artikels:
Die Autoren haben beschlossen, diese beiden zu kombinieren. Sie nutzten den Surface-Code als „Fundament" (die untere Schicht), da er robust ist und gut mit Rauschen umgehen kann. Darauf stapelten sie den Quanten-Hamming-Code, um die Informationen effizient zu organisieren.

Sie nennen dieses neue hybride System einen Surface-Hamming-Code.

Wie das hybride System funktioniert

Stellen Sie es sich wie eine Staffel mit zwei Läufern vor:

• Läufer 1 (Der Surface-Code): Zuerst trifft das verrauschte Datenmaterial auf den Surface-Code. Dieser Läufer ist stark und fängt die größten, offensichtlichsten Fehler ab. Er räumt das Durcheinander auf und gibt das „Stäbchen" (die korrigierten Informationen) an den nächsten Läufer weiter.
• Läufer 2 (Der Hamming-Code): Der Hamming-Code nimmt diese saubereren Informationen und organisiert sie. Da der Surface-Code die schwere Arbeit erledigt hat, muss der Hamming-Code nicht so hart arbeiten. Er kann sich nun darauf konzentrieren, super effizient zu sein und sehr wenig Platz zu beanspruchen.

Was haben sie herausgefunden?

Die Forscher führten Tausende von Computersimulationen durch (wie das wiederholte Durchspielen der Staffel in einem Videospiel), um zu sehen, wie gut dieses Team performte.

1. Höhere Toleranz: Durch die Verwendung des Surface-Codes als Basis kann das gesamte System viel mehr Rauschen verkraften als der Hamming-Code allein. Es ist, als würde man dem effizienten Manager einen Bodyguard geben; nun kann er in einer viel lauteren Umgebung arbeiten.
2. Besser im Stoppen von Fehlern: Als sie dieses hybride System mit der alleinigen Verwendung eines riesigen Surface-Codes (die Nachbarschaftswache allein) verglichen, entdeckten sie etwas Überraschendes. Für eine mittelgroße Burg (ein „Quantenspeicher" mittlerer Größe) machte das hybride Team weniger Fehler als die riesige Nachbarschaftswache, obwohl sie ungefähr die gleiche Menge an Baumaterial (Ressourcen) verwendeten.
3. Der „Sweet Spot": Das hybride System glänzt am besten, wenn man etwas von mittlerer Größe baut. Es ist nicht unbedingt das Beste für die winzigsten oder absolut größten theoretischen Grenzen, die es bisher gibt, aber es ist perfekt für die „nahen Zukunftsexperimente", die Wissenschaftler planen.

Der Haken (Das „Aber...")

Der Artikel weist einige wichtige Details darauf hin:

• Korrelierte Fehler: Manchmal führt das Brechen eines Glasstücks zu einer Kettenreaktion, die seine Nachbarn ebenfalls zerbricht. Die Forscher stellten fest, dass ihr neues System diese „Kettenreaktionen" sehr gut bewältigt, was ein großer Vorteil ist.
• Die „perfekte" Annahme: Ihre Simulation ging davon aus, dass die Sicherheitswachen selbst (die Messwerkzeuge) niemals Fehler machen. In der realen Welt könnten die Wachen müde oder verwirrt werden. Der Artikel räumt ein, dass, wenn die Wachen Fehler machen, das System vielleicht nicht ganz so perfekt ist wie die Simulation nahelegt, es bleibt jedoch ein sehr starker Kandidat für den Bau echter Quantencomputer in naher Zukunft.

Zusammenfassung

Kurz gesagt bauten die Autoren einen Quantenspeicher, der wie ein robustes Fundament mit einem effizienten Dach ist. Diese Kombination ermöglicht es ihnen, Quanteninformationen mit weniger Fehlern und weniger verschwendetem Platz zu speichern als bei der Verwendung nur des robusten Fundaments allein, insbesondere für die Größe von Computern, die wir in naher Zukunft zu bauen hoffen. Es ist ein vielversprechender neuer Weg, unsere zerbrechlichen Quantenglasburgen hoch und stabil zu halten.

