Certifying quantum code and circuit distances at scale
Dieses Paper führt eine skalierbare Methode unter Verwendung von tropischen Partitionsfunktionen und dynamischer Programmierung ein, um die Distanzen von Quantencodes und -schaltkreisen exakt zu zertifizieren, was signifikante Überschätzungen in der bisherigen Literatur aufdeckt und gleichzeitig präzisere Ressourcenabschätzungen sowie die Nutzung defekter Quantenhardware ermöglicht.
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 vom Autor verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Quantencomputer versprechen, Probleme zu lösen, die für heutige Maschinen unmöglich sind, vom Design neuer Materialien bis hin zum Knacken komplexer Codes. Um dies zu erreichen, müssen sie Berechnungen mit extremer Präzision durchführen. Die physikalischen Teilchen, die die Informationen in diesen Maschinen speichern, sind jedoch notorisch zerbrechlich und anfällig für Fehler durch die geringste Störung. Um dies zu überwinden, nutzen Wissenschaftler eine Technik namens Quantenfehlerkorrektur. Sie verteilen ein einzelnes Stück Information auf viele physikalische Teilchen und schaffen so eine logische Einheit, die überleben kann, wenn einige ihrer Teile ausfallen. Die Stärke dieses Schutzes wird durch einen Wert gemessen, der als Distanz bezeichnet wird. Eine höhere Distanz bedeutet, dass das System mehr Fehler verkraften kann, bevor die Information verloren geht. Diese Zahl ist entscheidend für Ingenieure; sie bestimmt, wie viele physikalische Teilchen benötigt werden, um einen nützlichen Computer zu bauen, und wie zuverlässig die endgültige Maschine sein wird. Jahrelang haben sich Forscher auf Schätzungen für diese Distanz verlassen, wobei sie oft Computersuchen verwendeten, die zwar Fehler fanden, aber nicht beweisen konnten, dass sie auch die kleinstmöglichen gefunden hatten.
Ein Forschungsteam hat nun einen Weg entwickelt, diese Distanzen exakt zu berechnen, selbst für die massiven Systeme, die für zukünftige Hardware vorgeschlagen werden. Sie behandelten das Problem, den kleinsten Fehler zu finden, als ein einheitliches mathematisches Rätsel und lösten es mit drei verschiedenen, strengen Methoden, die zusammenarbeiten. Anstatt zu raten oder beim ersten gefundenen Fehler anzuhalten, beweist ihr Ansatz, dass kein kleinerer Fehler existiert. Durch die Kombination dieser Methoden mit klugen Abkürzungen, die die Problemgröße verringern, konnten sie die exakten Distanzen für Quantencodes mit bis zu 31.200 physikalischen Teilchen und Schaltkreisen mit Hunderttausenden potenzieller Fehlerpunkte zertifizieren. Diese Sicherheit ermöglicht es ihnen, die Designs großer Technologieunternehmen zu verifizieren und Mängel zu identifizieren, die vorherige Schätzungen übersehen haben.
Das Team wandte seine Methode auf eine breite Palette aktueller Vorschläge an, einschließlich Designs von Google und IBM. In vielen Fällen stellten sie fest, dass die veröffentlichten Schätzungen zu optimistisch waren. Beispielsweise wurde bewiesen, dass ein spezifischer Speicher-Schaltkreis von IBM, von dem man annahm, er habe eine Distanz von 18, tatsächlich nur eine Distanz von 16 besitzt. Dieser Unterschied ist signifikant, da er die vorhergesagte Fehlerrate um einen großen Faktor verändert. In einem anderen Fall, der einen von Google entworfene Code betraf, zertifizierte das Team die Distanzen für Systeme mit über 31.000 Qubits und bestätigte Werte, die zuvor unbekannt waren. Ihre Prüfung von sechsundzwanzig aktuellen wissenschaftlichen Arbeiten ergab, dass zehn von ihnen überhöhte Distanzen enthielten, wobei einige Diskrepanzen bis zu acht Einheiten betrugen. Diese Fehler resultierten nicht aus falscher Mathematik in den Originalarbeiten, sondern daraus, dass die dort verwendeten Suchmethoden nicht garantieren konnten, dass sie den absolut kleinsten Fehler gefunden hatten.
Über die Korrektur vergangener Zahlen hinaus nutzte das Team seine Werkzeuge, um bessere Schaltkreise zu entwerfen. Sie testeten tausende verschiedene Zeitpläne (Schedules) dafür, wie Fehler in einer bestimmten Art von Quantencode gemessen werden. Sie fanden heraus, dass während ein Standard-Zeitplan für einige Codes optimal war, er für andere weit davon entfernt das Beste war. Durch die Neuordnung der Reihenfolge der Operationen konnten sie die Distanz eines Schaltkreises von 16 auf 18 erhöhen, was ihn wesentlich robuster macht. Diese Art der präzisen Optimierung ist essenziell, um Maschinen zu bauen, die lange Berechnungen ohne Ausfall durchführen können. Die Forscher zeigten auch, wie ihre Methode in der realen Welt der Fertigung hilft. Quantenchips kommen oft mit geringfügigen Defekten aus der Fabrik, wie etwa einem einzelnen defekten Sensor. Bisherige Modelle legten nahe, dass jeder Chip mit einem Defekt aussortiert werden sollte. Durch die Zertifizierung der Distanz dieser unvollkommenen Chips zeigte das Team jedoch, dass viele dennoch verwendbar bleiben. Beispielsweise konnte das Team bei einer Fertigungsrate, bei der 99,98 % der Verbindungen funktionieren, die Anzahl der nutzbaren Chips durch das Beibehalten von Chips mit einigen toten Sensoren, die immer noch eine hohe Distanz aufweisen, von 53 % auf 94 % steigern.
