← Ultimi articoli
⚛️ fisica quantistica

Resolving and Suppressing Temporally Correlated Noise in Quantum Error Correction

Utilizzando un processore superconduttore a 105 qubit, questo studio dimostra il successo della scalabilità della stabilità del codice di superficie per sopprimere gli errori temporalmente correlati causati dal riscaldamento dei qubit, raggiungendo un record per il valore minimo del limite inferiore dell'errore logico tramite un circuito di stabilità a cammino e ottimizzando le prestazioni attraverso l'estrazione adattiva dei sindromi.

Autore originale: Alec Eickbusch, Nick Noll, Michael Newman, Matt McEwen, Leigh S. Martin, Alexis Morvan, Gabrielle Roberts, Chunyang Ding, Volodymyr Sivak, Nathan Lacroix, Laura De Lorenzo, Felix Borjans, Yan-Cheng We
Pubblicato 2026-11-17
📖 6 min di lettura🧠 Approfondimento

Autore originale: Alec Eickbusch, Nick Noll, Michael Newman, Matt McEwen, Leigh S. Martin, Alexis Morvan, Gabrielle Roberts, Chunyang Ding, Volodymyr Sivak, Nathan Lacroix, Laura De Lorenzo, Felix Borjans, Yan-Cheng Wei, Alexandre Bourassa, Rodrigo G. Cortiñas, Emma Rosenfeld, Vladislav D. Kurilovich, Andreas Bengtsson, Kevin J. Satzinger, Dmitry Abanin, Amira Abbas, Rajeev Acharya, Laleh Aghababaie Beni, Ross Alcaraz, Sayra Alcaraz, Trond I. Andersen, Benjamin Anker, Markus Ansmann, Frank Arute, Kunal Arya, Walt Askew, Nikita Astrakhantsev, Juan Atalaya, Lamia Ateshian, Christopher Ayala, Ryan Babbush, Akim Babenko, Brian Ballard, Joseph C. Bardin, Hector Bates, Majid Bigdeli Karimi, Alexander Bilmes, Simon Bilodeau, Chris Bohn, Pablo Bonilla, Jenna Bovaird, Dylan Bowers, Leon Brill, Peter Brooks, Michael Broughton, David A. Browne, Brett Buchea, Bob B. Buckley, Chris Bunch, Tim Burger, Brian Burkett, Jamal Busnaina, Nicholas Bushnell, Jonas Bylander, Anthony Cabrera, Juan Campero, Hung-Shen Chang, Gloria Chen, Larry Chen, Silas Chen, Federico Chianese, Ben Chiaro, Liang-Ying Chih, Agnetta Y. Cleland, Bryan Cochrane, Matt Cockrell, Josh Cogan, Tom Connolly, Harold Cook, William Courtney, Alexander L. Crook, Ben Curtin, Adam Dally, Martin Damyanov, Sayan Das, Dripto M. Debroy, Sean Demura, Himadri Dey, Leon Ding, Howard A. Dobbs, Ebru Dogan, Paul Donohoe, Ilya Drozdov, Andrew Dunsworth, Rasmus Edholm, Valerie Ehimhen, Aviv Moshe Elbag, Lior Ella, Mahmoud Elzouka, David Enriquez, Catherine Erickson, Lara Faoro, Parvin Fathi, Vinicius S. Ferreira, Marcos Flores, Leslie Flores Burgos, Sam Fontes, Ebrahim Forati, Jeremiah Ford, Brooks Foxen, Masaya Fukami, Alan Wing Lun Fung, Lenny Fuste, Suhas Ganjam, Gonzalo Garcia, Christopher Garrick, Robert Gasca, Helge Gehring, Robert Geiger, Élie Genois, William Giang, Dar Gilboa, James E. Goeders, Edward C. Gonzales, Sofia Gonzalez Garcia, Mike Gore, Raja Gosula, Stijn J. de Graaf, Alejandro Grajales Dau, Dietrich Graumann, Joel Grebel, Alex Greene, Jeremy Grill, Jonathan A. Gross, Jose Guerrero, Loïck Le Guevel, Marika Gugole, Simon Gustavsson, Steve Habegger, Tanner Hadick, Ali Hadjikhani, Michael C. Hamilton, Bianca Hanly, Monica Hansen, Matthew P. Harrigan, Patrick Harrington, Sean D. Harrington, Jeanne Hartshorn, Christian Heslin, Stephen Heslin, Paula Heu, Oscar Higgott, Reno Hiltermann, Devon Hollowood, Mike Hucka, Christopher Hudspeth, Ashley Huff, William