Error-Corrected Memory and Logic on a Heavy-Hex Superconducting-Qubit Processor
Questo articolo dimostra che è possibile ottenere una memoria e una logica quantistica tolleranti ai guasti ad alte prestazioni su un processore superconduttore eterogeneo da 156 qubit impiegando strategie informate dal rumore, tra cui la riprogettazione dinamica del codice, l'esclusione dei componenti e tecniche di decodifica avanzate, che riducono significativamente i tassi di errore logico e aumentano le fedeltà di Bell oltre il 97%.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
La ricerca di un computer quantistico utile è spesso descritta come una corsa contro il rumore. Nel mondo quantistico, le informazioni sono racchiuse in stati fragili che possono essere facilmente sconvolti dalla minima perturbazione dell'ambiente. Per proteggere queste informazioni, gli scienziati utilizzano una tecnica chiamata correzione degli errori, che distribuisce un singolo pezzo di dati su molti componenti fisici. Se un componente fallisce, gli altri possono rivelare l'errore e correggerlo senza distruggere i dati. Questo approccio è essenziale per scalare le macchine quantistiche, ma richiede un numero enorme di componenti che lavorino in perfetta armonia. La sfida è che le macchine del mondo reale non sono mai perfette; i minuscoli circuiti superconduttori utilizzati per memorizzare l'informazione quantistica presentano spesso lievi variazioni nelle loro prestazioni, e alcuni componenti sono semplicemente guasti o molto più rumorosi di altri. Se un computer non potesse tollerare questi difetti, il processo di produzione sarebbe così dispendioso che costruire una macchina grande sarebbe impossibile.
Un team di ricercatori ha dimostrato un modo per far funzionare efficacemente un grande processore quantistico anche quando contiene parti difettose. Utilizzando un chip superconduttore a 156 qubit noto come IBM Boston, hanno eseguito un complesso esperimento di correzione degli errori su tutto il dispositivo. Invece di cercare di forzare le parti rotte a funzionare, hanno sviluppato una strategia per ignorarle semplicemente. Mappando quali componenti stavano performando male e riprogettando il programma di misurazione per aggirarli, il team è riuscito a mantenere alte prestazioni. Hanno scoperto che escludendo le parti con le prestazioni peggiori e utilizzando un programma per computer intelligente per interpretare i risultati, potevano ridurre significativamente il tasso di errori. Nei test progettati per memorizzare informazioni, questo approccio ha migliorato l'affidabilità della memoria fino al 35 percento. Nei test progettati per eseguire operazioni logiche, il miglioramento è stato ancora più drammatico, raggiungendo il 56 percento. I ricercatori hanno anche dimostrato che filtrando gli esperimenti in cui i dati erano probabilmente corrotti da un tipo specifico di guasto chiamato "leakage" (perdita di stato), potevano ottenere un'altissima fedeltà nella creazione di stati entangled, con tassi di successo superiori al 97 percento nelle corse post-selezionate.
L'esperimento è stato condotto su un chip con una disposizione unica chiamata reticolo heavy-hexagonal, che collega i qubit in un modello specifico che è più facile da fabbricare ma più difficile da usare per la correzione degli errori rispetto a una semplice griglia. I ricercatori hanno utilizzato un codice dinamico, un metodo che cambia il modo in cui controlla gli errori nel tempo, permettendogli di adattarsi alle irregolarità del chip. Hanno identificato due aree specifiche sul chip dove i componenti erano costantemente meno performanti, con tassi di errore molto più alti rispetto al resto del dispositivo. Piuttosto che scartare l'intero chip, hanno riprogettato il protocollo di correzione degli errori per evitare completamente queste aree. Ciò ha comportato la creazione di nuovi controlli, leggermente più ampi, che saltavano sopra i componenti difettosi, intrecciando efficacemente la correzione degli errori attorno ai buchi nel tessuto della macchina.
Per dare senso ai dati provenienti dal chip, il team ha impiegato una sofisticata strategia di decodifica. Hanno utilizzato un metodo chiamato ACES per misurare i modelli di rumore specifici del circuito nel giorno dell'esperimento, creando una mappa dettagliata di dove era probabile che si verificassero errori. Questa mappa è stata fornita a un decoder, un algoritmo di un computer classico che agisce come un traduttore, interpretando i segnali grezzi dal chip quantistico per determinare se si era verificato un errore e come correggerlo. I ricercatori hanno scoperto che l'uso di queste informazioni sul rumore dettagliate e in tempo reale era molto più efficace rispetto all'uso di tassi di errore generici e medi. Tuttavia, hanno anche scoperto che, anche con la migliore mappa del rumore, la presenza di componenti difettosi poneva un limite netto alle prestazioni. Il decoder non poteva compensare completamente le parti difettose; l'unico modo per superarle era escluderle fisicamente dal calcolo.
Il team ha testato il proprio approccio in tre modi diversi. In primo luogo, hanno eseguito esperimenti di memoria, in cui hanno memorizzato uno stato quantistico e controllato quanto bene sopravviveva nel tempo. Hanno scoperto che escludendo i componenti difettosi e utilizzando il loro decoder informato sul rumore, il tasso di errore logico diminuiva significamente. Nei casi migliori, la probabilità di errore per round di misurazione è stata ridotta tra il 2,56 e il 4,11 percento. Questo è stato un miglioramento sostanziale rispetto all'uso dei componenti difettosi o all'uso di modelli di rumore meno accurati. In secondo luogo, hanno testato la stabilità del sistema eseguendo la correzione degli errori per molti round per vedere se il sistema potesse sopprimere gli errori nel tempo. Senza escludere i difetti, il tasso di errore smetteva di migliorare dopo circa 12 round, raggiungendo un plateau. Con l'esclusione dei componenti difettosi, il tasso di errore continuava a scendere fino a 30 round, dimostrando che il sistema poteva realmente sopprimere gli errori quando le parti difettose venivano rimosse.
Infine, i ricercatori hanno testato la capacità della macchina di eseguire operazioni logiche, specificamente un processo chiamato "lattice surgery" (chirurgia del reticolo), che permette a due qubit logici separati di fondersi e interagire. Questo è un passaggio critico per eseguire calcoli complessi. Hanno scoperto che filtrando le corse in cui lo stato iniziale era probabilmente uscito dallo spazio computazionale sicuro, potevano ottenere risultati di altissima qualità. Quando hanno combinato questa pre-selezione con una tecnica di post-selezione che manteneva solo gli esiti più sicuri, sono stati in grado di generare stati entangled con una fedeltà superiore al 97 percento. Ciò significa che gli stati quantistici risultanti erano estremamente vicini agli ideali stati teorici, un livello di qualità necessario per i futuri computer quantistici su larga scala.
Lo studio evidenzia una lezione cruciale per il futuro del calcolo quantistico: la perfezione nella produzione non è strettamente necessaria per raggiungere alte prestazioni. Sebbene i componenti su un chip varieranno sempre e alcuni saranno inevitabilmente guasti, il sistema può essere progettato per lavorare attorno a questi difetti. I ricercatori hanno dimostrato che combinando l'esclusione attiva dei difetti con una decodifica intelligente e un filtraggio accurato, un processore quantistico può mantenere un'alta fedeltà anche lavorando con hardware imperfetto. Questo approccio suggerisce che, man mano che i chip quantistici diventano più grandi e complessi, la capacità di tollerare e lavorare attorno ai difetti sarà importante quanto la qualità grezza dei singoli componenti. Il lavoro fornisce una via pratica per costruire computer quantistici utili sull'hardware di generazione attuale, provando che alte prestazioni sono possibili anche quando la macchina non è perfetta.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.