⚛️ quantum physics

Error correction on an array of superconducting qubits with defective components

Cet article démontre que l'exclusion des composants sous-performants d'un réseau supraconducteur de 120 qubits réduit considérablement les taux d'erreur logique dans les codes de surface de distance 5, prouvant que l'exclusion de défauts est une stratégie plus efficace pour la mise à l'échelle de l'informatique quantique à l'état solide que l'ignorance des défauts ou l'utilisation d'un décodage tenant compte des défauts.

Auteurs originaux : Julien M. Drouet, Xanda C. Kolesnikow, Campbell K. McLauchlan, Georgia M. Nixon, Seok-Hyung Lee, Dominic J. Williamson, Stephen D. Bartlett, Benjamin J. Brown, Robin Harper

Publié 2026-07-15

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Julien M. Drouet, Xanda C. Kolesnikow, Campbell K. McLauchlan, Georgia M. Nixon, Seok-Hyung Lee, Dominic J. Williamson, Stephen D. Bartlett, Benjamin J. Brown, Robin Harper

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de construire un château massif et complexe avec 120 minuscules briques LEGO lumineuses. Ces briques sont des qubits supraconducteurs, les blocs de construction d'un ordinateur quantique. Dans un monde parfait, chaque brique serait identique, solide et fonctionnerait parfaitement en harmonie. Mais dans le monde réel, la fabrication n'est pas parfaite. Certaines briques sont légèrement fissurées, certains bâtons de colle sont faibles, et quelques briques refusent tout simplement de s'emboîter correctement. Ce sont les « composants défectueux ».

La grande question que les auteurs se sont posée est la suivante : Si vous avez un château avec quelques mauvaises briques, comment faire pour que la structure entière ne s'effondre pas lorsque vous tentez un calcul complexe ?

Les deux stratégies principales

Les chercheurs ont testé deux manières différentes de gérer ces mauvaises briques sur leur processeur de 120 briques « IBM Nighthawk ».

Stratégie 1 : L'approche « Ignorer et espérer » (L'ancienne méthode)
C'est comme regarder votre brique LEGO fissurée et se dire : « Elle a l'air d'aller », puis essayer de construire votre tour autour d'elle quand même. Vous dites au cerveau de l'ordinateur (le décodeur) qu'une brique est un peu bancale, mais vous continuez à l'utiliser. L'article montre que cette approche est faible. Lorsqu'ils ont essayé cela, le château s'est effondré (une erreur logique s'est produite) environ 4,49 % du temps lors de leur test de mémoire. C'est comme essayer de traverser une corde raide avec une chaussure desserrée ; vous réussirez peut-être, mais vous risquez de trébucher.

Stratégie 2 : L'approche « Quarantaine et reconstruction » (La nouvelle méthode)
C'est la découverte principale de l'article. Au lieu d'ignorer les mauvaises briques, ils les excluent activement. Si une brique est trop fissurée ou que la colle est trop faible, ils l'éliminent complètement du plan. Ils réorganisent ensuite les briques saines restantes pour former une nouvelle forme, légèrement différente, qui maintient tout de même le château debout. Ils appellent ces nouvelles structures plus larges des « super-stabilisateurs ». C'est comme prendre une section endommagée d'un pont, retirer les planches abîmées et construire un détour autour d'elles en utilisant uniquement les planches solides qui vous restent.

Les résultats : Un sauvetage spectaculaire

Lorsqu'ils sont passés à la stratégie « Quarantaine et reconstruction », les résultats ont été spectaculaires.

Le test de mémoire : Dans un test où l'ordinateur devait conserver une information (une « expérience de mémoire »), le taux d'erreur est tombé de 4,49 % à 1,62 %. C'est une amélioration de 2,8 fois !
Le test de porte logique : Ils ont également testé des « portes logiques basées sur la mesure », qui sont comme réaliser un tour de magie avec les briques. Sans retirer les parties défectueuses, le tour échouait à chaque fois que le nombre d'étapes augmentait (le taux d'échec ne diminuait pas). Mais en excluant les composants défectueux, le taux d'échec a chuté de 6,3 % par cycle. Le tour a recommencé à fonctionner !

Qu'en est-il du « Décodeur intelligent » ?

L'article argumente explicitement contre l'idée qu'il suffise de dire au cerveau de l'ordinateur : « Hé, cette brique est mauvaise ». Ils ont testé un « décodeur informé par le bruit » qui sait exactement quelles briques sont bancales mais qui essaie quand même de les utiliser.

Le verdict : Cela n'a apporté qu'une amélioration infime et modeste (faisant passer l'erreur de 4,49 % à 4,22 %).
La leçon : Savoir qu'une brique est mauvaise ne suffit pas ; il faut physiquement cesser de l'utiliser. L'article suggère que pour les ordinateurs quantiques à grande échelle, on ne peut pas simplement « réparer par logiciel » une pièce cassée ; il faut pratiquer une « quarantaine matérielle ».

