Real-time decoder for a MegaQuOp quantum computer using a single CPU

Der Traum eines Quantencomputers besteht darin, Probleme zu lösen, die für heutige Maschinen unmöglich sind, doch der Weg zum Bau eines solchen wird durch eine fundamentale Fragilität blockiert. Die winzigen Informationseinheiten, die diese Geräte antreiben, bekannt als Qubits, werden leicht durch das leiseste Flüstern von Hitze oder Vibration gestört, was dazu führt, dass sie ihre Daten verlieren. Um eine Maschine zu bauen, die tatsächlich funktionieren kann, müssen Wissenschaftler diese fragilen Einheiten in Schutzschichten einhüllen und „logische“ Qubits erschaffen, die in der Lage sind, ihre eigenen Fehler zu erkennen und zu beheben. Dieser Prozess erfordert einen ständigen, hektischen Strom von Messungen, um nach Fehlern zu suchen, gefolgt von einer sofortigen Berechnung, um zu entscheiden, wie sie korrigiert werden können. Wenn diese Berechnung zu lange dauert, häufen sich die Fehler schneller an, als sie behoben werden können, und die gesamte Berechnung bricht zusammen. Jahrelang fragten sich Experten, ob ein einzelner, herkömmlicher Computerprozessor den Anforderungen einer massiven Quantenmaschine, die Millionen von Operationen ausführt, überhaupt gerecht werden könnte oder ob das Korrektursystem zwangsläufig zum Engpass würde, der alles zum Stillstand bringt.

Ein Team von Forschern bei IonQ hat nun demonstriert, dass ein einzelner konventioneller Computerprozessor tatsächlich schnell genug ist, um diese Aufgabe für eine Maschine von immensem Ausmaß zu bewältigen. Sie bauten ein vollständiges Dekodierungssystem, das in Echtzeit auf einer zentralen Recheneinheit läuft und in der Lage ist, eine universelle, fehlertolerante Fallenionen-Quantencomputer-Architektur zu verwalten, die hunderte von logischen Qbits ausführt, welche Millionen von Gates ausführen. Ihre Arbeit konzentriert sich auf ein spezifisches Design für Fallenionen-Quantencomputer, bei dem die Architektur vereinfacht ist, sodass der Computer seine interne Struktur nicht ständig umgestalten muss, um Berechnungen durchzuführen. Stattdessen läuft er einen stetigen, vorhersehbaren Strom von Kontrollen ab, der nur durch spezifische Messungen unterbrochen wird, die für komplexe Operationen erforderlich sind. Durch die Nutzung dieser Regelmäßigkeit schufen die Forscher eine Software-Pipeline, die die notwendigen Fehlermodelle während des Betriebs generiert und die Ergebnisse sofort dekodiert, während der Quantencomputer läuft.

Die Forscher testeten ihr System mit drei verschiedenen kompilierten Quantenanwendungen, die von einem Modell magnetischer Wechselwirkungen bis hin zu einem komplexen Phasenübergringsexperiment reichten. Diese Benchmarks beinhalteten Logik-Qubit-Zahlen zwischen 102 und 408, und im größten Test wurde das System mit Arbeitslasten getestet, die über eine Million komplexer Operationen, bekannt als T-Gates, umfassten. Das Team führte diese Simulationen auf einem einzigen leistungsstarken Computerchip, dem Apple M4 Max, unter Verwendung von zwölf seiner sechzehn verfügbaren Kerne durch. Sie wiesen acht Kernen die schwere Arbeit der Korrektur allgemeiner Fehler zu und vier Kernen die schnellere, dringlichere Aufgabe der Interpretation von Messergebnissen. Das Ziel war es zu sehen, ob die Dekodierungssoftware mit der Quantenhardware Schritt halten konnte, ohne hinterherzuhinken – eine Verzögerung, die die Maschine dazu zwingen würde, anzuhalten und auf den Computer zu warten, um aufzuholen.

