⚛️ quantum physics

Sampling hard circuits with verifiably high fidelity

Dit artikel introduceert een methode die gebruikmaakt van gestructureerde, foutgecorrigeerde circuits om simultaan bewijsbaar computationele hardheid, hoogwaardige kwantumtoestandsgeneratie en verifieerbare fideliteitscertificering te bereiken, gedemonstreerd experimenteel met een 70-qubit Clifford-circuit dat een ondergrens voor de staatfideliteit van 0,284 oplevert.

Oorspronkelijke auteurs: Simon Martiel, Jay-U Chung, Alireza Seif, Soumik Ghosh, Ian Hincks, Abhinav Deshpande, Bill Fefferman, Jay M. Gambetta, Ali Javadi-Abhari

Gepubliceerd 2026-07-29

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Simon Martiel, Jay-U Chung, Alireza Seif, Soumik Ghosh, Ian Hincks, Abhinav Deshpande, Bill Fefferman, Jay M. Gambetta, Ali Javadi-Abhari

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je probeert te bewijzen dat een nieuwe, supersnelle racewagen echt sneller is dan de beste wielrenners ter wereld. Je kunt niet simpelweg zeggen "hij ziet er snel uit"; je moet ze daadwerkelijk tegen elkaar laten racen. Maar hier komt de crux bij: de racewagen is zo complex en fragiel dat als je hem te snel bestuurt, hij uit elkaar begint te trillen, en als je probeert de snelheid te meten met een standaard stopwatch, de stopwatch zelf kapot kan gaan of een verkeerde meting kan geven. Dit is de huidige staat van quantumcomputing. Wetenschappers hebben machines gebouwd met honderden kleine "qubits" die berekeningen kunnen uitvoeren die onmogelijk zijn voor normale computers, maar deze machines zijn luidruchtig en foutgevoelig. De grote vraag is: hoe bewijzen we dat we daadwerkelijk een quantum-berekening uitvoeren die een klassieke computer niet kan kopiëren, zonder dat de eigen fouten van de machine het bewijs verpesten?

Om de oplossing te begrijpen, moeten we een paar dingen weten. Ten eerste is "sampling" (steekproeven trekken) als het miljoenen keren rollen met een vreemde, veelzijdige dobbelsteen om te zien welke getallen er vallen. Quantumcomputers zijn erg goed in het rollen van deze dobbelstenen op manieren die voor normale computers ongelooflijk moeilijk te voorspellen zijn. Ten tweede is "fidelity" (getrouwheid) gewoon een chic woord voor "hoezeer het resultaat overeenkomt met wat we verwachtten". Als een quantumcomputer luidruchtig is, is het resultaat "lage fidelity", zoals een wazige foto. Ten slotte is "error detection" (foutdetectie) een manier om te controleren of de machine een fout heeft gemaakt tijdens de race. Als de machine een fout heeft gemaakt, kunnen we dat specifieke race-resultaat weggooien en het opnieuw proberen, waarbij we alleen de schone resultaten bewaren. De uitdaging was dat de methoden die gebruikt worden om fouten te controleren, de quantumcomputer vaak te traag of te simpel maken om interessant te zijn, terwijl de supermoeilijke problemen meestal te rommelig zijn om fouten te controleren.

Dit artikel introduceert een slimme nieuwe manier om dit puzzelstukje op te lossen. De onderzoekers, werkend met de quantumprocessors van IBM, creëerden een speciaal type quantumcircuit dat zowel ongelooflijk moeilijk is voor klassieke computers om te simuleren als ook een ingebouwde "waarheidsdetector" heeft. Ze noemen deze methode "Doped Clifford Sampling" (DCS). Denk aan een standaard quantumcircuit als een enorme, perfect symmetrische sneeuwvlok. Het is prachtig en gemakkelijk te beschrijven, maar een klassieke computer kan gemakkelijk uitzoeken hoe het eruit ziet. Om het moeilijk te maken, hebben de wetenschappers de sneeuwvlok "gedoteerd" met een paar speciale, rommelige ingrediënten (genaamd T-gates) die de symmetrie doorbreken. Dit maakt het patroon zo complex dat geen enkele supercomputer de uitkomst kan voorspellen.

