The Rotation Gap Is Not An Error: Ternary Structure in IBM Quantum Hardware

Die Studie widerlegt die Annahme, dass alle Syndromaktivierungen Fehler darstellen, und zeigt, dass IBM-Quantenhardware sub-Poisson-Statistiken aufweist, die auf strukturierte ternäre Übergänge hindeuten, welche durch einen neuen Klassifikator-Decoder identifiziert und nicht korrigiert werden sollten, um die logische Fehlerrate zu senken, während Standard-Decodierer diese fälschlicherweise als Fehler behandeln und die Quanteninformation zerstören.

Das Wesentliche

Das große Missverständnis: Wenn das "Reparieren" das Problem ist

Stellen Sie sich vor, Sie sind ein Hausmeister in einem riesigen, sehr empfindlichen Haus (dem Quantencomputer). Ihre Aufgabe ist es, sofort zu reagieren, wenn ein Licht angeht oder ein Alarm piept. Das ist die Standard-Logik beim Quanten-Computing: Jeder Alarm ist ein Fehler, der sofort behoben werden muss.

Die neue Studie sagt jedoch: Stopp! Manchmal ist der Alarm gar kein Fehler.

Die Forscher haben herausgefunden, dass bei bestimmten Quantencomputern (denen von IBM) ein Teil der Alarme gar keine Störungen sind, sondern eine Art geplante, koordinierte Bewegung des Hauses. Wenn der Hausmeister diese Alarme ignoriert und nichts tut, bleibt das Haus intakt. Wenn er aber versucht, diese "falschen" Alarme zu reparieren, zerstört er eigentlich etwas, das in Ordnung war.

Die drei wichtigsten Entdeckungen

1. Der "Zu-selten"-Effekt (Sub-Poissonische Statistik)

Normalerweise erwarten wir, dass Fehler in einem Computer zufällig wie Regentropfen auf ein Dach fallen: mal mehr, mal weniger, aber völlig unvorhersehbar.
Die Studie zeigt aber, dass die Fehler bei IBM-Computern nicht zufällig sind. Sie treten seltener auf als erwartet und halten sich gegenseitig Abstand.

• Die Analogie: Stellen Sie sich eine Party vor. Bei einer normalen Party (Zufallsfehler) drängen sich die Leute wild durcheinander. Bei der IBM-Party (der neue Befund) halten sich die Gäste bewusst Abstand, als würden sie tanzen und aufeinander achten. Sie "drängen" sich nicht. Das ist ein Zeichen dafür, dass die Gäste (die Fehler) nicht zufällig sind, sondern eine Art Tanz machen.

2. Der Unterschied zwischen IBM und Google

Um sicherzugehen, dass dies kein Messfehler ist, haben die Forscher einen Vergleich mit einem anderen Quantencomputer von Google (dem "Willow"-Modell) gemacht.

• Google (Willow): Hier verhalten sich die Fehler wie bei einer normalen, chaotischen Party. Alles drängt sich, Fehler häufen sich. Das ist das, was man bisher erwartet hat.
• IBM (Eagle): Hier ist der "Tanz" zu sehen. Die Fehler halten Abstand.
  Das beweist: Es liegt nicht am Computer-Code selbst, sondern an der Architektur (dem Bauplan) des IBM-Chips. Der IBM-Chip hat eine spezielle Form (ein sechseckiges Muster), die diesen "Tanz" ermöglicht.

3. Die neue Lösung: "Gezieltes Nichtstun"

Bisher haben Computerprogramme (Decoder) versucht, jeden Alarm sofort zu löschen. Das funktionierte gut bei Google, aber bei IBM hat es das Gegenteil bewirkt: Es hat die "Tänzer" gestört und echte Fehler erzeugt.

Die Lösung ist ein neuer Algorithmus, der wie ein kluger Hausmeister funktioniert:

1. Er hört den Alarm.
2. Er schaut sich die Umgebung an: "Ist das ein wilder Sturm (ein echter Fehler) oder ein geplanter Tanzschritt (eine ternäre Transition)?"
3. Wenn es ein Tanzschritt ist, tut er nichts. Er repariert nicht.
4. Wenn es ein echter Sturm ist, repariert er sofort.

Das Ergebnis: Durch das bewusste Nicht-Reparieren von bestimmten Signalen verbessert sich die Leistung des Computers um 7 bis 19 %. Weniger Eingreifen führt zu besseren Ergebnissen.

Warum ist das so wichtig?

Die Studie stellt eine alte Regel der Physik auf den Kopf: "Mehr Korrektur ist immer besser."
Die neue Regel lautet: "Wenn das System kooperativ ist, kann weniger Korrektur besser sein."

Es ist, als würde ein Dirigent ein Orchester leiten. Wenn die Musiker (die Qubits) plötzlich eine komplexe, koordinierte Bewegung machen, die wie ein Fehler aussieht, aber eigentlich Teil des Stücks ist, würde ein dummer Dirigent (der alte Algorithmus) die Musiker stoppen und das Stück ruinieren. Ein kluger Dirigent (der neue "Regime Classifier") erkennt die Struktur, lässt die Musiker spielen und verhindert so, dass das Orchester aus dem Takt gerät.

