Evaluating the performance of QEC primitives on quantum processors at large width and depth

Les ordinateurs quantiques promettent de résoudre des problèmes actuellement impossibles pour les machines classiques, de la conception de nouveaux médicaments à la modélisation de systèmes climatiques complexes. Cependant, ces machines sont incroyablement fragiles. Les bits quantiques, ou qubits, qui détiennent l'information sont facilement perturbés par la chaleur, les vibrations et le bruit électromagnétique, ce qui les fait perdre leurs données presque instantanément. Pour construire un ordinateur quantique utile, les scientifiques doivent développer un moyen de protéger cette information, un processus connu sous le nom de correction d'erreurs quantiques. Cette méthode implique de vérifier constamment les qubits pour détecter des erreurs sans détruire l'état quantique délicat, une tâche qui nécessite une séquence complexe d'opérations : mesurer certains qubits pour voir si une erreur s'est produite, les réinitialiser, puis utiliser cette information pour corriger les autres en temps réel. Ces étapes sont difficiles à exécuter de manière fiable et, jusqu'à présent, les tester était lent, coûteux et nécessitait des quantités massives de temps de calcul.

Une équipe de chercheurs a introduit une nouvelle façon efficace de tester la capacité de différents processeurs quantiques à gérer ces étapes critiques de correction d'erreurs. Au lieu d'exécuter des expériences de correction d'erreurs complètes et gourmandes en ressources qui pourraient prendre des jours ou échouer à produire des résultats clairs, l'équipe a développé un raccourci utilisant un type spécifique d'algorithme appelé l'Algorithme d'Optimisation Approchée Quantique. Ils ont adapté cet algorithme pour que sa structure imite exactement le schéma de connexions et de mesures utilisé dans la correction d'erreurs, mais avec une nuance : l'algorithme produit un signal clair et mesurable qui s'affaiblit à mesure que les erreurs s'accumulent. En exécutant cet algorithme adapté sur divers processeurs quantiques, les chercheurs ont pu évaluer rapidement à quel point les machines se dégradent lorsqu'elles sont contraintes d'effectuer la tâche difficile de mesurer et de réinitialiser les qubits au milieu du circuit. Cette approche permet aux scientifiques de comparer différentes générations et architectures de matériel sans avoir besoin des ressources immenses requises pour une démonstration complète de correction d'erreurs.

L'équipe de chercheurs a testé sa méthode sur dix processeurs quantiques différents provenant de trois principaux fabricants : IBM, IQM et Quantinuum. Ils ont commencé par un test simple impliquant une chaîne de qubits pour voir comment la performance changeait à mesure qu'ils ajoutaient des mesures de milieu de circuit. Ils ont constaté que sur certaines machines, le signal restait fort même lorsque la chaîne s'allongeait, tandis que sur d'autres, la performance chutait brutalement. En traduisant la dégradation du signal de l'algorithme en un chiffre unique représentant un taux d'erreur effectif, ils ont pu comparer directement le coût de l'utilisation des mesures de milieu de circuit entre différents dispositifs. Par exemple, sur les machines d'IBM, le coût supplémentaire de l'exécution de ces mesures était nettement plus élevé que le coût des opérations standards, alors que sur les machines à ions piégés de Quantinuum, le coût additionnel était beaucoup plus faible et comparable aux erreurs trouvées dans les portes à deux qubits standards.

L'étude est allée plus loin en testant la méthode contre de véritables codes de correction d'erreurs, incluant le code de surface et le code de couleur, qui sont des candidats de premier plan pour construire des ordinateurs quantiques tolérants aux fautes. L'équipe a exécuté ces tests sur des dispositifs possédant jusqu'à 91 qubits de données, une échelle qui serait extrêmement difficile à tester avec les méthodes traditionnelles. Ils ont découvert que ce nouveau benchmark pouvait distinguer différentes générations de matériel et même identifier quelles parties d'une seule puce étaient plus performantes que d'autres. Dans une étape de validation cruciale, ils ont comparé les résultats de leur benchmark rapide avec les résultats d'une expérience de mémoire de correction d'erreurs complète et lente exécutée sur le même processeur IBM. Ils ont trouvé une forte corrélation : les régions de la puce qui performaient bien dans le benchmark rapide présentaient également les taux d'erreur les plus bas dans l'expérience de mémoire complète. Cela suggère que la nouvelle méthode peut prédire de manière fiable la capacité d'un processeur quantique à gérer les exigences complexes de la correction d'erreurs.

Les chercheurs ont également déterminé combien de fois ils devaient exécuter ces tests pour obtenir une réponse fiable. Ils ont constaté que pour la plupart des dispositifs, seulement quelques dizaines à quelques centaines d'exécutions suffisaient pour déterminer si la machine préservait encore le signal algorithmique ou si elle avait sombré dans le bruit aléatoire. Il s'agit d'une réduction spectaculaire par rapport aux milliers ou millions d'exécutions souvent nécessaires pour les tests traditionnels. L'étude indique qu'à mesure que le matériel s'améliore et que les taux d'erreur diminuent, les tests devront être exécutés plus profondément et avec plus de couches pour voir les différences, mais la méthode reste efficace. En fournissant un moyen pratique et à faible coût d'évaluer la préparation du matériel quantique pour la correction d'erreurs, ce travail offre un outil vital pour suivre les progrès dans le domaine. Il permet aux chercheurs et organisations indépendants d'évaluer si les nouveaux processeurs quantiques progressent réellement vers l'objectif de la tolérance aux fautes, sans avoir à attendre la complétion des expériences de mémoire logique complètes et coûteuses.