Quantum error correction well below the color code threshold

Um einen Computer zu bauen, der Probleme lösen kann, die jenseits der Reichweite heutiger Maschinen liegen, wenden sich Wissenschaftler den seltsamen Regeln der Quantenphysik zu. Diese Quantencomputer nutzen winzige Teilchen namens Qubits, um Informationen zu speichern, aber sie sind unglaublich zerbrechlich. Ein Flüstern von Hitze, ein streuendes Magnetfeld oder sogar ein winziger Fehler im eigenen Steuerungssystem der Maschine können dazu führen, dass ein Qubit seine Daten verliert. Diese Zerbrechlichkeit war lange Zeit das größte Hindernis beim Bau eines nützlichen Quantencomputers. Um dies zu überwinden, nutzen Forscher eine Strategie namens Quantenfehlerkorrektur. Anstatt sich auf ein einzelnes, zerbrechliches Qubit zu verlassen, verteilen sie die Information über viele physische Qubits und schaffen so ein redundantes Sicherheitsnetz. Wenn ein Teil des Netzes ausfällt, können die anderen den Fehler erkennen und korrigieren, ohne die Information zu zerstören. Diese Sicherheitsmaßnahme ist jedoch mit einem Preis verbunden: Das Hinzufügen von mehr Qubits zur Fehlerbehebung fügt auch mehr Stellen hinzu, an denen neue Fehler auftreten können. Das Ziel ist es, einen Punkt zu finden, an dem das Hinzufügen von mehr Redundanz das System tatsächlich zuverlässiger macht, anstatt weniger zuverlässig. Dieser Wendepunkt ist als „Schwelle“ (Threshold) bekannt. Wenn die physischen Komponenten des Computers gut genug sind, um unter dieser Schwelle zu bleiben, wird das Größer und Komplexer Machen des Computers dazu führen, dass die Fehler exponentiell verschwinden, was den Weg für Maschinen ebnet, die Stunden ohne Ausfall laufen können.

Einem Forscherteam bei Quantinuum ist es nun gelungen zu demonstrieren, dass sie einen Quantenprozessor weit unterhalb dieser kritischen Schwelle betreiben können, ein bedeutender Schritt zum Bau einer Maschine, die tatsächlich reale Probleme lösen kann. Unter Verwendung eines Prozessors namens Helios, der einzelne Bariumatome in einem Vakuum einfängt und sie mit elektrischen Feldern an Ort und Stelle hält, testete das Team eine spezifische Art von Fehlerkorrekturcode, der als dreieckiger Farbcode (triangular color code) bekannt ist. Sie führten Experimente mit drei verschiedenen Größen dieser Codes durch, die von kleinen Blöcken aus dreizehn Qubits bis hin zu größeren Blöcken aus dreiundsiebzig Qubits reichten. Die Ergebnisse waren beeindruckend: Als sie die Größe des Codes erhöhten, sank die Rate der logischen Fehler dramatisch. Für den größten getesteten Code fiel die Fehlerrate auf etwa fünf Fehler pro Million Versuche. Dies entspricht einer Unterdrückung der Fehler um mehr als das Zehnfache mit jedem Schritt nach oben in der Größe, was beweist, dass sich das System tatsächlich in dem Bereich befindet, in dem eine Skalierung zu größerer Stabilität führt.

Den Forschern gelang dieser Erfolg durch die Bewältigung zweier spezifischer Probleme, die Quantencomputer oft plagen: Leakage (Leckage) und Schaltkreiskomplexität. In einer perfekten Welt würde ein Qubit seinen vorgesehenen Zustand ewig beibehalten, aber in der Realität kann es manchmal aus seinem Arbeitsbereich in andere Energieniveaus „lecken“, wo es sich nicht mehr korrekt verhält. Wenn ein gelecktes Qubit in einer Berechnung verwendet wird, kann es Fehler auf seine Nachbarn übertragen und so eine Kaskade von Ausfällen verursachen. Um dies zu verhindern, setzte das Team einen zweigleisigen Ansatz ein. Zuers verwendeten sie eine Technik auf Hardware-Ebene, die wie ein Reset-Knopf wirkt, indem sie vorsichtig getimte Lichtpulse nutzen, um geleakte Atome zurück in ihren korrekten Arbeitszustand zu pumpen. Zweitens entwarfen sie eine Methode auf Schaltkreisebene, die Daten-Qubits gegen frische austauscht, bevor sie Probleme verursachen können, wodurch die geleckten Teilchen effektiv aus der Berechnung entfernt werden. Durch die Kombination dieser Methoden stellten sie sicher, dass die Fehler beherrschbar blieben und durch den Code korrigiert werden konnten.

