Die Welt des Quantencomputings verspricht, Probleme zu lösen, die selbst für die leistungsstärksten Supercomputer derzeit unmöglich sind. Diese Maschinen nutzen die seltsamen Regeln der Quantenphysik, um Informationen auf eine Weise zu verarbeiten, die klassische Computer nicht leisten können. Es gibt jedoch ein großes Hindernis, das ihrem Erfolg im Wege steht: Rauschen. In der aktuellen Ära dieser Geräte, die als Ära der verrauschten, mittelgroßen Quantenrechner (Noisy Intermediate-Scale Quantum Era) bekannt ist, sind die empfindlichen Quantenzustände, die zur Informationsspeicherung genutzt werden, unglaublich fragil. Sie zerfallen und verlieren sehr schnell ihre nützlichen Eigenschaften, oft bevor eine komplexe Berechnung abgeschlossen werden kann. Dieser Zerfall wird durch die physikalischen Einschränkungen der Hardware verursacht, wie etwa die Zeit, die ein Quantenbit benötigt, um stabil zu bleiben, was in Mikrosekunden gemessen wird. Wenn eine Berechnung eine lange Sequenz von Schritten erfordert, verblasst die Information einfach, was ein Ergebnis hinterlässt, das nicht besser als bloßes Raten ist. Wissenschaftler haben versucht, dies zu beheben, indem sie bessere Hardware bauten oder Software entwickelten, die Fehler nach deren Auftreten korrigiert, aber diese Lösungen sind schwierig zu implementieren und erfordern oft mehr Ressourcen als das ursprüngliche Problem.

Ein neuer Ansatz, den Wladimir Silva von der North Carolina State University vorschlägt, bietet eine andere Art, dieses Problem zu betrachten. Anstatt zu versuchen, die Quantenmaschine eine lange, komplexe Berechnung auf einmal ausführen zu lassen, zerlegt diese Methode die Berechnung in viele winzige, einfache Teile, die separat ausgeführt werden können. Der Kern der Idee beruht auf einem mathematischen Prinzip, bei dem eine große, schwierige Aufgabe in kleinere, unabhängige Teile gespalten werden kann, die einzeln gelöst und dann wieder zusammengefügt werden, um das Endergebnis zu erhalten. Durch dies geschieht, dass der Quantencomputer niemals eine komplexe Zustandsform für sehr lange halten muss. Er muss nur sehr kurze, einfache Operationen durchführen, die abgeschlossen sind, bevor das Rauschen die Information zerstören kann. Die schwere Arbeit, die Teile wieder zusammenzufügen, wird von einem Standard-Klassikcomputer geleistet, der sehr gut darin ist, Zahlen zusammenzuzählen. Diese Strategie versucht nicht, die Fehler zu beheben, nachdem sie aufgetreten sind; stattdin vermeidet sie die Bedingungen, die das Entstehen von Fehlern überhaupt erst ermöglichen.

Die Forscher testeten diese Idee, indem sie simulierten, wie sie auf echter Quantenhardware funktionieren würde, speziell unter Verwendung von Modellen, die auf der Leistung der neuesten Prozessoren von IBM basieren. Sie wandten ihre Methode auf vier verschiedene Arten mathematischer Aufgaben an, die in Wissenschaft und Technik üblich sind: das Berechnen der Ähnlichkeit zwischen zwei Listen von Zahlen, das Lösen von Gleichungen, die beschreiben, wie sich Dinge im Raum verändern, das Annähern von gekrümmten Linien und das Verarbeiten von Bildern, um Muster zu finden. In jedem Fall verglichen sie das Ausführen der Aufgabe als eine einzige, tiefe Berechnung mit dem Ausführen als vielen kleinen, flachen Berechnungen. Die Ergebnisse waren eindeutig. Wenn die Berechnung als eine einzige lange Sequenz ausgeführt wurde, verschwand das Signal, das die richtige Antwort repräsentierte, mit zunehmender Anzahl der Schritte schnell im Rauschen. Je tiefer die Schaltung war, desto mehr ähnelte das Ergebnis zufälligem statischem Rauschen. Wenn dieselbe Aufgabe jedoch in kleinere Stücke zerlegt wurde, blieb das Signal stark und klar, selbst wenn die Gesamtmenge der Arbeit dieselbe war.

