OmniQEC: discovering practical quantum error-correcting codes by an AI scientist

Stel je voor dat je probeert een superkrachtige computer te bouwen die denkt met de vreemde, wankele regels van de kwantumwereld. Het probleem is dat deze kwantumbits (qubits) ongelooflijk fragiel zijn; een klein fluisteringetje warmte of een ronddwaalend magnetisch veld kan ervoor zorgen dat ze vergeten wat ze aan het doen waren, waardoor een briljante berekening verandert in wartaal. Om dit op te lossen, gebruiken wetenschappers een truc genaamd Quantum Error Correction (QEC). Denk aan het als een team van detectives dat een geheim bericht beschermt. In plaats van het bericht op één stuk papier te schrijven dat zou kunnen scheuren, schrijven ze het over een heel team van mensen. Als één persoon wordt afgeleid of een fout maakt, kunnen de anderen achterhalen wat de oorspronkelijke boodschap had moeten zijn en deze herstellen.

Het ontwerpen van dit "team van detectives" is echter een nachtmerrie. De regels voor hoe ze staan, praten en elkaar controleren, hangen af van de specifieke hardware die je gebruikt, de instrumenten die beschikbaar zijn om naar hun gesprekken te luisteren, en de wiskunde die wordt gebruikt om de boodschap te decoderen. Als je een team ontwerpt dat op papier perfect lijkt, maar niet in de kamer past waar je het in plaatst, faalt het hele systeem. Lange tijd hebben wetenschappers geprobeerd om de perfecte teamstructuur handmatig te vinden, maar het aantal mogelijkheden is zo groot dat het voelt als het zoeken naar een specifiek zandkorreltje in een woestijn. Hier komt een nieuw soort helper in beeld: een Kunstmatige Intelligentie die niet alleen gokt, maar daadwerkelijk leert van de rommelige realiteit van het bouwen van deze computers.

---

Maak kennis met OmniQEC: De AI-architect van Kwantumveiligheid

Ontmoet OmniQEC, een nieuwe "AI-wetenschapper" die is ontworpen om de best mogende kwantumfoutcorrigerende codes voor de echte wereld te ontdekken. In plaats van alleen naar de wiskunde op een whiteboard te kijken, werkt OmniQEC als een onvermoeibare, zelfverbeterende architect die kwantumveiligheidsteams bouwt, test en verfijnt totdat ze klaar zijn voor de klus.

De paper introduceert OmniQEC als een systeem dat het ontdekken van deze codes behandelt als een spel van "genereren, testen en verbeteren". In het hart van dit systeem zit een "dirigent" (een geavanceerd Large Language Model) die een workflow met twee snelheden coördineert. Stel je een chefkok voor die probeert de perfecte soep te maken.

De Snelle Loop: De Smaaktest-Keuken
Eerst voert de AI een "snelle loop" uit. Dit is als een snelle smaaktest. De AI genereert duizenden potentiële recepten (codestructuren) en controleert ze met eenvoudige, goedkope verkortingen. De AI stelt vragen als: "Heeft dit recept het juiste aantal ingrediënten?" of "Is de wiskunde in balans?". Deze controles duren slechts seconden. Als een recept veelbelovend lijkt op basis van deze snelle controles, krijgt het een ticket voor de volgende ronde. Hierdoor kan de AI een enorme bibliotheek aan mogelijkheden scannen zonder erdoor te worden vertraagd.

De Trage Loop: De Volledige Simulatie
Dan komt de "trage loop", en dat is het echte werk. Hier neemt de AI de beste kandidaten uit de snelle loop en bouwt deze verder uit in een gedetailleerde simulatie. Het construeert de werkelijke "syndroom extractie-circuits"—de complexe machinerie die wordt gebruikt om fouten te detecteren—en laat deze door een ruisige, imperfecte omgeving lopen om te zien hoe vaak ze daadwerkelijk falen. Dit is alsof je de soep kookt, deze serveert aan een panel van critici, en ziet of het daadwerkelijk lekker smaakt in een echte eetzaal. Deze stap duurt minuten of zelfs uren per kandidaat, dus de AI is zeer selectief over wie er in deze fase mag komen.

De Magie van Feedback
Het echte genie van OmniQEC is hoe het leert. De resultaten uit de "trage loop" (de simulatie in de echte wereld) worden teruggekoppeld naar de AI-dirigent. Als een recept er geweldig uitzag in de snelle smaaktest, maar faalde in de echte keuken, leert de AI waarom en past het zijn toekomstige gokken aan. Het evolueert zijn eigen redenering en wordt slimmer met elke cyclus. Dit creëert een "traag-snel synergetische workflow" waarbij de AI goedkope verkortingen gebruikt om breed te verkennen, maar dure, nauwkeurige tests gebruikt om de zoektocht naar de echt beste oplossingen te sturen.