De truc zit in de manier waarop ze het resultaat hebben geverifieerd. Normaal gesproken maakt het toevoegen van die rommelige ingrediënten het onmogelijk om te controleren of de machine correct werkt. Maar het team gebruerde een speciale "ruimtetijdcode", wat lijkt op het omwikkelen van de sneeuwvlok met een beschermend, zelf-controlerend net. Dit net heeft sensoren (genaamd syndromen) die kunnen detecteren of een stukje van de sneevlok tijdens de race is gebroken. Als de sensoren zeggen "alles oké", houden ze het resultaat; als ze zeggen "gebroken", gooien ze het weg. Omdat de rommelige ingrediënten op zeer specifieke plekken zijn toegevoegd die het net niet breken, kon het team bewijzen dat de "alles oké"-resultaten daadwerkelijk hoogwaardige quantumtoestanden waren.

In hun experiment bouwden ze een circuit met 70 qubits (de wielen van de racewagen) en draalden het 70 stappen diep, waarbij ze 468 van die speciale "rommelige" T-gates toevoegden. Ze gebruikten in totaal 97 fysieke qubits om hun beschermende net te creëren. Na het filteren van de fouten slaagden ze erin een quantumtoestand met een "fidelity lower bound" van 0,284 te produceren. Dit betekent dat ze voor 95% zeker zijn dat het resultaat dat ze kregen minstens 28,4% vergelijkbaar is met het perfecte, theoretische resultaat. Hoewel dat laag mag klinken, is het in de wereld van luidruchtige quantumcomputers een enorme prestatie, omdat het bewijst dat ze succesvol een complexe, foutgecontroleerde berekening hebben uitgevoerd die een klassieke computer een onmogelijke hoeveelheid tijd zou kosten om na te bootsen.

Het team heeft niet alleen gegokt dat dit werkte; ze hebben het op verschillende manieren gevalideerd. Ze controleerden kleinere versies van het experiment waarbij ze de resultaten direct konden meten en vonden dat hun methode standhield. Ze toonden ook aan dat de "ruis" in hun machine de werking van het beschermende net niet veranderde, zelfs niet na het toevoegen van de rommelige ingrediënten. Ze schatten dat het simuleren van hun specifieke experiment op een klassieke computer onhaalbaar zou zijn voor de huidige technologie, waarmee ze effectief een "quantum advantage" demonstreerden waarbij de quantummachine iets doet wat een klassieke niet kan, terwijl ze tegelijkertijd een certificaat leveren dat zegt: "Ja, dit is echt, en hier is het bewijs."

Dit werk is een belangrijke stap voorwaarts omdat het de brug slaat tussen twee werelden: de wereld van "moeilijke" problemen die quantumsuperioriteit bewijzen, en de wereld van "betrouwbare" computing die we nodig hebben voor de toekomst. Het laat zien dat we niet hoeven te kiezen tussen het doen van iets dat onmogelijk te simuleren is en het doen van iets waar we op kunnen vertrouwen. Door het gebruik van deze gestructureerde, foutgecontroleerde circuits hebben de onderzoekers een deur geopend naar het uitvoeren van diepere, complexere quantum-berekeningen die we daadwerkelijk kunnen verifiëren, waardoor we dichter bij de dag komen waarop quantumcomputers echte problemen kunnen oplossen zonder dat we alleen op hun woord hoeven te vertrouwen.

Probleemstelling

Het demonstreren van kwantumvoordeel via sampling-gebaseerde voorstellen (bijv. Random Circuit Sampling) staat in het huidige tijdperk van nabije termijn (near-term) voor twee kritieke knelpunten:

Foutonderdrukking: Het vergroten van de omvang van circuits om klassieke hardheid te bereiken, vergroot doorgaans de hardware-ruis, wat leidt tot een triviale en klassiek simuleerbare outputverdeling. Bestaande hardware-vriendelijke voorstellen missen een lage-overhead foutbescherming, terwijl gestructureerde voorstellen moeilijk te mappen zijn op near-term hardware in klassiek harde regimes.
Verificatie: Het verifiëren dat een complexe kwantumcomputatie met een hoge fidelity is uitgevoerd, is moeilijk. Het oplossen van de fidelity in breed verdeelde outputs vereist een prohibitief aantal samples. Bestaande benchmarks (zoals Cross-Entropy Benchmarking, XEB) vertrouwen op sterke aannames over ruis (bijv. ruimtelijke homogeniteit, temporele onafhankelijkheid) of vereisen dure klassieke simulatie om als proxy te dienen.