Der Schlüssel zu diesem Erfolg liegt darin, dass die Quantenmaschine nur wenige Schritte gleichzeitig bewältigen muss. In den Simulationen fanden die Forscher heraus, dass die Ergebnisse genau blieben, wenn sie die Anzahl der Schritte in jedem kleinen Stück unter einem bestimmten Limit hielten. Zum Beispiel versuchten sie, die Beziehung zwischen zwei Datensätzen mithilfe einer Schaltung zu berechnen, die sehr tief war, wobei die Fehlerrate so hoch wurde, dass die Antwort unbrauchbar war. Aber als sie dieselbe Berechnung in viele kleine Teile aufteilten, war jedes Stück kurz genug, um fertig zu sein, bevor die Hardware ihre Stabilität verlor. Die endgültige Antwort wurde dann von einem klassischen Computer rekonstruiert, der die Ergebnisse aller kleinen Teile zusammenzählte. Dieser Prozess führte eine neue Art von Kosten ein: Der klassische Computer musste viel öfter laufen, um genügend Daten zu sammeln, um sich der Antwort sicher zu sein. Die Forscher zeigten jedoch, dass diese zusätzliche Arbeit ein fairer Kompromiss war. Es war viel besser, mehr klassische Arbeit zu leisten, um eine korrekte Antwort zu erhalten, als eine einzige Quantenberechnung durchzuführen, die ein falsches Ergebnis liefert.

Die Studie untersuchte auch, wie man das perfekte Gleichgewicht findet, um die Teile weder zu klein noch zu groß zu machen. Wenn die Teile zu groß sind, werden sie zu tief und das Rauschen ruiniert sie. Wenn die Teile zu klein sind, muss der klassische Computer zu viel Arbeit leisten, um sie alle zusammenzuzählen. Die Forscher fanden heraus, dass es einen „Sweet Spot“ gibt, an dem die Quantenteile gerade flach genug sind, um Rauschen zu vermeiden, und die klassischen Teile nicht so zahlreich sind, dass sie zu einem Engpass werden. Sie demonstrierten dies, indem sie ihre Methode an Bildverarbeitungsaufgaben testeten, wie etwa dem Identifizieren von Merkmalen in einem Bild eines Autos. Wenn die Quantenteile flach gehalten wurden, konnte der Computer die Linien und Formen des Autos klar erkennen. Wenn die Teile zu tief waren, wurde das Bild zu einem verschwommenen, unklaren Durcheinander. Dies bewies, dass die Methode nicht nur für einfache Mathematik funktioniert, sondern auch für komplexe, reale Datenverarbeitungsaufgaben.

Dieser Ansatz stellt eine Verschiebung in der Art und Weise dar, wie Wissenschaftler über die Nutzung von Quantencomputern denken. Anstatt die Maschine als einen einzelnen, monolithischen Prozessor zu betrachten, der ein Programm von Anfang bis Ende ausführen muss, behandeln sie sie als eine Sammlung kleiner, spezialisierter Werkzeuge. Die schwere Arbeit des Managements der Komplexität wird auf den klassischen Computer verlagert, der robust und zuverlässig ist. Der Quantencomputer wird dann nur für die spezifischen, kurzen Aufgaben eingesetzt, bei denen er einen Vorteil hat. Die Forscher räumen ein, dass diese Methode den Zugriff auf viele Quantenprozessoren erfordert, die parallel arbeiten, oder zumindest die Fähigkeit, viele kleine Jobs schnell auszuführen. Sie merken auch an, dass diese Methode zwar das Problem vermeidet, dass Fehler innerhalb einer einzigen langen Schaltung anwachsen, aber nicht die Fehler eliminiert, die in jedem kleinen Stück auftreten. Diese Fehler existieren weiterhin, aber da sie auf kleine Teile isoliert sind, breiten sie sich nicht aus und korrumpieren nicht das gesamte System. Das Endergebnis ist immer noch von diesen kleinen Fehlern betroffen, aber die Auswirkungen sind viel geringer, als wenn die Fehler ungehindert hätten wachsen können.

Die Arbeit legt nahe, dass diese Strategie ein praktischer Weg sein könnte, Quantencomputer zu nutzen, selbst noch bevor wir perfekte, fehlerfreie Maschinen besitzen. Sie bietet eine Möglichkeit, heutige Hardware durchzuführen, indem sie deren physikalische Grenzen respektiert. Die Forscher planen zu untersuchen, wie diese Methode für noch komplexere Aufgaben eingesetzt werden kann, wie etwa die massiven Berechnungen, die von modernen Systemen der künstlichen Intelligenz erfordert werden. Durch die Zerlegung dieser großen Probleme in handhabbare Teile hoffen sie, das Potenzial des Quantencomputings freizusetzen, ohne darauf warten zu müssen, dass die Hardware perfekt wird. Die Ergebnisse zeigen, dass es manchmal der beste Weg ist, ein großes Problem zu lösen, nicht es auf einmal anzugehen, sondern es in kleine, handhabbare Schritte zu unterteilen, die nacheinander gelöst werden können.