J. Huggins, Lev B. Ioffe, Aditya Jayaraman, Evan Jeffrey, Shaun Jevons, Zhang Jiang, Xiaoxuan Jin, Tomas Jochym-O'Connor, Shunnee Joseph, Chaitali Joshi, Kelsey Josund, Kelsey Judd, Pavol Juhas, Andreas Kabel, Hui Kang, Kiseo Kang, Bharath Kannan, Amir H. Karamlou, Ryan Kaufman, Kostyantyn Kechedzhi, Tanuj Khattar, Mostafa Khezri, Seon Kim, Paul V. Klimov, Can M. Knaut, Tom Ko, Bryce Kobrin, Fedor Kostritsa, John Mark Kreikebaum, Ryuho Kudo, Ben Kueffler, Vitali Kutsko, Dylan Lane, Tiano Lange-Dei, Brandon W. Langley, Pavel Laptev, Kim-Ming Lau, Emma Leavell, Justin Ledford, Joy Lee, Kenny Lee, Nathalie de Leon, Brian J. Lester, Wendy Leung, Lily Li, Ming Li, Wing Yan Li, Alexander T. Lill, Mike Lindmark, William P. Livingston, Matthew T. Lloyd, Jing Lu, Erik Lucero, Daniel Lundahl, Aaron Lunt, Donald Macaskill, Sid Madhuk, Brian Maertz, Aniket Maiti, Ashley Maloney, Salvatore Mandrà, Bhavik Markana, Orion Martin, Eric Mascot, Paul Masih Das, Anselme Massimino, Melvin Mathews, Cameron Maxfield, Jarrod R. McClean, Seneca Meeks, Anthony Megrant, Tim Menke, Zlatko K. Minev, Reza Molavi, Sebastian Molina, Shirin Montazeri, William Morong, Wojtek Mruczkiewicz, Aki Nakamura, Konstantin Nesterov, Roselle Ngaloy, Anthony Nguyen, Murray Nguyen, Chia-Hung Ni, Murphy Yuezhen Niu, Sergey Novikov, Ricky Oliver, William D. Oliver, Christopher Olson, Raymond Orosco, Amr Osman, Kristoffer Ottosson, Alice Pagano, Agustin Di Paolo, Seong Hyeon Park, Manan Patel, Sherman Peek, David Peterson, Alex Pizzuto, Thomas Plumb-Reyes, Elias Portoles, Rebecca Potter, Orion Pritchard, Sam Probst, Michael Qian, Chris Quintana, Matthew Rakher, Ganesh Ramachandran, Arpit Ranadive, Armin Razavi, Matthew J. Reagor, Ants Remm, Rachel Resnick, Andrew Reynolds, David M. Rhodes, Daniel Riley, Roberto Rodriguez, Emma Ropes, Lucia B. De Rose, Eliott Rosenberg, Dario Rosenstock, Elizabeth Rossi, Pedram Roushan, David A. Rower, Robert Salazar, Kannan Sankaragomathi, Murat Can Sarihan, Max Schaefer, Sebastian Schroeder, Henry F. Schurkus, Aria Shahingohar, Michael J. Shearn, Aaron Shorter, Vladimir Shvarts, Mauricio Sifontes, Spencer Small, W. Clarke Smith, David A. Sobel, Barrett Spells, Sofia Springer, Praveen Sriram, George Sterling, Scott Stonemeyer, John Su, Jordan Suchard, Philippe Suchsland, Youngkyu Sung, Aaron Szasz, Alexander Sztein, Tomoyuki Tanaka, Madeline Taylor, Jothi Priyanka Thiruraman, Douglas Thor, Brandur Thorgrimsson, Dogan Timucin, Eifu Tomita, Alfredo Torres, M. Mert Torunbalci, Edoardo Trabaldo, Hao Tran, Takahiro Tsunoda, Justin Vargas, Gopinath Vasalamarri, Sergey Vdovichev, Guifre Vidal, Benjamin Villalonga, Jeremy Volkman, Meghan Voorhees, Steven Waltman, Jonathan Waltz, Danni Wang, Shannon X. Wang, Brayden Ware, James D. Watson, Yonghua Wei, Travis Weidel, Tom Westerhout, Theodore White, Dominik Wild, Kristi Wong, Bryan W. K. Woo, Christopher J. Wood, Maddy Woodson, Cheng Xing, Z. Jamie Yao, Ping Yeh, Bicheng Ying, Juhwan Yoo, Noureldin Yosri, Elliot Young, Grayson Young, Adam Zalcman, Ran Zhang, Yaxing Zhang, Yiqing Zhou, Ningfeng Zhu, Nicholas Zobrist, Zhenjie Zou, Alexander N. Korotkov, Sergio Boixo, Hartmut Neven, Kevin C. Miao, Alex Opremcak, Zijun Chen, Cody Jones, Julian Kelly, Dvir Kafri, Charles Neill, Craig Gidney, Yu Chen

