Compilation Pipeline for Predicting Algorithmic Break-Even in an Early-Fault-Tolerant Surface Code Architecture
Diese Arbeit präsentiert eine Kompilierungspipeline zur Abbildung logischer Algorithmen auf physische Surface-Code-Schaltkreise mittels Lattice-Surgery und demonstriert durch klassische Simulation, dass ein algorithmischer Break-even für QAOA und QPE mit Hardware der nahen Zukunft erreicht werden kann, die etwa 1.700 bis 2.500 physische Qubits bei Fehlerraten zwischen und aufweist.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Quantencomputer versprechen, Probleme zu lösen, die selbst für die leistungsstärksten Supercomputer derzeit unmöglich sind – von der Entwicklung neuer Medikamente bis hin zur Optimierung komplexer globaler Systeme. Die empfindlichen Teilchen, die Informationen in diesen Maschinen tragen, sind jedoch äußerst fragil. Eine winzige Vibration oder eine streuende elektromagnetische Welle können die Daten korrumpieren und dazu führen, dass die Berechnung fehlschlägt. Um dies zu überwinden, nutzen Wissenschaftler eine Methode namens Quantenfehlerkorrektur, bei der Informationen über viele physikalische Teilchen verteilt werden, sodass, wenn eines ausfällt, die anderen einspringen können, um den Tag zu retten. Einer der vielversprechendsten Wege, dies zu tun, ist die Verwendung einer gitterartigen Struktur, die als Surface Code bekannt ist, bei dem Qubits in einem zweidimensionalen Muster angeordnet sind und ständig gegen ihre Nachbarn überprüft werden. Jahrelang wussten Forscher, dass sie, wenn sie eine ausreichend große Maschine mit ausreichend hoher Qualität bauen könnten, diese Fehlerkorrektur-Codes den Computer letztlich zuverlässiger machen würden als die reine Hardware selbst. Dieser Wendepunkt, an dem das Korrektursystem das Ergebnis tatsächlich verbessert, anstatt nur zusätzlichen Aufwand zu verursachen, ist als algorithmischer Break-Even bekannt.
Bis jetzt war es schwierig, genau zu bestimmen, wann dieser Break-Even eintreten würde, da die Werkzeuge, die zur Konstruktion dieser Computer verwendet wurden, für eine ferne Zukunft gebaut wurden, in der Raum und Ressourcen unbegrenzt vorhanden sind. Diese älteren Designs gingen davon aus, dass es riesige, separate Fabriken geben würde, die ausschließlich der Erzeugung der speziellen Zustände gewidmet sind, die für Berechnungen benötigt werden, wobei die Realität ignoriert wurde, dass frühe Maschinen eng begrenzt sein werden und jeden verfügbaren Zentimeter effizient nutzen müssen. Eine neue Studie von Forschern bei JPMorgan Chase adresselt diese Lücke, indem sie eine vollständige End-to-End-Software-Pipeline erstellt, die einen Quantenalgorithmus direkt in die physischen Anweisungen übersetzt, die für eine realistische, frühe Maschine benötigt werden. Anstatt unbegrenzten Platz vorauszusetzen, behandelt ihr System den Computer als einen engen, geteilten Arbeitsraum, in dem Daten, Fehlerprüfung und die Vorbereitung spezieller Zustände alle effizient zusammenpassen müssen.
Die Forscher bauten diese Pipeline, um zwei spezifische Arten von Quantenalgorithmen zu kompilieren: einen, der zur Schätzung von Werten in komplexen Simulationen verwendet wird, und einen anderen, der darauf ausgelegt ist, schwierige Optimierungsrätsel zu lösen. Sie speisten diese Algorithmen in ihr System ein, welches sie dann in die kleinstmöglichen Schritte zerlegte, die vom Surface Code erfordert werden. Eine Schlüsselinnovation in ihrer Arbeit war die Handhabung der „Magic States“ – spezielle, hochwertige Quantenzustände, die für bestimmte Berechnungen erforderlich sind, die nicht direkt durchgeführt werden können. Frühere Methoden gingen davon aus, dass diese Zustände in großen, separaten Fabriken hergestellt und dann dorthin verschickt werden müssten, wo sie benötigt werden, ein Prozess, der Zeit und Platz verschwendete. Die neue Pipeline nutzt eine Technik namens „Cultivation“ (Kultivierung), bei der diese Zustände gezüchtet und direkt in den Berechnungsbereich injiziert werden, während sie benötigt werden, wodurch das langwierige Versenden entfällt und wertvoller Platz gespart wird.