Das Team testete auch, wie gut verschiedene Methoden die Fehlersignale lesen und die Fehler in Echtzeit beheben können. Sie verglichen ein traditionelles, regelbasiertes Computerprogramm mit zwei neuen Ansätzen, die auf künstlicher Intelligenz basieren: einem faltenden neuronalen Netzwerk (convolutional neural network) und einem Transformer-basierten Modell. Diese neuronalen Netzwerke wurden mit simulierten Daten vom Helios-Prozessor trainiert und anschließend direkt auf der realen Hardware angewendet, ohne weitere Anpassungen vorzunehmen. Bemerkenswerterweise verhielten sich sowohl das traditionelle Programm als auch die beiden KI-Modelle nahezu identisch und dekodierten die Fehlersignale erfolgreich sowie korrigierten die logischen Fehler. Die neuronalen Netzwerke waren besonders beeindruckend, da sie die Daten in wenigen hundert Mikrosekunden verarbeiten konnten, was schnell genug ist, um mit der Geschwindigkeit des Quantenprozessors Schritt zu halten. Dies deutet darauf hin, dass diese schnellen, intelligenten Decoder in Zukunft eingesetzt werden könnten, um Fehler zu beheben, während sie auftreten, anstatt bis zum Ende einer Berechnung zu warten.

Über die bloße Fehlerbehebung hinaus lieferte das Experiment einen tiefen Einblick in die inneren Abläufe des Quantenprozessors. Durch die Analyse der Fehlermuster konnten die Forscher genau identifizieren, an welchen Stellen die Maschine Schwierigkeiten hatte. Sie fanden heraus, dass die häufigste Quelle von Fehlern die Wechselwirkung zwischen zwei Qubits war, gefolgt von Fehlern im Zusammenhang mit dem Bewegen der Ionen und dem Rauschen, das bei der Messung eingeführt wurde. Diese Art der detaillierten Diagnose ist entscheidend, da sie Ingenieuren genau sagt, welche Teile der Maschine am meisten verbessert werden müssen. Die Studie zeigte auch, dass der Fehlerkorrekturcode effektiv funktionierte, selbst wenn die physischen Komponenten nicht perfekt waren, vorausgesetzt, die Leckage wurde kontrolliert. Die erreichten logischen Fehlerraten nähern sich den Ebenen an, die für das sogenannte „Megaquop“-Scale-Computing erforderlich sind – eine Skala, auf der Quantencomputer Probleme in der Chemie, Materialwissenschaft und Kryptographie angehen könnten, die derzeit unmöglich sind.

Obwohl diese Arbeit beweist, dass die Fehlerkorrektur funktioniert, merken die Forscher an, dass die Reise noch nicht abgeschlossen ist. Die nächste große Herausforderung besteht darin, zu demonstrieren, dass der gesamte Prozess, einschließlich der Vorbereitung spezieller „Magic States“, die für die leistungsfähigsten Berechnungen benötigt werden, ebenfalls unter der Fehlerschwelle gehalten werden kann. Die aktuelle Studie konzentrierte sich auf den Speicher des Computers und die grundlegenden Logikgatter, aber ein voll funktionsfähiger, universeller Quantencomputer wird eine breitere Palette von Operationen ausführen müssen. Das Team schlägt vor, dass der nächste logische Schritt darin besteht, eine vollständige Berechnung durchzuführen, die diese komplexeren Operationen einschließt, unter Verwendung der entwickelten schnellen Echtzeit-Decoding-Methoden. Ein Erfolg hierbei würde den Übergang von einer Maschine, die Fehler in einem kontrollierten Experiment korrigiert, zu einer Maschine markieren, die ein langes, komplexes Programm ohne Ausfall ausführen kann. Die Ergebnisse deuten darauf an, dass Trapped-Ion-Prozessoren, wie der in dieser Studie verwendete, das Potenzial haben, eine anwendung relevante Leistung mit kleineren Code-Blöcken zu erreichen, als bisher für möglich gehalten wurde, was die Ära des praktischen Quantencomputings in die greifbare Nähe rückt.