Die Ergebnisse zeigten, dass das System bemerkenswert gut Schritt halten konnte. Wenn die Fehlerrate in der simulierten Quantenhardware niedrig war, betrug die durch den Dekodierungsprozess hinzugefügte Zeit weniger als 0,3 Prozent der gesamten Berechnungszeit. Selbst als die Forscher die Fehlerrate auf ein anspruchsvolleres Niveau erhöhten, wuchs die Verzögerung, blieb aber handhabbar und lag unter 12 Prozent der Gesamtzeit. Dies bedeutet, dass das Dekodierungssystem den Quantencomputer nicht zu einem Schneckentempo verlangsamte; es fügte lediglich einen winzigen Bruchteil zusätzlicher Zeit hinzu, was eine vernachachlässigbare Kostenstelle für die Stabilität darstellt. Die Studie zeigte auch, dass das System die schwierigsten Momente souverän bewältigte. Gelegentlich dauerte es etwas länger, ein komplexes Fehlermuster zu lösen, was zu einem kurzen Rückstau führte, aber das System baute diese Verzögerungen schnell wieder ab, ohne eine Kaskade von Fehlern auszulösen.

Ein Schlüssel zu diesem Erfolg war eine kluge Art der Organisation des Datenflusses. Die Forscher nutzten zwei verschiedene Decoder, die Hand in Hand auf demselben Informationsstrom arbeiteten. Ein Decoder arbeitete kontinuierlich, überwachte die allgemeine Gesundheit des Systems und korrigierte Fehler, während sie sich ansammelten. Der andere Decoder war eine spezialisierte, Hochgeschwindigkeits-Einheit, die nur während spezifischer Messungen aktiviert wurde. Da er eine kleinere, fokussiertere Aufgabe hatte, konnte er Ergebnisse viel schneller liefern und so sicherstellen, dass der Quantencomputer niemals auf eine Entscheidung warten musste, bevor er zum nächsten Schritt überging. Dieser duale Ansatz ermöglichte es dem einzelnen Prozessor, die gesamte Arbeitslast effizient zu bewältigen, und bewies, dass die enorme Rechenleistung spezialisierter Hardware wie Grafikkarten oder kundenspezifischer Chips für die Echtzeit-Fehlerkorrektur in diesen Arten von Quantenmaschinen nicht zwingend erforderlich ist.

Die Forscher fanden auch heraus, dass sie die notwendigen Fehlermodelle sofort generieren konnten, anstatt sie vorab berechnen zu müssen. In vielen Quantendesigns ändern sich die Regeln dafür, wie sich Fehler ausbreiten, je nachdem, welche Operation gerade durchgeführt wird, was den Computer erfordert, sein Verständnis des Systems ständig neu aufzubauen. In dieser spezifischen Architektur zeigten die Forscher, dass die zugrunde liegende Struktur der Fehlermuster gleich blieb und nur die Wahrscheinlichkeit bestimmter Fehler aktualisiert werden musste. Dies ermöglichte es ihnen, die Einstellungen des Decoders im laufenden Betrieb mit minimalem Aufwand anzupassen, wodurch die Software leicht genug blieb, um neben der Dekodierung selbst zu laufen. Diese Vereinfachung war entscheidend, da dies bedeutete, dass der gesamte Prozess mit Standardsoftware auf einem einzigen Chip gehandhabt werden konnte.

Diese Erkenntnisse legen nahe, dass der Weg zum Bau eines Quantencomputers, der in der Lage ist, Millionen von Operationen auszuführen, nicht durch einen Mangel an klassischer Rechenleistung blockiert ist. Die Studie zeigt, dass mit den richtigen architektonischen Entscheidungen ein einzelner konventioneller Prozessor die Fehlerkorrektur für eine Maschine mit Hunderten von logischen Qubits steuern kann. Die Forscher behaupteten nicht, jedes Problem des Quantencomputings gelöst zu haben, noch deuteten sie darauf hin, dass dieses spezifische Setup für alle Arten von Quantencomputern funktioniert. Doch für die Klasse der modellierten Fallenionen-Maschinen ist die Evidenz klar: Der Dekodierungsengpass kann mit bestehender Technologie überwunden werden. Dies eröffnet einen praktischen Weg zur Skalierung von Quantencomputern und legt nahe, dass die Lösung beim Wachstum der Maschinen schlicht darin bestehen könnte, mehr Standard-Prozessorkerne hinzuzufügen, anstatt völlig neue Arten von Hardware zu erfinden. Die Arbeit liefert den konkreten Beweis, dass das klassische Gehirn, das einen Quantenriesen steuern muss, kein Supercomputer sein muss; es kann ein einziger, leistungsstarker Chip sein.