Wat ze vonden: De oude kampioenen verslaan

De onderzoekers hebben OmniQEC getest tegen vier verschillende families van kwantumcodes en drie verschillende AI-"hersenen" (Claude, GPT en DeepSeek). Ze stelden strikte budgetten vast voor hoeveel fysieke qubits (de hardwareonderdelen) gebruikt konden worden, variërend van kleine opstellingen tot grotere systemen met tot wel 288 qubits.

De resultaten waren indrukwekkend. OmniQEC ontdekte codes die consequent beter werden in het onderdrukken van fouten naarmate er meer middelen werden toegevoegd. Maar de meest opwindende bevinding was hoe deze nieuwe codes presteerden ten opzien van de huidige "gouden standaard", bekend als de BB-codes (bivariate bicycle codes).

• Toen het team OmniQEC een budget gaf van 98 fysieke qubits, ontdekte de AI een code die de standaard BB-code die 72 fysieke qubits vereist (specifiek de [[72, 12, 6]] code) overtrof.
• Nog indrukwekkender was dat wanneer het budget werd verhoogd naar 240 fysieke qubits, de sterkste code gevonden door de Claude AI de massieve BB-benchmarkcode die 144 fysieke qubits gebruikt (de [[144, 12, 12]] code) versloeg.

Dit suggereert dat door te optimaliseren voor hoe een code daadwerkelijk presteert in een ruisig circuit (in plaats van alleen naar abstracte wiskundige scores te kijken), OmniQEC efficiëntere manieren kan vinden om kwantuminformatie te beschermen.

De valstrik van "goed genoeg" wiskunde

Een van de belangrijkste lessen van de paper is een waarschuwing tegen het vertrouwen op oude shortcuts. Wetenschappers gebruiken vaak een eenvoudige wiskundige score genaamd $\Phi_{code} = kd^2/n$ om codes snel te rangschikken. De paper laat zien dat deze score misleidend kan zijn.

In hun experimenten vond OmniQEC codes die een lagere wiskundige score hadden dan de beroemde BB-codes, maar die in de realiteitssimulaties juist beter presteerden. Het is alsof een student een lager cijfer haalt op een meerkeuzetoets voor de oefenexamen, maar uiteindelijk het echte examen met vlag en wimpel slaagt omdat hij de concepten beter begreep. De paper betoogt dat als je alleen optimaliseert voor de snelle wiskundige score, je de echt beste oplossingen zou kunnen missen. Je moet het volledige plaatje bekijken, inclusief hoe de code omgaat met ruis en decodering.

De kosten van ontdekking

De onderzoekers hebben ook de "prijs" gecontroleerd van het draaien van deze AI. Ze ontdekten dat de kosten van het gebruik van de AI (gemeten in "tokens", wat vergelijkbaar is met de woorden die de AI verwerkt) niet exponentieel stegen simpelweg omdat de codes groter werden. De kosten werden vooral bepaald door welke AI-hersenen ze gebruikten. Bijvoorbeeld, de Claude-backend bood de beste balans tussen prestaties en kosten, terwijl DeepSeek de goedkoopste was maar iets zwakkere codes vond. Dit suggereert dat het vermogen van de AI om te redeneren en te leren van zijn fouten belangrijker is dan de loutere omvang van de code die hij ontwerpt.

Waarom dit belangrijk is

De paper concludeert dat OmniQEC een krachtig nieuw hulpmiddel is voor het "co-ontwerpen" van kwantumcomputers. In plaats van eerst een code te ontwerpen, dan een machine te bouwen, en dan te beseffen dat ze niet bij elkaar passen, ontwerpt OmniQEC de code met de machine in gedachten. Het overbrugt de kloof tussen abstracte wiskunde en de rommelige realiteit van hardware.

Hoewel de resultaten gebaseerd zijn op simulaties en nog niet gebouwd zijn op een fysieke kwantumcomputer, wijzen de bevindingen op een duidelijke weg vooruit. Door AI te gebruiken om door de complexe afwegingen tussen codestructuur, hardwarelimieten en foutdecodering te navigeren, kunnen we praktische, hoogpresterende codes vinden die ons dichter brengen bij het bouwen van een fouttolerante kwantumcomputer die daadwerkelijk werkt. De paper suggereert dat deze aanpak kan worden uitgebreid naar nog meer soorten hardware en codefamilies, wat potentieel het volledige potentieel van kwantumcomputing voor iedereen kan ontsluiten.