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 dall'autore. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Per costruire un computer in grado di risolvere problemi che vanno oltre le capacità delle macchine odierne, gli scienziati stanno cercando di creare un computer quantistico. Questi dispositivi utilizzano le strane regole della fisica quantistica per elaborare informazioni, ma sono incredibilmente fragili. La minima perturbazione causata da calore, vibrazione o radiazioni può far sì che l'informazione si rimescoli e scompaia. Per rendere queste macchine utili, i ricercatori devono costruire un sistema in grado di trovare e correggere automaticamente questi errori mentre accadono, un processo noto come correzione degli errori quantistici.

Il modo standard per testare se questo sistema funzioni è creare un esperimento di "memoria". In questo test, gli scienziati memorizzano un pezzo di informazione e lo controllano ripetutamente alla ricerca di errori, sperando di vedere se il computer possa mantenere i dati al sicuro per un lungo periodo. Tuttavia, questo approccio controlla solo un tipo di errore: quelli che accadono in molte parti della macchina nello stesso istante. I computer quantistici del mondo reale dovranno fare molto più che semplicemente ricordare; dovranno eseguire calcoli complessi. Questi calcoli sono sensibili a un tipo diverso di problema: errori che accadono nello stesso punto ripetutamente con il passare del tempo. Se un computer non può gestire gli errori che persistono nel tempo, fallirà proprio nei compiti per cui è stato costruito.

Un team di ricercatori presso Google Quantum AI e i suoi collaboratori si è posto l'obiettivo di comprendere e risolvere questo problema specifico. Hanno utilizzato un nuovo processore quantistico su larga scala chiamato Willow, che contiene 105 qubit superconduttori, le unità di base dell'informazione quantistica. Inveve di testare solo la memoria, hanno eseguito un esperimento di "stabilità". Questo test è progettato per essere sensibile agli errori che persistono nel tempo, agendo come un'immagine speculare del normale test di memoria. Scalando questo esperimento da piccole griglie di qubit a una griglia 7x7, sono stati in grado di vedere quanto bene il sistema potesse sopprimere questi errori basati sul tempo mentre la macchina cresceva di dimensioni.

I ricercatori hanno scoperto che, all'aumentare delle dimensioni della griglia, il sistema migliorava effettivamente nella soppressione degli errori, ma solo fino a un certo punto. Inizialmente, il tasso di errore diminuiva rapidamente come previsto. Tuttavia, dopo circa dieci cicli di controllo, il miglioramento ha toccato un muro. Il tasso di errore ha smesso di scendere e ha iniziato a stabilizzarsi, un fenomeno che il team ha identificato come un "ginocchio" (knee) nei dati. Costruendo un modello dettagliato del comportamento della macchina, hanno scoperto il colpevole: un tipo specifico di stato quantistico in cui i qubit di dati si stavano accidentalmente riscaldando.

