Error correction on an array of superconducting qubits with defective components
Diese Arbeit zeigt, dass der Ausschluss unterperformender Komponenten aus einem 120-Qubit-Supraleiter-Array die logischen Fehlerraten in Distanz-5-Oberflächencodes signifikant reduziert und damit beweist, dass Defektausschluss eine effektivere Strategie für die Skalierung der Festkörper-Quantenkomplexität ist als das Ignorieren von Defekten oder die Verwendung von defektbewusstem Dekodieren.
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
Stellen Sie sich vor, Sie versuchen, ein massives, kompliziertes Schloss aus 120 winzigen, leuchtenden LEGO-Steinen zu bauen. Diese Steine sind supraleitende Qubits, die Bausteine eines Quantencomputers. In einer perfekten Welt wäre jeder einzelne Stein identisch, stark und würde reibungslos mit den anderen zusammenarbeiten. Aber in der realen Welt ist die Fertigung nicht perfekt. Einige Steine sind leicht rissig, manche Klebestellen sind schwach und ein paar Steine lassen sich einfach nicht richtig einrasten. Dies sind die „defekten Komponenten“.
Die große Frage, die sich die Autoren stellten, war: Wenn man ein Schloss mit ein paar schlechten Steinen hat, wie verhindert man, dass das gesamte Bauwerk zusammenbricht, wenn man eine komplexe Berechnung durchführt?
Die zwei Hauptstrategien
Die Forscher testeten zwei verschiedene Wege, um mit diesen schlechten Steinen auf ihrem 120-Stein-Prozessor „IBM Nighthawk“ umzugehen.
Strategie 1: Der „Ignorieren und Hoffen“-Ansatz (Der alte Weg)
Das ist so, als würde man seinen rissigen LEGO-Stein betrachten und sagen: „Er ist wahrscheinlich okay“, und dann trotzdem versuchen, seinen Turm darum herum zu bauen. Man sagt dem Gehirn des Computers (dem Decoder), dass der Stein ein wenig wackelig ist, nutzt ihn aber trotzdem weiter. Die Arbeit zeigt, dass dieser Ansatz schwach ist. Als sie diesen Ansatz verwendeten, brach das Schloss (ein logischer Fehler trat auf) etwa 4,49 % der Zeit in ihrem Gedächtnistest zusammen. Es ist, als würde man versuchen, über ein Seil zu balancieren, während man einen lockeren Schuh trägt; man kommt vielleicht durch, aber die Wahrscheinlichkeit zu stolpern ist groß.
Strategie 2: Der „Quarantäne und Wiederaufbau“-Ansatz (Der neue Weg)
Dies ist der Hauptfund der Forscher. Anstatt die schlechten Steine zu ignorieren, schließen sie diese aktiv aus. Wenn ein Stein zu rissig oder die Klebekraft zu schwach ist, wird er komplett aus dem Plan gestrichen. Sie ordnen dann die verbleibenden guten Steine neu an, um eine neue, leicht veränderte Form zu bilden, die das Schloss dennoch zusammenhält. Sie nennen diese neuen, größeren Strukturen „Super-Stabilisatoren“. Es ist, als würde man einen kaputten Abschnitt einer Brücke entfernen, die schlechten Bretter herausnehmen und einen Umweg um sie herum bauen, indem man nur die starken Bretter verwendet, die man noch übrig hat.
Die Ergebnisse: Eine dramatische Rettung
Als sie zum „Quarantäne und Wiederaufbau“-Ansatz wechselten, waren die Ergebnisse dramatisch.
- Der Gedächtnistest: In einem Test, bei dem der Computer eine Information speichern musste (ein „Gedächtnisexperiment“), sank die Fehlerrate von 4,49 % auf 1,62 %. Das ist eine Verbesserung um das 2,8-fache!
- Der Logikgatter-Test: Sie testeten auch „messbasierte Logikgatter“, was so ähnlich ist, als würde man einen Zaubertrick mit den Steinen vorführen. Ohne das Entfernen der schlechten Teile schlug der Trick jedes Mal fehl, wenn die Anzahl der Schritte zunahm (die Fehlerrate ging nicht nach unten). Doch als sie die defekten Komponenten ausschlossen, sank die Fehlerrate um 6,3 % pro Runde. Der Trick funktionierte plötzlich wieder!