Fazit für den Alltag

Die Forscher haben bewiesen, dass Quantencomputer manchmal nicht nur "kaputt" sind, sondern eine eigene, verborgene Ordnung haben, die wir bisher übersehen haben. Indem wir lernen, diese Ordnung zu erkennen und sie nicht zu "zerstören", indem wir sie reparieren wollen, können wir diese Computer deutlich leistungsfähiger machen – ohne neue Hardware zu bauen, sondern nur durch eine klügere Software.

Kurz gesagt: Manchmal ist das Beste, was man tun kann, wenn etwas piept, einfach zuzuhören und nichts zu tun.

Technische Zusammenfassung

Titel: The Rotation Gap Is Not An Error: Ternary Structure in IBM Quantum Hardware
Autor: Selina Stenberg (Independent Researcher)
Datum: März 2026 (veröffentlicht im April 2026)

1. Problemstellung und Hintergrund

Die konventionelle Theorie der Quantenfehlerkorrektur (QEC) basiert auf der fundamentalen Annahme, dass alle Syndrom-Aktivierungen (Fehlerindikatoren) zufällige Rauschereignisse sind, die korrigiert werden müssen. Das Ziel ist es, Fehler schneller zu identifizieren und zu reversieren, als sie auftreten.

Dieses Paper stellt diese Annahme in Frage. Es wird argumentiert, dass ein Teil der Syndrom-Ereignisse auf IBM-Quantenprozessoren nicht zufälliges Rauschen, sondern strukturierte, kooperative Übergänge darstellt, die auf einer ternären (dreistufigen) Freiheitsgrad-Struktur beruhen. Wenn Standard-Decoder diese validen ternären Zustände fälschlicherweise als binäre Fehler behandeln und korrigieren, führen sie unbeabsichtigt neue Fehler ein, die sonst nicht existiert hätten. Dies wird als "Rotation Gap" bezeichnet, der fälschlicherweise als Fehler interpretiert wird.

2. Methodik und Datenbasis

Datensätze:

• IBM Eagle r3 Prozessoren: Analyse von 756 QEC-Läufen auf drei Prozessoren (ibm brisbane, ibm kyoto, ibm osaka) über 14 Tage.
• Google Willow: Ein Kontroll-Experiment mit 420 Läufen auf dem 105-Qubit-Willow-Prozessor (Grid-Topologie), um zu prüfen, ob die Effekte hardware- oder codetypisch sind.
• Direkte Hardware-Validierung: Ein spezifischer hexagonaler Syndrom-Schaltkreis auf ibm strasbourg (Eagle r3), um die Vorhersagen unabhängig zu testen.

Analyseverfahren:

• Statistische Kennzahlen: Berechnung des Fano-Faktors ($F = \text{Var}(n)/\langle n \rangle$) zur Unterscheidung zwischen Poisson-Verteilung (unabhängige Fehler, $F=1$), sub-Poisson-Verteilung ($F<1$, regulierte Prozesse) und super-Poisson-Verteilung ($F>1$, gebündelte Fehler).
• Skalierungsanalyse: Untersuchung der Burst-Skalierung (Anzahl gleichzeitiger Syndrom-Aktivierungen) in Abhängigkeit vom Code-Abstand ($d$).
• Entwicklung eines Klassifizierers: Einführung eines "Regime Classifier Decoders", der Syndrom-Knoten vor der Korrektur klassifiziert.
• Vergleich: Gegenüberstellung der logischen Fehlerraten (LER) zwischen einem Standard-Majority-Vote-Decoder und dem neuen Klassifizierer auf einem gemischten Fehlermodell, das an die IBM-Hardware-Daten kalibriert ist.

3. Schlüsselbeiträge und Ergebnisse

A. Nachweis sub-Poisson-Statistiken auf IBM-Hardware

Die Analyse der 756 Runs ergab einen durchschnittlichen Fano-Faktor von $F = 0.856 \pm 0.03$.

• Dies ist signifikant sub-Poissonisch ($t = -131$ gegen Poisson-Erwartung).
• Unabhängigkeit vom Code-Abstand: Der Faktor bleibt über $d=3, 5, 7$ konstant (ANOVA $p=0.79$), was darauf hindeutet, dass die Struktur auf physikalischer Ebene entsteht und nicht durch den Decoder verursacht wird.
• Lineare Burst-Skalierung: Die Häufigkeit von Fehl-Bursts skaliert linear mit dem Code-Abstand ($R^2 = 0.9999$), nicht quadratisch wie bei unabhängigen Poisson-Fehlern. Dies deutet darauf hin, dass Fehler an den Rändern (Perimeter) und nicht im Volumen auftreten.