Nel mondo quantistico, un qubit esiste solitamente in uno di due stati, come una moneta che è o testa o croce. Tuttavia, questi qubit fisici possono anche scivolare in stati di energia superiore, simili a una moneta che ruota sul bordo o addirittura che si ribalta in un terzo stato nascosto. I ricercatori hanno scoperto che i loro qubit di dati si stavano occasionalmente riscaldando in un terzo stato eccitato, che chiamano stato |3⟩. Una volta che un qubit rimane bloccato in questo stato, corrompe le misurazioni dei suoi vicini per molti cicli consecutivi, creando una catena di errori che il sistema di correzione standard non può facilmente riparare. Il modello del team, che includeva la fisica di come questi stati superiori si muovano e decadano, corrispondeva perfettamente ai dati sperimentali senza richiedere alcun parametro regolabile, confermando che questo riscaldamento era la causa principale del limite inferiore dell'errore (error floor).

Per risolvere questo problema, il team ha sviluppato un nuovo metodo chiamato circuito di stabilità "camminante" (walking). In un circuito standard, i ruoli dei qubit rimangono fissi: alcuni detengono i dati, mentre altri agiscono come sensori per controllare gli errori. Nel circuito camminante, i ruoli si scambiano avanti e indietro. I qubit di dati diventano sensori e i sensori diventano dati, e questo accade ogni pochi cicli. Fondamentalmente, quando un qubit agisce come sensore, viene resettato in un modo che elimina non solo gli errori normali, ma anche questi stati energetici indesiderati e superiori. Riordinando periodicamente i qubit e resettandoli, il team è stato in grado di espellere le particelle bloccate prima che potessero causare una cascata di errori.

I risultati di questo nuovo approccio sono stati drammatici. Mentre il circuito standard colpiva un muro dove gli errori smettevano di migliorare, il circuito camminante ha continuato a sopprimere gli errori, raggiungendo una probabilità di errore logico inferiore a 3,20 × 10⁻⁸ dopo 60 cicli. Questo è di due ordini di grandezza migliore rispetto al metodo standard allo stesso punto. L'unica cosa che ha impedito al circuito camminante di migliorare ulteriormente è stata una rara e casuale scarica di radiazioni ionizzanti dall'ambiente, che è un limite fondamentale dell'hardware piuttosto che un difetto del design.

I ricercatori hanno anche esplorato un modo per rendere il processo più efficiente utilizzando la "fiducia" del computer stesso per decidere quando fermarsi. In un esperimento tipico, la macchina esegue un numero fisso di cicli. Tuttavia, il team ha scoperto che analizzando i dati in tempo reale, potevano capire quando il sistema fosse abbastanza fiducioso che non rimanessero errori. Se il sistema era pulito, potevano interrompere l'esperimento in anticipo; se era confuso da un'ondata di rumore, potevano attendere più a lungo. Questa strategia adattiva ha ridotto il tempo totale necessario per l'esperimento del 34% e ha abbassato il tasso di errore complessivo del 38%.

Questo lavoro dimostra che testare semplicemente la memoria di un computer quantistico non è sufficiente a garantire che funzioni per calcoli complessi. Il team ha mostrato che gli errori correlati nel tempo, causati da qubit che rimangono bloccati in stati di energia superiore, sono un ostacolo importante che deve essere affrontato. Identificando la causa fisica specifica di questi errori e inventando un circuito che li rimuove attivamente, hanno compiuto un passo significativo verso la costruzione di una macchina in grado di eseguire algoritmi quantistici lunghi e affidabili. Lo studio conferma che, con gli strumenti giusti, questi ostinati errori basati sul tempo possono essere domati, aprendo la strada a processori quantistici più grandi e potenti.

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.

Prova Digest →