De auteurs streven naar een protocol dat tegelijkertijd bewijsbaar klassieke hardheid, hoog-fideliteits uitvoering via foutdetectie en device-afhankelijke verificatie bereikt met zwakkere ruis-aannames dan huidige benchmarks.

Methodologie: Doped Clifford Sampling (DCS)

De auteurs stellen een protocol voor genaamd Doped Clifford Sampling (DCS), dat gestructureerde Clifford-circuits combineert met niet-Clifford "magic" resources, die allemaal gecodeerd zijn binnen een spacetime-code.

1. Circuitconstructie:

Clifford Backbone: Het experiment begint met een willekeurig, sterk verstrengeld Clifford-circuit (specifiek een brickwork-patroon van diepte $n$ op $n$ qubits). Deze structuur is gekozen omdat deze efficiënt kan worden gecodeerd en de output-fidelity direct gemeten kan worden.
Spacetime Encoding: Het Clifford-circuit wordt gecodeerd met behulp van spacetime-codes. Dit houdt in dat er ancilla-qubits worden toegevoegd om Pauli-checks (syndroommetingen) uit te voeren die verspreid zijn over zowel ruimte als tijd. Deze checks detecteren fouten door syndromen te meten; shots met niet-nul syndromen worden gepost-geselecteerd (weggegooid). Dit projecteert de toestand effectief in een laag-foutieve subspace.
T-gate Doping: Om klassieke hardheid te introduceren, wordt het circuit "gedoteerd" met niet-Clifford $T$ $T$ -gates. Cruciaal is dat deze $T$ $T$ -gates alleen worden geplaatst op spacetime-draden die commuten met de code-stabilizers (specifiek, ze commuten met de back-cumulanten van de Pauli-checks).
- Omdat de $T$ -gates commuten met de checks, veranderen ze de syndroomverdeling niet.
- Op supergeleidende hardware worden $Z$ -rotaties (inclusief $T$ -gates) virtueel geïmplementeerd via frame tracking, wat betekent dat ze verwaarloosbare extra ruis introduceren.

2. Fidelity Certificeringslogica:
De kerninnovatie is een methode om de fidelity van de harde, gedoteerde toestand ( $F_2$ ) te ondergrenzen met behulp van de meetbare fidelity van de ongedoteerde Clifford-toestand ( $F_1$ ).

Invariantie: Omdat $T$ -gates commuten met de checks, blijft de set geaccepteerde fouten (syndromen) identiek voor zowel de gedoteerde als de ongedoteerde circuits.
Harmlos vs. Schadelijk: In het ongedoteerde Clifford-circuit zijn sommige fouten "onschadelijk" (ze stabiliseren de toestand) en sommige zijn "schadelijk". Doping kan potentieel een voorheen onschadelijke fout omzetten in een schadelijke fout, wat de fidelity vermindert.
De Grens: De auteurs bewijzen dat de kans dat een onschadelijke fout wordt omgezet in een schadelijke fout asymptotisch klein is (omgekeerd polynomiaal in $n$ ) voor willekeurige Clifford-circuits.
Resultaat: De fidelity van de gedoteerde toestand wordt ondergrensd door:
$F_2 \ge F_1 - \text{Pr}(\text{harmless} \mid \text{accepted})$
Dit stelt de auteurs in staat om $F_2$ te schatten zonder de harde gedoteerde circuit te hoeven simuleren, door enkel te vertrouwen op de meetbare $F_1$ en een theoretische grens op foutconversie.

Experimentele Resultaten

Het protocol werd gedemonstreerd op een 70-qubit, diepte-70 Clifford-circuit gedoteerd met 468 $T$ -gates, uitgevoerd op een IBM supergeleidende processor (IBM Boston) met gebruik van 97 fysieke qubits (70 data + 27 ancilla).

