Demonstration of Logical Error Suppression in a Surface Code Memory on a Cloud-Accessible IBM Superconducting Processor

Las computadoras cuánticas prometen resolver problemas que son imposibles para las máquinas que usamos hoy en día, desde el diseño de nuevos medicamentos hasta la ruptura de códigos complejos. Sin embargo, estas máquinas son increíblemente frágiles. Las diminutas partículas que utilizan para almacenar información, llamadas cúbits, se ven fácilmente perturbadas por el calor, la vibración o incluso por ondas electromagnéticas errantes. Esta sensibilidad provoca que se introduzcan errores, corrompiendo el cálculo antes de que este finalice. Para construir una computadora cuántica útil, los científicos deben encontrar una manera de proteger esta información. Lo hacen distribuyendo un único fragmento de datos a través de muchos cúbits físicos, creando un cúbit "lógico" que pueda sobrevivir si algunas de sus partes fallan. Esto se conoce como corrección de errores cuánticos. El objetivo es llegar a un punto en el que añadir más partes físicas haga que el sistema sea más confiable, en lugar de menos, permitiendo que la computadora funcione durante largos períodos sin colapsar.

Un equipo de investigadores probó recientemente esta idea en un procesador cuántico real y accesible desde la nube fabricado por IBM. Se centraron en un método específico llamado código de superficie, que organiza los cúbits en una cuadrícula para detectar y corregir errores. Aunque la teoría sugiere que hacer la cuadrícula más grande debería reducir drásticamente los errores, el hardware del mundo real es desordenado. Los cúbits no son todos idénticos; algunos son más fuertes, otros más débiles, y el ruido que los afecta cambia con el tiempo. Los investigadores querían ver si podían hacer que esta corrección de errores funcionara mejor en el hardware real mediante el ajuste cuidadoso de cómo opera la máquina, en lugar de confiar únicamente en el diseño teórico. Utilizaron un procesador llamado Nighthawk r2, que tiene una disposición de cuadrícula que se ajusta naturalmente al código de superficie, lo que les permitió probar diferentes configuraciones sin necesidad de pasos adicionales para mover la información.

El equipo descubrió que el rendimiento de la corrección de errores variaba significamente dependiendo de exactamente dónde colocaban su cuadrícula en el chip del procesador. Algunos lugares funcionaban mucho mejor que otros, simplemente porque los cúbits físicos en esos puntos eran de mayor calidad. Para obtener los mejores resultados, tuvieron que elegir sus ubicaciones sabiamente. Una vez seleccionados los mejores lugares, se centraron en el tiempo de las operaciones. En una configuración estándar, la máquina pasa mucho tiempo leyendo el estado de los cúbits "auxiliares" (ancillas) utilizados para detectar errores. Durante este tiempo de lectura, los cúbits de datos principales permanecen inactivos, esperando. Este período de espera es peligroso porque los cúbits de datos pierden su información simplemente por estar ahí sentados. Los investigadores descubrieron que, al utilizar una forma más rápida de leer los cúbits auxiliares y reiniciarlos inmediatamente, podían acortar este tiempo de espera. Este cambio simple redujo significamente los errores en los datos.

También probaron una técnica llamada "eco", que es una secuencia específica de pulsos aplicados a los cúbits de datos que esperan para cancelar el ruido que recogen mientras están inactivos. Esta técnica funcionó muy bien para un tipo de almacenamiento de datos, reduciendo la tasa de error en un 21 por ciento, pero tuvo un efecto menor en el otro tipo. Al combinar la lectura rápida, el reinicio inmediato y los pulsos de eco, crearon una rutina optimizada. Cuando compararon esta nueva rutina con la forma estándar de hacer las cosas, la tasa de error cayó drásticamente. Para un tipo de memoria, los errores se redujeron en una mediana del 73 por ciento, y para el otro, en aproximadamente un 30 por ciento. Esto demostró que los cambios pequeños en cómo se construye y se cronometra el circuito pueden tener un impacto enorme en el resultado final.

Los investigadores luego probaron qué sucede cuando hacen la cuadrícula más grande, aumentando la "distancia" del código, que es una medida de cuántos errores puede tolerar el sistema. En los experimentos cortos, que duraron alrededor de una docena de rondas de verificación de errores, aumentar el tamaño de la cuadrícula funcionó según lo previsto: las cuadrículas más grandes tenían menos errores que las más pequeñas. Esto confirmó que el sistema estaba suprimiendo los errores con éxito a medida que el código crecía. Sin embargo, cuando extendieron el experimento para que funcionara durante mucho más tiempo, hasta 150 rondas, la ventaja de la cuadrícula más grande comenzó a desvanecerse. La tasa de error dejó de caer y comenzó a subir de nuevo.

Este comportamiento a largo plazo reveló un problema oculto. Los investigadores notaron que los errores no eran solo eventos aleatorios e aislados. En su lugar, observaron patrones de errores que persistían y se acumulaban con el tiempo, vinculándose a través de muchas rondas del experimento. Estas correlaciones persistentes sugerían que algo se estaba acumulando en el sistema, quizás un tipo de error que los métodos de corrección estándar no pueden corregir fácilmente. Parecía que, si bien el circuito optimizado era excelente para manejar ráfagas cortas de actividad, le costaba mantener la protección durante períodos prolongados. El estudio concluye que, si bien podemos lograr avances significativos ajustando el hardware y el diseño del circuito, todavía existen desafíos fundamentales para mantener la estabilidad de estos sistemas durante las largas duraciones requeridas para cálculos complejos. El trabajo destaca que construir una computadora cuántica confiable requiere no solo una buena teoría, sino también una comprensión profunda de cómo se comporta la máquina específica en el mundo real, llegando hasta la sincronización de cada pulso individual y la calidad de cada conexión individual.