Was ist mit dem „Smart Decoder“?
Die Arbeit argumentiert explizit gegen die Idee, dass es ausreicht, dem Gehirn des Computers lediglich zu sagen: „Hey, dieser Stein ist schlecht“. Sie testeten einen „rauschinformierten Decoder“, der genau weiß, welche Steine wackelig sind, aber dennoch versucht, sie zu verwenden.
- Das Urteil: Dies brachte nur eine winzige, bescheidene Verbesserung (eine Senkung des Fehlers von 4,49 % auf 4,22 %).
- Die Lektion: Zu wissen, dass ein Stein schlecht ist, reicht nicht aus; man muss ihn physisch aufhören zu benutzen. Die Arbeit legt nahe, dass man für groß angelegte Quantencomputer nicht einfach nur einen „Software-Fix“ für ein kaputtes Teil braucht, sondern eine „Hardware-Quarantäne“ durchführen muss.
Das „Leakage“-Rätsel
Es gab noch eine weitere Wendung. Die Autoren bemerkten, dass ihr Computer selbst mit den besten Strategien immer noch mehr Fehler machte, als ihre Computersimulationen vorhersagten. Sie vermuteten „Leakage“ (Leckage) – eine schicke Art zu sagen, dass die leuchtenden Steine manchmal aus ihrem vorgesehenen „Zimmer“ (dem Komputations-Subraum) herausspringen und sich in einem Flur verlieren, in dem sie nicht mehr kontrolliert werden können.
Um dies zu testen, verwendeten sie einen „Post-Selection“-Trick (Nachselektion). Stellen Sie sich vor, Sie machen nach jedem Schritt ein Foto Ihres Schlosses. Wenn das Foto zeigt, dass ein Stein aus dem Zimmer gesprungen ist, werfen Sie dieses Foto weg und tun so, als wäre es nie passiert.
- Das Ergebnis: Als sie die „leckenden“ Fotos wegwarfen, sank die Fehlerrate für ihren Distanz-5-Code (das große Schloss) auf 0,98 %.
- Der Vergleich: Dies war tatsächlich besser als der beste mögliche „Distanz-3“-Code (ein kleineres, einfacheres Schloss), der eine Fehlerrate von 1,26 % aufwies.
- Die Einschränkung: Die Arbeit ist vorsichtig darauf hinzuweisen, dass diese „Post-Selection“ nur dazu dient, den Punkt zu beweisen. Es ist keine skalierbare Lösung für einen echten Computer, da man seine Arbeit nicht jedes Mal wegwerfen kann, wenn ein Stein aus dem Zimmer springt. Echte Quantencomputer werden einen Weg brauchen, um die Steine physisch wieder in das Zimmer zurückzusetzen, was diese spezifische Maschine (IBM Miami) derzeit noch nicht kann.
Das Fazente
Die Autoren sind zuversichtlich, dass wir, während wir immer größere Quantencomputer bauen, unweigerlich defekte Teile haben werden. Ihre Experimente beweisen, dass das aktive Ausschließen dieser schlechten Teile und der Wiederaufbau des Codes um sie herum essenziell ist. Es ist nicht nur eine nette Idee; es ist der einzige Weg, die Fehlerraten niedrig genug zu bekommen, um nützliche Arbeit zu leisten.
Sie zeigten, dass sie durch das Entfernen der defekten Komponenten einen großen, komplexen Code (Distanz-5) besser performen lassen konnten als einen kleineren, einfacheren Code (Distanz-3) in spezifischen Situationen. Sie merken jedoch auch an, dass dies ein „Proof-of-Principle“ (ein Machbarkeitsnachweis) ist. Während die Ergebnisse fundiert und real sind, hängt das volle Potenzial dieser Methode von zukünftiger Hardware ab, die mit „Leakage“ aktiver umgehen kann, anstatt nur die schlechten Daten wegzuwerfen.
Kurz gesagt: Wenn Sie einen kaputten Stein haben, versuchen Sie nicht, ihn wieder einzukleben. Nehmen Sie ihn heraus, ordnen Sie den Rest neu an, und Ihr Schloss wird viel höher stehen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.