Foutonderdrukking: Syndroom post-selectie onderdrukte de gate-foutpercentages met een factor 10 $\times$ vergeleken met het fysieke foutpercentage. De gecodeerde Clifford referentie-toestand bereikte een fidelity van 0,32(1) (0,57(2) met readout mitigatie).
Fidelity Ondergrens: Op basis van de gemeten Clifford fidelity en de geschatte kans op onschadelijke foutconversie (0,013), stelden de auteurs een 95% betrouwbaarheidsondergrens van 0,284 vast voor de fidelity van de klassiek harde, gedoteerde toestand.
Klassieke Hardheid: Het experiment genereerde ~2.000 samples in 16 minuten. De auteurs schatten dat deze instantie onhaalbaar is voor huidige tensor-netwerk en stabilizer-gebaseerde algoritmen.
- Tensor Netwerken: Het circuit vertoont een hoge verstrengeling (minimale bipartiete rang van 30), wat vereist dat bond-dimensies ( $2^{30}$ ) de geheugencapaciteit van huidige frontier supercomputers overschrijden.
- Stabilizer Decompositie: Met 468 $T$ -gates is de stabilizer-rang te hoog voor efficiënte simulatie ( $\Omega(2^{0,228 \times 468})$ ).
Validatie: De fidelity-ondergrens werd gevalideerd in tussenliggende regimes (lage en medium $T$ -counts) met behulp van Direct Fidelity Estimation (DFE) en Cross-Entropy Benchmarking (XEB), wat bevestigt dat de theoretische grens standhoudt.

Belangrijkste Bijdragen

Gestructureerde Hardheid met Foutdetectie: Het artikel introduceert een systematische methode om een stabilizer-toestand te promoveren naar een magic-toestand (via $T$ -doping) terwijl de foutdetectie-capaciteiten van een spacetime-code behouden blijven. Dit maakt de hoog-fideliteits uitvoering van klassiek harde circuits mogelijk.
Device-Afhankelijk Fidelity Certificaat: De auteurs bieden een certificaat voor de fidelity van een harde kwantumtoestand dat aanzienlijk zwakkere ruis-aannames vereist dan bestaande proxies (zoals XEB). Het gaat niet uit van ruimtelijk homogene of temporeel onafhankelijke ruis, maar enkel van een algemeen Pauli-ruismodel (bereikbaar via twirling).
Experimentele Demonstratie: Het werk demonstreert het eerste sampling-experiment dat algoritme-agnostische hardheidsgaranties combineert met vertrouwde uitvoering van diepe, fout-gedetecteerde circuits op huidige hardware.

Betekenis en Claims

Het artikel beweert een oplossing te bieden voor het "schaalprobleem" in kwantumvoordeel-demonstraties: de moeilijkheid om tegelijkertijd de omvang van circuits te schalen, ruis te onderdrukken en het resultaat te verifiëren.

Coëxistentie van Hardheid en Vertrouwen: De primaire betekenis is het aantonen dat bewijsbaar klassieke hardheid en vertrouwde uitvoering (via foutdetectie en fidelity-certificering) naast elkaar kunnen bestaan.
Schaalbaarheid Pad: Hoewel de huidige aanpak afhankelijk is van post-selectie (wat overhead met zich meebrengt), stellen de auteurs dat dezelfde spacetime-codes kunnen worden aangepast voor fouttolerante kwantumvoordeel naarmate de hardware verbetert.
Robuustheid van Verificatie: De methode versoepelt de strikte ruis-aannames die vereist zijn voor XEB, waardoor verificatie robuuster is tegen realistische, gecorreleerde hardware-ruis.

De auteurs blijven bescheiden over de absolute schaal van het voordeel en merken op dat simulatietijden kunnen veranderen met betere algoritmen of hardware, maar benadrukken dat de structurele garantie van hardheid gecombineerd met geverifieerde fidelity de sleutelprestatie is. Zij laten de mogelijkheid open voor snellere simulaties met verbeterde algoritmen, maar stellen dat hun specifieke instantie momenteel onhandelbaar is voor state-of-the-art methoden.

Probleemstelling

Methodologie: Doped Clifford Sampling (DCS)

Experimentele Resultaten

Belangrijkste Bijdragen

Betekenis en Claims

Meer zoals dit