Technische Zusammenfassung

Technische Zusammenfassung: Quantenspeicher auf Basis der Verkettung von Oberflächencodes und Quanten-Hamming-Codes

Problemstellung
Die Realisierung einer fehlertoleranten Quantenberechnung im großen Maßstab erfordert Quantenfehlerkorrekturcodes (QECCs), die einen hohen Fehlerschwellenwert, einen geringen Ressourcenbedarf und effiziente Dekodieralgorithmen in Einklang bringen. Während Oberflächencodes hohe Schwellenwerte und lokale Gatteranforderungen bieten, leiden sie unter einem erheblichen Ressourcenbedarf und erfordern komplexe Dekodierung. Im Gegensatz dazu versprechen Quanten-Low-Density-Parity-Check (LDPC)-Codes einen konstanten Platzbedarf, benötigen jedoch typischerweise nicht-lokale Gatter, die für viele physikalische Plattformen herausfordernd sind. Verkettete Quanten-Hamming-Codes wurden als Kandidat vorgeschlagen, der einen konstanten asymptotischen Platzbedarf und eine effiziente Dekodierung bietet; frühere Analysen gingen jedoch oft von unabhängigen Fehlern auf jeder Verkettungsebene aus. In der Realität kann die Korrektur von Fehlern auf niedrigeren Ebenen korrelierte Fehler auf höheren Ebenen induzieren, was eine vollständige Simulation des Dekodierprozesses erfordert, um Schwellenwerte und Ressourcenbedarf genau zu schätzen.

Methodik
Die Autoren schlagen eine Multi-Qubit-Quantenspeicherarchitektur vor, die als „Oberflächen-Hamming-Codes" bezeichnet wird und numerisch simuliert wurde. Diese Architektur verkettet Oberflächencodes (auf der untersten Ebene) mit Quanten-Hamming-Codes (auf höheren Ebenen).

• Architektur: Das Schema nutzt eine mehrstufige Verkettungsstruktur. Beim Standard-Verketteten Quanten-Hamming-Code sind Level-0-Register physikalische Qubits. Beim vorgeschlagenen Oberflächen-Hamming-Variant sind Level-0-Register durch Blöcke von Oberflächencodes (mit Codedistanz $d$) ersetzt. Höhere Ebenen ($l \geq 1$) nutzen Quanten-Hamming-Codes $[[2^{l+3}-1, 2^{l+3}-2(l+3)-1, 3]]$.
• Fehlermodell: Die Simulation geht davon aus, dass Bit-Flip- und Phase-Flip-Fehler unabhängig auf physikalischen Daten-Qubits mit der Wahrscheinlichkeit $p$ auftreten. Syndromextraktions- und Messschaltungen werden als fehlerfrei angenommen, um die intrinsischen Eigenschaften der Codes zu isolieren.
• Dekodieralgorithmus: Es wird eine rekursive, bottom-up-Dekodierungsstrategie angewendet.
  1. Ebene 0: Oberflächencode-Blöcke werden mit dem Minimum-Weight Perfect Matching (MWPM)-Algorithmus dekodiert.
  2. Höhere Ebenen: Der Output der Oberflächencodes (rauschbehaftete logische Qubits) dient als Eingabe für die verketteten Quanten-Hamming-Codes. Diese werden mit einem rekursiven Hamming-Code-Dekodierer dekodiert, der Syndrome berechnet und Korrekturoperatoren basierend auf dem Syndromwert $N$ anwendet.
• Analyse korrelierter Fehler: Im Gegensatz zu früheren iterativen Ansätzen, die logische Fehler als unabhängige Eingaben für die nächste Ebene behandeln, führt diese Studie eine vollständige Monte-Carlo-Simulation des gesamten Dekodierprozesses durch. Dies ermöglicht die Verfolgung korrelierter logischer Fehler, bei denen ein einzelner Korrekturfehler mehrere logische Qubits gleichzeitig beeinflussen kann. Die Autoren verifizieren die „lokal abklingende" Natur dieser Fehler, eine Bedingung, die für die Existenz eines Fehlerschwellenwerts erforderlich ist.

Hauptbeiträge und Ergebnisse

1. Existenz eines Fehlerschwellenwerts für verkettete Hamming-Codes:
   Durch umfassende numerische Simulation unter Berücksichtigung korrelierter Fehler bestätigen die Autoren die Existenz eines Fehlerschwellenwerts für verkettete Quanten-Hamming-Codes. Für Codes, die bis zur Ebene 3 verkettet sind, wird der Schwellenwert auf etwa $p_{th} \approx 1,5\%$ geschätzt. Dieses Ergebnis gilt auch dann, wenn logische Fehler auf einer Ebene korreliert sind, sofern die Fehler lokal abklingen.