B. Der "Regime Classifier Decoder"

Der vorgeschlagene Decoder klassifiziert jedes markierte Syndrom-Knoten-Element basierend auf fünf strukturellen Merkmalen:

1. Isolation: Sind Nachbarn ruhig? (Hinweis auf anti-bunching/ternäre Struktur).
2. Randstatus: Befindet sich der Knoten am Rand (weniger Nachbarn)?
3. Dichte-Kontrast: Starkes Signal bei schwachen Nachbarn.
4. Chiralität: Nicht-Null-Chiralität deutet auf ternäre Freiheitsgrade hin.
5. Zeitliche Konsistenz: Persistenz über mehrere Runden.

Strategie: Knoten, die als ternäre Übergänge (T75) klassifiziert werden, werden nicht korrigiert (selektive Enthaltung). Nur als binäre Fehler (B31) identifizierte Knoten werden korrigiert.

Ergebnisse der Simulation:

• Auf einem an IBM-Daten kalibrierten Modell reduzierte der Klassifizierer die logische Fehlerrate um 7–19% bei statischer Detektionstiefe ($\tau=1$).
• Der Mechanismus ist die Vermeidung von Fehlkorrekturen: Der Standard-Decoder korrigiert ca. 14,4% der Syndrom-Ereignisse fälschlicherweise (da es sich um gültige ternäre Zustände handelt). Der Klassifizierer identifiziert 75–98% dieser ternären Übergänge korrekt und lässt sie unangetastet.
• Die Verbesserung ist bei $\tau=1$ (reale Qubits) stärker als bei $\tau=5$, da bei $\tau=1$ jede Fehlkorrektur sofort wirkt, während bei $\tau=5$ der Standard-Decoder durch zeitliche Mittelung teilweise selbst korrigieren kann.

C. Cross-Platform Validierung (Google Willow)

Als Gegenbeweis wurden Daten von Googles Willow-Prozessor analysiert:

• Super-Poisson-Statistik: $F = 2.42$ (gebündelte Fehler).
• Super-lineare Burst-Skalierung: Fehler füllen das Volumen, nicht nur den Rand.
• Kein Effekt des Klassifizierers: Der Regime Classifier zeigte auf Willow keine Verbesserung der logischen Fehlerrate (Effekt $\approx 0\%$).
• Schlussfolgerung: Der sub-Poisson-Effekt ist spezifisch für die IBM Heavy-Hex-Architektur (und die P-Gate-Asymmetrie), nicht für Surface-Codes im Allgemeinen.

D. Physikalische Interpretation und "Merkabit"-Rahmen

Das Paper verknüpft die Beobachtungen mit dem "Merkabit"-Framework:

• Die Heavy-Hex-Topologie von IBM erlaubt eine Einbettung in ein Eisenstein-Gitter, das eine $Z_3$-Chiralitätsstruktur (ternär) erzeugt.
• Randknoten mit reduzierter Koordinationszahl (weniger als 6 Nachbarn) sind weniger eingeschränkt und können diese ternären Zustände ausdrücken.
• Der Fano-Faktor $F$ wird hier nicht nur als statistisches Maß, sondern als strukturelle Konstante interpretiert: $f = 1 - F \approx 14,4\%$ repräsentiert den Anteil der ternären Übergänge.
• Im Anhang wird eine Verbindung zur starken Kopplungskonstante $\alpha_s$ hergestellt ($\alpha_s \approx F/7 \approx 5/42$), was die tiefere geometrische Natur der Hardware-Fehlerstruktur suggeriert.

4. Bedeutung und Implikationen

1. Paradigmenwechsel in der QEC: Die Arbeit zeigt, dass "weniger Korrektur" unter bestimmten Bedingungen zu "besserer Leistung" führt. Wenn die Hardware kooperative Struktur aufweist, zerstört das Korrigieren aller Syndrom-Aktivierungen gültige Quanteninformation.
2. Praktische Anwendbarkeit: Der Ansatz erfordert keine Hardware-Änderungen. Ein einfacher Klassifizierungsschritt vor der Korrektur kann die Fehlerrate signifikant senken, sofern die Hardware sub-Poisson-Statistiken aufweist.
3. Validierung eines neuen Modells: Die Ergebnisse stützen die Hypothese, dass ein Teil dessen, was als Rauschen interpretiert wird, eigentlich ein Signal in einer nicht gemessenen Basis (ternär statt binär) ist.
4. Vorhersagekraft: Die Vorhersage, dass Standard-Surface-Codes ohne P-Gate-Asymmetrie (wie bei Google Willow) diesen Effekt nicht zeigen, wurde durch die Daten bestätigt. Dies dient als prospektive Validierung des theoretischen Rahmens.

Fazit: Das Paper liefert starke empirische Belege dafür, dass IBM-Quantenhardware eine intrinsische, kooperative Fehlerstruktur besitzt, die von Standard-Decodern missverstanden wird. Durch die Einführung eines Regime-Classifiers, der zwischen binären Fehlern und ternären Übergängen unterscheidet, können logische Fehlerraten signifikant gesenkt werden, indem Fehlkorrekturen vermieden werden.