Resolving and Suppressing Temporally Correlated Noise in Quantum Error Correction
En utilisant un processeur supraconducteur de 105 qubits, cette étude démontre la mise à l'échelle réussie de la stabilité du code de surface pour supprimer les erreurs temporellement corrélées causées par le chauffage des qubits, atteignant un plancher d'erreur logique record via un circuit de stabilité de type « walking » et optimisant les performances grâce à une extraction de syndrome adaptative.
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 l'auteur. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Pour construire un ordinateur capable de résoudre des problèmes hors de portée des machines d'aujourd'hui, les scientifiques tentent de créer un ordinateur quantique. Ces dispositifs utilisent les règles étranges de la physique quantique pour traiter l'information, mais ils sont incroyablement fragiles. Le moindre dérangement causé par la chaleur, les vibrations ou le rayonnement peut provoquer le brouillage et la disparition de l'information. Pour rendre ces machines utiles, les chercheurs doivent construire un système capable de trouver et de corriger automatiquement ces erreurs au fur et à mesure qu'elles se produisent, un processus connu sous le nom de correction d'erreurs quantiques.
La méthode standard pour tester si ce système fonctionne consiste à créer une expérience de « mémoire ». Dans ce test, les scientifiques stockent une information et vérifient de manière répétée sa présence d'erreurs, espérant voir si l'ordinateur peut préserver les données pendant une longue période. Cependant, cette approche ne vérifie qu'un seul type de faute : les erreurs qui se produisent dans plusieurs parties de la machine au même instant. Les ordinateurs quantiques du monde réel devront faire plus que simplement mémoriser ; ils devront effectuer des calculs complexes. Ces calculs sont sensibles à un autre type de problème : les erreurs qui se produisent au même endroit de manière répétée au fil du temps. Si un ordinateur ne peut pas gérer les erreurs qui persistent dans le temps, il échouera aux tâches mêmes pour lesquelles il a été conçu.
Une équipe de chercheurs de Google Quantum AI et de leurs collaborateurs s'est donné pour mission de comprendre et de résoudre ce problème spécifique. Ils ont utilisé un nouveau processeur quantique à grande échelle appelé Willow, qui contient 105 qubits supraconducteurs, les unités de base de l'information quantique. Au lieu de simplement tester la mémoire, ils ont réalisé une expérience de « stabilité ». Ce test est conçu pour être sensible aux erreurs qui persistent dans le temps, agissant comme un miroir de l'expérience de mémoire standard. En faisant passer cette expérience de petites grilles de qubits à une grille de 7 par 7, ils ont pu observer comment le système pouvait supprimer ces erreurs liées au temps à mesure que la machine grandissait.
Les chercheurs ont découvert qu'en augmentant la taille de la grille, le système devenait effectivement meilleur pour supprimer les erreurs, mais seulement jusqu'à un certain point. Initialement, le taux d'erreur chutait rapidement comme prévu. Cependant, après environ dix cycles de vérification, l'amélioration a frappé un mur. Le taux d'erreur a cessé de chuter et a commencé à stagner, un phénomène que l'équipe a identifié comme un « genou » dans les données. En construisant un modèle détaillé du comportement de la machine, ils ont découvert le coupable : un type spécifique d'état quantique dans lequel les qubits de données s'échauffaient accidentellement.
Dans le monde quantique, un qubit existe généralement dans l'un des deux états, comme une pièce qui est soit pile, soit face. Cependant, ces qubits physiques peuvent également glisser vers des états d'énergie plus élevés, semblables à une pièce qui tournerait sur sa tranche ou même basculerait dans un troisième état caché. Les chercheurs ont découvert que leurs qubits de données s'échauffaient occasionnellement vers un troisième état excité, qu'ils appellent l'état |3⟩. Une fois qu'un qubit reste bloqué dans cet état, il corrompt les mesures de ses voisins pendant de nombreux cycles consécutifs, créant une chaîne d'erreurs que le système de correction standard ne peut pas facilement corriger. Le modèle de l'équipe, qui incluait la physique de la façon dont ces états supérieurs se déplacent et se désintègrent, correspondait parfaitement aux données expérimentales sans nécessiter de paramètres ajustables, confirmant que cet échauffement était la cause principale du plancher d'erreur.
Pour résoudre cela, l'équipe a développé une nouvelle méthode appelée circuit de stabilité « errant » (walking stability circuit). Dans un circuit standard, les rôles des qubits restent fixes : certains détiennent les données, tandis que d'autres servent de capteurs pour vérifier les erreurs. Dans le circuit errant, les rôles s'inversent de façon alternée. Les qubits de données deviennent des capteurs, et les capteurs deviennent des données, et cela se produit tous les quelques cycles. Crucialement, lorsqu'un qubit agit comme un capteur, il est réinitialisé de manière à éliminer non seulement les erreurs normales, mais aussi ces états d'énergie supérieurs indésirables. En mélangeant périodiquement les qubits et en les réinitialisant, l'équipe a pu évacuer les particules bloquées avant qu'elles ne provoquent une cascade d'erreurs.
Les résultats de cette nouvelle approche ont été spectaculaires. Alors que le circuit standard heurtait un mur où les erreurs cessaient de s'améliorer, le circuit errant a continué à supprimer les erreurs, atteignant une probabilité d'erreur logique de moins de 3,20 × 10⁻⁸ après 60 cycles. C'est deux ordres de grandeur de mieux que la méthode standard au même point. La seule chose qui a empêché le circuit errant de s'améliorer davantage était une bouffée rare et aléatoire de rayonnement ionisant provenant de l'environnement, ce qui est une limite fondamentale du matériel plutôt qu'un défaut de conception.
Les chercheurs ont également exploré un moyen de rendre le processus plus efficace en utilisant la propre « confiance » de l'ordinateur pour décider quand s'arrêter. Dans une expérience typique, la machine effectue un nombre fixe de cycles. Cependant, l'équipe a découvert qu'en analysant les données en temps réel, elle pouvait déterminer quand le système était assez confiant pour dire qu'aucune erreur ne subsistait. Si le système était propre, ils pouvaient s'arrêter plus tôt ; s'il était confus par une bouffée de bruit, ils pouvaient attendre plus longtemps. Cette stratégie adaptative a réduit le temps total nécessaire à l'expérience de 34 % et a abaissé le taux d'erreur global de 38 %.
Ce travail démontre que tester simplement la mémoire d'un ordinateur quantique ne suffit pas à garantir qu'il fonctionnera pour des calculs complexes. L'équipe a montré que les erreurs corrélées dans le temps, causées par des qubits restant bloqués dans des états d'énergie plus élevés, constituent un obstacle majeur qui doit être abordé. En identifiant la cause physique spécifique de ces erreurs et en inventant un circuit qui les élimine activement, ils ont franchi une étape importante vers la construction d'une machine capable d'exécuter des algorithmes quantiques longs et fiables. L'étude confirme qu'avec les bons outils, ces erreurs tenaces liées au temps peuvent être maîrisées, ouvrant la voie à des processeurs quantiques plus grands et plus puissants.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.