Um zu sehen, ob dieser Ansatz tatsächlich funktionierte, führte das Team massive klassische Simulationen der physischen Schaltkreise durch, die ihre Pipeline produzierte. Sie testeten, wie diese Schaltkreise unter verschiedenen Bedingungen performen würden, insbesondere indem sie die Anzahl der physikalischen Qubits und die Fehlerrate der Hardware variierten. Die Simulationen zeigten, dass ein System für eine fünf-Qubit-Version des Optimierungsalgorithmus den Break-Even-Punkt mit 2.517 physikalischen Qubits erreicht, wenn die Hardware-Fehlerrate eins zu tausend beträgt. Wenn die Hardware etwas besser ist, mit einer Fehlerrate von fünf zu zehntausend, sinkt der Break-Even-Punkt auf nur 1.737 physikalische Qubits. Diese Zahlen repräsentieren den exakten Moment, in dem die fehlerkorrigierte Version des Algorithmus besser abschneidet als das Ausführen desselben Algorithmus auf einer Maschine ohne jegliche Fehlerkorrektur.
Die Studie untersuchte auch den Phase-Estimation-Algorithmus, ein gängiges Werkzeug in vielen Quantenanwendungen, und fand ähnliche Ergebnisse. In diesen Simulationen übertraf die fehlerkorrigierte Version des Algorithmus die unkorrigierte Version, sobald die Maschine eine bestimmte Größe und Qualitätsschwelle erreichte. Die Forscher fanden heraus, dass sie, indem sie die Abwägungen zwischen der Anzahl der Qubits, der Code-Distanz (die bestimmt, wie viele Fehler das System abfangen kann) und der Qualität der Hardware sorgfältig steuerten, den genauen Anforderungen für den Erfolg bestimmen konnten. Ihre Arbeit zeigt, dass das Erreichen eines nützlichen, fehlerkorrigierten Quantencomputers nicht das Warten auf eine Maschine mit Millionen von Qubits erfordert; stattdessen ist es mit einigen tausend möglich, vorausgesetzt, die Software ist so konzipiert, dass sie innerhalb der strengen physikalischen Grenzen früher Maschinen arbeitet.
Diese Forschung stellt die lang gehegte Annahme in Frage, dass wir erst auf eine zukünftige Ära mit reichlich vorhandenen Ressourcen warten müssen, bevor die Quantenfehlerkorrektur praktikabel wird. Indem sie den gesamten Prozess von einem High-Level-Algorithmus bis hin zu den physischen Bewegungen einzelner Qubits simulierten, zeigten die Forscher, dass der Weg zu einem funktionierenden, fehlertoleranten Quantencomputer kürzer ist als bisher angenommen. Sie haben in dieser Studie keine physische Maschine gebaut; stattdessen nutzten sie fortschrittliche Computersimulationen, um zu modellieren, wie sich eine echte Maschine verhalten würde. Die Ergebnisse legen nahe, dass mit den richtigen Kompilierungsstrategien die nächste Generation von Quantengeräten, die derzeit mit Hunderten von Qubits gebaut werden, bald auf die Tausende skaliert werden kann, die nötig sind, um die Schwelle zur nützlichen, fehlerkorrigierten Berechnung zu überschreiten. Die Arbeit bietet eine klare Roadmap für Ingenieure und Wissenschaftler und zeigt genau auf, welche Hardware-Spezifikationen erforderlich sind, um die ersten wirklich zuverlässigen Quantenalgorithmen zur Realität werden zu lassen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.