Le mystère de la « Fuite » (Leakage)

Il y avait un dernier rebondissement. Les auteurs ont remarqué que même avec les meilleures stratégies, leur ordinateur faisait plus d'erreurs que ce que leurs simulations prévoyaient. Ils soupçonnent une « fuite » (leakage) — une façon sophistiquée de dire que les briques lumineuses sautent parfois de leur « chambre » désignée (l'espace de calcul) pour se perdre dans un couloir où elles ne peuvent plus être contrôlées.

Pour tester cela, ils ont utilisé une astuce de « post-sélection ». Imaginez prendre une photo de votre château après chaque étape. Si la photo montre qu'une brique a sauté de la chambre, vous jetez cette photo et faites comme si elle n'avait jamais existé.

Le résultat : Lorsqu'ils ont jeté les photos « fuyantes », le taux d'erreur pour leur code de distance 5 (le grand château) est tombé à 0,98 %.
La comparaison : C'était en fait meilleur que le meilleur code de « distance 3 » (un château plus petit et plus simple) qu'ils pouvaient construire, qui présentait un taux d'erreur de 1,26 %.
Le bémol : L'article précise bien que cette « post-sélection » n'est qu'un moyen de prouver le point. Ce n'est pas une solution évolutive pour un véritable ordinateur, car on ne peut pas jeter son travail à chaque fois qu'une brique sort de sa chambre. Les vrais ordinateurs quantiques auront besoin d'un moyen de remettre physiquement les briques dans la chambre, ce que cette machine spécifique (IBM Miami) ne peut pas encore faire.

L'essentiel à retenir

Les auteurs sont convaincus qu'à mesure que nous construirons des ordinateurs quantiques de plus en plus grands, nous aurons inévitablement des pièces défectueuses. Leurs expériences prouvent que l'exclusion active de ces mauvaises pièces et la reconstruction du code autour d'elles est essentiel. Ce n'est pas seulement une idée sympathique ; c'est la seule façon de faire descendre les taux d'erreur suffisamment bas pour accomplir un travail utile.

Ils ont montré qu'en supprimant les composants défectueux, ils pouvaient faire en sorte qu'un code complexe (distance 5) soit plus performant qu'un code plus simple (distance 3) dans des situations spécifiques. Cependant, ils notent également qu'il s'agit d'une « preuve de concept ». Bien que les résultats soient mesurés et réels, le plein potentiel de cette méthode dépend de futurs matériels capables de gérer la « fuite » de manière plus active, plutôt que de simplement jeter les données erronées.

En bref : si vous avez une brique cassée, n'essayez pas de la recoller. Retirez-la, réorganisez le reste, et votre château se dressera bien plus haut.

Résumé Technique : Correction d'erreurs sur un réseau de qubits supraconducteurs avec composants défectueux

Énoncé du problème
Les architectures de calcul quantique à l'état solide nécessitent la fabrication de grands réseaux de qubits couplés. À mesure que ces réseaux augmentent en échelle, les imperfections de fabrication entraînent inévitablement une variabilité dans la performance des composants, résultant en un sous-ensemble de qubits et de coupleurs sous-performants ou défectueux. Ces défauts posent un défi critique pour la correction d'erreurs quantiques (QEC) : des composants hautement bruités peuvent augmenter considérablement les probabilités d'erreurs logiques dans les unités de mémoire et rendre les contrôles de parité pour l'extraction de syndromes peu fiables, introduisant potentiellement des erreurs logiques lors des opérations de porte. Bien que les décodeurs informés par le bruit puissent accommoder des variations mineures, la littérature théorique suggère que lorsque les composants sont excessivement bruités, des stratégies actives modifiant les circuits d'extraction de syndromes pour exclure ces défauts sont nécessaires. Cependant, l'efficacité pratique de telles stratégies sur du matériel réel à grande échelle avec des distributions de défauts non uniformes n'avait pas été démontrée de manière exhaustive.

Méthodologie
Les auteurs ont implémenté et comparé diverses stratégies pour opérer des codes de surface de distance 5 sur le processeur quantique IBM Nighthawk à 120 qubits (ibm_miami). L'étude a utilisé un réseau de type réseau carré où les qubits de données et les qubits de mesure sont partitionnés pour effectuer des mesures de stabilisateurs.