Die Arbeit stützt sich auf ein einheitliches Framework, das sowohl den Code selbst als auch den zur Messung verwendeten Schaltkreis als ein einziges Problem behandelt. Die Forscher drückten die Suche nach dem kleinsten Fehler als eine „tropische Partitionsfunktion“ aus, ein Konzept, das es ihnen ermöglicht, leistungsstarke Algorithmen zu nutzen, um den Minimalwert zu finden. Sie setzten dann drei verschiedene exakte Solver ein: ein dynamisches Programm, das das System wie eine Leiter durchläuft, eine Suche, die nach Fehlern innerhalb eines bestimmten Gewichtslimits sucht, und eine bidirektionale Suche, die sich in der Mitte trifft. Ein Kostenmodell entscheidet, welcher Solver für welchen Teil des Problems verwendet wird, um die Effizienz zu gewährleisten. Wenn ein Solver einen Fehler findet, verifiziert das Team diesen, indem sie die Sequenz der Fehler im Simulator nachspielen, um sicherzustellen, dass er tatsächlich zu einem logischen Ausfall führt, ohne Alarme auszulösen. Dieser Prozess erzeugt ein Zertifikat: einen Beweis, dass kein leichterer Fehler existiert, gepaart mit dem spezifisch gefundenen Fehler.
Die Ergebnisse haben unmittelbare Auswirkungen auf die Architektur zukünftiger Quantencomputer. Für den geplanten Prozessor von IBM bestätigte das Team, dass der Standard-Zeitplan für einen spezifischen Speicherblock eine Distanz von 16 hat, nicht 18, wie zuvor angenommen. Sie identifizierten jedoch auch alternative Zeitpläne, die die höhere Distanz von 18 erreichen, wenn auch mit einer leichten Erhöhung der Zeit pro Zyklus. Dieser Kompromiss zwischen Geschwindigkeit und Zuverlässigkeit ist nun eine bekannte Größe statt einer bloßen Vermutung. Ähnlich lieferte das Team für Googles modulare hyperbolische Codes die ersten exakten Distanzen für Systeme dieser Größenordnung und klärte damit Fragen, die bislang offen geblieben waren. Die Fähigkeit, diese Werte zu zertifizieren, bedeutet, dass Ressourcen-Schätzungen für zukünftige Maschinen auf harten Fakten statt auf oberen Schranken basieren können.
Die Studie befasste sich auch mit dem Thema der logischen Messungen, bei denen separate Speicherblöcke zusammengeführt werden, um Operationen durchzuführen. Die Forscher fanden heraus, dass die Distanz dieser verschmolzenen Systeme stark davon abhängt, wie mit den zusätzlichen „Gauge“-Qubits umgegangen wird, die während des Prozesses eingeführt werden. Wenn diese Qubits frei gelassen werden, kann die Distanz erheblich sinken, aber wenn sie in einem spezifischen Zustand fixiert werden, bleibt die Distanz hoch. Diese Unterscheidung ist entscheidend für das Design von Messprotokollen, die die Fehlerprotektion nicht versehentlich schwächen dürfen. Die exakten Berechnungen des Teams zeigten, dass bisherige Schätzungen diese Nuancen übersehen hatten, was zu potenziellen Überschätzungen der Leistung führte.
Am Ende verwandelt die Arbeit die Distanz eines Quantencodes von einer Schätzung in eine verifizierbare Größe. Dieser Wandel beseitigt eine große Quelle der Unsicherheit bei der Planung von Quantencomputern. Ingenieure können nun verschiedene Designs mit Zuversicht vergleichen, da sie genau wissen, wie viele Fehler jedes von ihnen tolerieren kann. Die Methode skaliert auf die Größe der größten derzeit in Aussicht stehenden Konzepte und bewältigt Systeme mit Hunderttausenden potenzieller Fehlerpunkte. Während einige extrem große oder komplexe Instanzen immer noch erhebliche Rechenressourcen erfordern, hat das Team demonstriert, dass eine exakte Zertifizierung für die überwiegende Mehrheit der aktuellen Designs möglich ist. Diese Präzision ermöglicht eine realistischere Einschätzung dessen, was Quantencomputer leisten können und wie viele physikalische Ressourcen sie tatsächlich benötigen werden.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.