Surface code scaling on heavy-hex superconducting quantum processors

En la búsqueda de construir una computadora cuántica, los científicos se enfrentan a un problema fundamental: los delicados estados cuánticos que contienen la información son increíblemente frágiles. La más mínima perturbación del entorno puede corromper los datos, provocando que la máquina falle. Para resolver esto, los investigadores desarrollaron un método llamado corrección de errores cuánticos. En lugar de depender de un único componente físico perfecto, distribuyen una sola pieza de información a través de muchos componentes físicos. Si una parte falla, el sistema puede detectar el error y corregirlo sin perder la información, de forma muy similar a cómo una sola página rasgada en un libro no destruye la historia si el texto está impreso en múltiples páginas. La forma más prometedora de hacer esto es utilizando un "código de superficie", una disposición en forma de rejilla donde la información es protegida mediante la comprobación de las relaciones entre las partes vecinas. Sin embargo, para que esta protección funcione, la máquina debe ser capaz de corregir los errores más rápido de lo que estos aparecen. Esto requiere que el sistema opere por debajo de un "umbral" específico de ruido. Si la máquina es demasiado ruidosa, la propia corrección de errores introduce más equivocaciones de las que arregla.

El desafío se vuelve aún más difícil cuando el hardware físico no coincide naturalmente con el patrón de rejilla requerido por el código de superficie. La mayoría de los procesadores cuánticos actuales están construidos con una disposición específica de conexiones que difiere de la rejilla cuadrada ideal necesaria para estos códigos. Para hacer que funcionen juntos, los científicos deben encontrar formas ingeniosas de mapear el código en el hardware, lo que a menudo requiere pasos adicionales para mover la información entre partes distantes del chip. Estos pasos adicionales crean pausas donde los bits cuánticos permanecen inactivos, esperando instrucciones. Durante estas pausas, los bits son vulnerables al ruido, el cual puede acumularse y arruinar la protección que el código debería proporcionar. Un equipo de investigadores se propuso probar si podían hacer que esta configuración tan difícil funcionara en un procesador cuántico real, específicamente uno con una disposición única de "hexágono pesado" (heavy-hex) utilizada por IBM. Querían ver si podían escalar el tamaño de su código de corrección de errores y realmente ver si la tasa de error disminuía, demostrando que el sistema estaba entrando en la zona segura donde las computadoras cuánticas podrían eventualmente volverse lo suficientemente potentes como para resolver problemas del mundo real.

Los investigadores recurrieron a un procesador de 156 cúbits conocido como "Heron", que presenta una estructura de red de hexágono pesado. Esta disposición está diseñada para reducir la interferencia entre los cúbits, pero hace que el código de superficie sea más difícil de implementar porque los cúbits no están todos conectados directamente con sus vecinos. Para cerrar esta brecha, el equipo diseñó un nuevo método para incrustar el código en el chip. Utilizaron una técnica que pliega y despliega el circuito, empleando cúbits "puente" especiales para conectar temporalmente partes distantes del código para que puedan comunicarse entre sí. Este enfoque minimizó el tiempo que los cúbits pasaban esperando, manteniendo el circuito lo más corto posible. Sin embargo, sabían que incluso con un circuito corto, los momentos de inactividad permitirían que el ruido se acumulara. Para combatir esto, integraron una poderosa estrategia de supresión de ruido llamada desacoplamiento dinámico. Esto implica aplicar una serie rápida de pulsos de control a los cúbits mientras esperan, cancelando efectivamente las interacciones no deseadas con el entorno antes de que puedan causar daños.

El equipo probó su sistema ejecutando el código de corrección de errores en dos tamaños diferentes. Comenzaron con un código más pequeño y luego lo expandieron en una dirección para crear un código anisotrópico más grande. En un mundo perfecto, hacer el código más grande siempre lo haría mejor para proteger la información. Pero en el mundo real, un código más grande requiere un circuito más complejo, lo que introduce más oportunidades de error. Los investigadores descubrieron que cuando aumentaban el tamaño del código, la protección mejoraba para un tipo de error, pero no para el otro. Específicamente, cuando hicieron el código más largo en una dirección, se volvió mucho mejor protegiendo contra los errores de inversión de fase (phase-flip), pero la protección contra los errores de inversión de bit (bit-flip) no mejoró tanto. Esto ocurrió porque la complejidad adicional del circuito más grande introdujo nuevas vulnerabilidades que el código aún no podía manejar.

Un descubrimiento crítico en este trabajo fue el papel de los pulsos de supresión de ruido. Los investigadores descubrieron que, sin estos pulsos, el código más grande parecía estar funcionando mejor que el más pequeño, lo que sugería un escalado exitoso. Sin embargo, este fue un resultado engañoso. Cuando aplicaron los pulsos de supresión de ruido, se dieron cuenta de que el código más pequeño se beneficiaba de ellos mucho más que el código más grande. Los pulsos eran tan efectivos limpiando el ruido en el circuito más pequeño y simple que hacía parecer que el código más grande estaba fallando por comparación. Esto reveló una trampa: si no se optimiza cuidadosamente la supresión de ruido para cada tamaño de código que se prueba, se podría afirmar falsamente que el escalado está funcionando cuando no es así. El equipo demostró que solo comparando la mejor versión posible de cada tamaño de código podrían obtener una imagen honesta del rendimiento.

Para medir los resultados con precisión, el equipo se alejó de las formas estándar de calcular las tasas de error que dependen de suposiciones simples sobre cómo se comportan los errores. En su lugar, desarrollaron una nueva métrica basada en la "fidelidad de entrelazamiento", que mide qué tan bien el sistema preserva la información cuántica a través de todos los estados posibles, no solo aquellos que son más fáciles de medir. Utilizando este método riguroso, encontraron que, en su hardware actual, el sistema aún no había alcanzado el punto en el que aumentar el tamaño del código garantiza una mejor protección para todo tipo de información. Si bien los códigos más grandes mostraron mejoras en direcciones específicas, el sistema general seguía siendo demasiado ruidoso para lograr la protección universal necesaria para una máquina totalmente tolerante a fallos.

El estudio concluye que el camino hacia una computadora cuántica funcional es claro pero requiere una ingeniería precisa. Los investigadores demostraron que, combinando una forma inteligente de mapear el código en el hardware con una supresión de ruido agresiva, pudieron observar los inicios de la supresión de errores. Demostraron que con una reducción modesta en los niveles de ruido actuales —aproximadamente una mejora del treinta por ciento— y acceso a un chip ligeramente más grande para albergar un código aún mayor, el sistema cruzaría el umbral hacia la zona segura. Este trabajo no pretende haber resuelto el problema de la corrección de errores cuánticos, sino que proporciona una hoja de ruta concreta. Demuestra que la combinación adecuada de diseño consciente del hardware y control de ruido puede acercar estos sistemas al punto en el que puedan realizar de manera confiable los complejos cálculos que definirán el futuro de la computación cuántica.