Identification des défauts : L'équipe a caractérisé le dispositif pour identifier les composants sous-performants. Les critères comprenaient :
- Des coupleurs avec des taux d'erreur > 5 % ou manquant de données de calibration.
- Des qubits de mesure avec des taux d'erreur de mesure > 7 %.
- Des qubits de données ayant à la fois des temps $T_1$ et $T_2$ inférieurs à 80 $\mu$ s.
Stratégies comparées :
- Ignorance des défauts (Passive) : Le code standard et le circuit d'extraction de syndrome ont été utilisés sans modification. Le décodage a été effectué soit via un a priori uniforme (non informé), soit via un décodeur BeliefMatching informé par le bruit utilisant l'intégralité des données de calibration.
- Conscience des défauts (Exclusion active) : Le code et les circuits d'extraction de syndrome ont été localement modifiés pour éviter les composants défectueux.
  - Défauts de coupleurs/qubits de mesure : Gérés via le « détournement d'ancilla » (Ref. [19]), où les qubits de mesure voisins effectuent des contrôles de parité supplémentaires pour reconstruire les stabilisateurs originaux, préservant ainsi la distance spatiale du code.
  - Défauts de qubits de données : Gérés via la construction de « super-stabilisateurs » (Ref. [13, 14]), où les stabilisateurs voisins sont fusionnés autour du qubit de données exclu. Cela réduit la distance du code dans au moins une base de Pauli.
- Post-sélection de fuite (Leakage) : Des échantillons ont été post-sélectionnés basés sur les données IQ pour exclure les événements où le qubit a probablement fuité hors du sous-espace de calcul.
Expériences :
- Expériences de mémoire : Lectures répétées de rounds de stabilisateurs (jusqu'à 32) pour mesurer les taux d'erreurs logiques par round dans les bases Pauli-X et Pauli-Z.
- Expériences de stabilité : Conçues pour tester les portes logiques basées sur la mesure en vérifiant qu'un produit de contrôles de stabilisateurs donne une valeur connue (+1). Le taux de défaillance a été analysé en fonction des rounds de mesure pour déterminer si une suppression d'erreur se produisait.

Résultats clés

Performance de la mémoire : L'exclusion active des défauts a produit une réduction spectaculaire des taux d'erreurs logiques par rapport aux approches ignorant les défauts.
- Dans la base Pauli-Z, l'exclusion des coupleurs sous-performants a réduit l'erreur logique par round de 4,49 % (décodeur non informé) à 2,71 %.
- L'exclusion supplémentaire d'un qubit de données sous-performant a réduit le taux d'erreur à 1,62 %.
- En revanche, l'utilisation d'un décodeur informé par le bruit sans exclure les défauts n'a réduit le taux d'erreur qu'à 4,22 %, démontant que le décodage passif n'offre que des gains modestes par rapport à l'exclusion active.
- L'amélioration était moins prononcée dans la base Pauli-X, attribuée à la géométrie spécifique des défauts et à la formation d'un super-stabilisateur de poids 10 requis pour gérer l'exclusion.
Expériences de stabilité : L'exclusion des défauts était critique pour la logique basée sur la mesure.
- Avec l'exclusion active, le taux de défaillance a décroît avec l'augmentation des rounds de mesure, montrant un facteur de suppression $\Gamma = 0,94$ .
- Sans exclusion, le taux de défaillance ne décroît pas ( $\Gamma \geq 1$ ), indiquant que la stratégie de correction d'erreurs introduit des erreurs plus rapidement qu'elle ne peut les corriger.
Atténuation de la fuite (Leakage) : La combinaison de l'exclusion des défauts et de la post-sélection de fuite (coupure à 3 % de probabilité) a davantage réduit les erreurs logiques.
- Dans la base Pauli-Z, le code de distance 5 avec exclusion totale des défauts et post-sélection a atteint un taux d'erreur logique par round de 0,98 %, surpassant le meilleur code de distance 3 (1,26 %) trouvé dans la même empreinte.
Simulation vs Réalité : Les simulations utilisant Stim et des modèles de bruit au niveau du circuit ont capturé les tendances qualitatives mais ont systématiquement prédit des taux d'erreur plus bas que ceux observés, suggérant des sources d'erreurs non modélisées comme la fuite.

Signification et Revendications
Ce document constitue une démonstration de preuve de concept montrant que les méthodes d'exclusion active des défauts sont essentielles pour la mise à l'échelle du calcul quantique à l'état solide. Les auteurs affirment que :

Nécessité des stratégies actives : À mesure que les dispositifs passent à l'échelle, la présence de composants défectueux est inévitable. Se fier uniquement à un décodage informé par le bruit est insuffisant ; la modification active du code pour mettre en quarantaine les composants défectueux est nécessaire pour obtenir une suppression significative des erreurs logiques.
Résurrection de la performance des portes : L'exclusion des défauts est particulièrement vitale pour les opérations logiques basées sur la mesure, qui sont très sensibles à la fiabilité des composants. L'exclusion des défauts « ressuscite » la capacité de suppression des taux de défaillance dans les expériences de stabilité, une capacité perdue lorsque les défauts sont ignorés.
Synergie avec l'atténuation de la fuite : Combiner l'exclusion active des défauts avec la post-sélection de fuite permet à un code de distance 5 de surpasser un code de distance 3, soulignant le potentiel de la tolérance aux fautes scalable lorsque les caractéristiques de bruit du matériel sont co-conçues avec les protocoles de correction d'erreurs.

Les auteurs concluent que bien que leur approche actuelle de post-sélection ne soit pas scalable (car elle rejette des données), les résultats soulignent l'importance de développer des circuits résilients à la fuite et scalables parallèlement aux stratégies d'exclusion active des défauts pour les futurs processeurs quantiques à grande échelle.

Les deux stratégies principales

Les résultats : Un sauvetage spectaculaire

Qu'en est-il du « Décodeur intelligent » ?

Le mystère de la « Fuite » (Leakage)

L'essentiel à retenir

Articles similaires