2. Erhöhter Schwellenwert durch Oberflächen-Hamming-Verkettung:
   Durch den Ersatz der physikalischen Qubits auf Ebene 0 durch Oberflächencodes wird der Fehlerschwellenwert signifikant erhöht. Der Schwellenwert skaliert mit der Größe des zugrunde liegenden Oberflächencodes ($d$):

   • $d=3$: Schwellenwert $\approx 1,3\%$
   • $d=5$: Schwellenwert $\approx 3,4\%$
   • $d=21$: Schwellenwert $> 6,5\%$
     Die Autoren beobachten, dass mit zunehmender Größe des Oberflächencodes der Schwellenwert dem des Oberflächencodes selbst annähert.

3. Überlegene Unterdrückung logischer Fehler bei mittleren Skalen:
   Beim Vergleich von Oberflächen-Hamming-Codes mit eigenständigen Oberflächencodes bei vergleichbarem Ressourcenbedarf (Anzahl physikalischer Qubits) zeigt das verkettete Schema eine überlegene Leistung bei der Unterdrückung logischer Fehler.

   • Bei einer physikalischen Fehlerrate von $p \approx 1\%$ erreicht der Oberflächen-Hamming-Code (unter Verwendung von $d=3$ Oberflächencodes, verkettet bis Ebene 1) eine logische Fehlerrate, die etwa eine Größenordnung niedriger ist als bei einem eigenständigen Oberflächencode mit $d=4$.
   • Ein Oberflächen-Hamming-Code unter Verwendung von $d=3$ Oberflächencodes, verkettet bis Ebene 2, übertrifft einen eigenständigen Oberflächencode mit $d=7$, während er etwa die Hälfte des Ressourcenbedarfs benötigt (41 gegenüber 85 physikalischen Qubits pro logischem Qubit).
   • Dieser Vorteil ist bei mittleren Skalen (z. B. Kodierung von zehn bis mehreren hundert logischen Qubits) am ausgeprägtesten und nicht im asymptotischen Limit.

4. Analyse der Dekodierzeit:
   Die Studie schätzt die Dekodierzeiten sowohl auf CPUs als auch auf GPUs. Während die rekursive Natur des Hamming-Dekodierers zu einer exponentiellen Zeitkomplexität auf einer CPU ohne Parallelisierung führt, wird dies durch parallele Ausführung auf einer GPU erheblich gemildert. Die Autoren stellen fest, dass für Verkettungsebenen kleiner als 4 der verkettete Quanten-Hamming-Code trotz theoretischer Skalierungsunterschiede aufgrund kleinerer Koeffizienten im exponentiellen Term auf CPU-Hardware einen rechnerischen Vorteil gegenüber Oberflächencodes aufweist, die über MWPM dekodiert werden.

Bedeutung und Behauptungen
Die Arbeit behauptet, dass die Verkettung von Oberflächencodes mit Quanten-Hamming-Codes einen vielversprechenden Weg zur Demonstration von fehlertoleranten Quantenschaltungen im kleinen Maßstab in naher Zukunft bietet. Die Architektur bietet einen hohen Fehlerschwellenwert, einen geringen Ressourcenbedarf und eine effiziente Dekodierung, was sie zu einem wettbewerbsfähigen Kandidaten für fehlertolerante Quantenberechnungen macht.

Die Autoren stellen ausdrücklich fest, dass ihre Studie sich auf die intrinsischen Eigenschaften der Codes unter der Annahme einer perfekten Syndromextraktion konzentriert. Sie erkennen an, dass Quanten-Hamming-Codes keine LDPC-Codes sind und möglicherweise tiefe Syndromextraktionsschaltungen erfordern, was Messfehler einführen könnte, die den Schwellenwert verringern. Unter Bezugnahme auf frühere Arbeiten schlagen sie jedoch vor, dass dies die Vorteile nicht aufheben muss. Die Arbeit schließt damit, dass, obwohl die Vorteile für Speicher mittlerer Skalen klar sind, das Fortbestehen dieser Vorteile unter realistischen Fehlermodellen (einschließlich Syndromextraktionsfehlern) ein offenes Problem für zukünftige Untersuchungen bleibt.