De wereld van het quantumcomputing belooft problemen op te lossen die momenteel onmogelijk zijn voor zelfs de krachtigste supercomputers. Deze machines maken gebruik van de vreemde regels van de quantumfysica om informatie te verwerken op manieren waarop klassieke computers dat niet kunnen. Er staat echter een grote hindernis in de weg van hun succes: ruis. In het huidige tijdperk van deze apparaten, bekend als het tijdperk van de ruisgevoelige intermediaire schaal (noisy intermediate-scale quantum era), zijn de delicate quantumtoestanden die worden gebruikt om informatie vast te houden extreem fragiel. Ze vervallen en verliezen hun nuttige eigenschappen zeer snel, vaak nog voordat een complexe berekening kan worden voltooid. Dit verval wordt veroorzaakt door de fysieke beperkingen van de hardware, zoals de tijd die een quantumbit nodig heeft om stabiel te blijven, wat wordt gemeten in microseconden. Als een berekening een lange reeks stappen vereist, vervliegt de informatie simpelweg, waardoor er een resultaat achterblijft dat niet beter is dan willekeurig gokken. Wetenschappers hebben geprobeerd dit op te lossen door betere hardware te bouwen of door software te ontwikkelen die fouten kan corrigeren nadat ze zijn opgetreden, maar deze oplossingen zijn moeilijk te implementeren en vereisen vaak zelfs meer middelen dan het oorspronkelijke probleem.

Een nieuwe benadering voorgesteld door Wladimir Silva aan de North Carolina State University biedt een andere manier om over dit probleem na te denken. In plaats van te proberen de quantummachine een lange, complexe berekening in één keer te laten uitvoeren, breekt deze methode de berekening op in vele kleine, eenvoudige stukjes die afzonderlijk kunnen worden uitgevoerd. De kern van het idee berust op een wiskundig principe waarbij een grote, moeilijke taak kan worden opgesplitst in kleinere, onafhankelijke delen, die individueel worden opgelost en vervolgens weer worden samengevoegd om het uiteindelijke antwoord te krijgen. Door dit te doen, hoeft de quantumcomputer een complexe toestand nooit heel lang vast te houden. Het hoeft alleen maar zeer korte, eenvoudige operaties uit te voeren die klaar zijn voordat de ruis de informatie kan vernietigen. Het zware werk van het weer in elkaar zetten van de stukjes wordt gedaan door een standaard klassieke computer, die erg goed is in het optellen van getallen. Deze strategie probeert niet de fouten te herstellen nadat ze zijn opgetreden; in plaats daarvan vermijdt het de omstandigheden die ervoor zorgen dat de fouten zich opbouwen.

De onderzoekers testten dit idee door te simuleren hoe het zou werken op echte quantumhardware, specifief gebruikmakend van modellen gebaseerd op de prestaties van de nieuwste processoren van IBM. Ze pasten hun methode toe op vier verschillende soorten wiskundige taken die gebruikelijk zijn in wetenschap en techniek: het berekenen van de gelijkenis tussen twee lijsten met getallen, het oplossen van vergelijkingen die beschrijven hoe dingen veranderen in de ruimte, het benaderen van kromme lijnen, en het verwerken van afbeeldingen om patronen te vinden. In elk geval vergeleken ze het uitvoeren van de taak als één grote, diepe berekening tegen het uitvoeren ervan als vele kleine, ondiepe berekeningen. De resultaten waren duidelijk. Wanneer de berekening werd uitgevoerd als een enkele lange sequentie, verdween het signaal dat het juiste antwoord vertegenwoordigt snel in de ruis naarmate het aantal stappen toenam. Hoe dieper het circuit, hoe meer het resultaat op willekeurige statische ruis leek. Echter, wanneer dezelfde taak in kleinere brokken werd verdeeld, bleef het signaal sterk en duidelijk, zelfs wanneer de totale hoeveelheid werk hetzelfde was.

De sleutel tot dit succes is dat de quantummachine slechts enkele stappen tegelijk moet afhandelen. In de simulaties ontdekten de onderzoekers dat als ze het aantal stappen in elk klein brokje onder een bepaalde limiet hielden, de resultaten accuraat bleven. Bijvoorbeeld, toen ze probeerden de relatie tussen twee datasets te berekenen met een circuit dat zeer diep was, werd de foutmarge zo hoog dat het antwoord nutteloos was. Maar wanneer ze diezelfde berekening in veel kleine stukjes verdeelden, was elk stukje kort genoeg om af te ronden voordat de hardware zijn stabiliteit verloor. Het uiteindelijke antwoord werd vervolgens gereconstrueerd door een klassieke computer die de resultaten van alle kleine stukjes bij elkaar optelde. Dit proces introduceerde een nieuw soort kosten: de klassieke computer moest veel vaker draaien om genoeg gegevens te verzamelen om zeker te zijn van het antwoord. De onderzoekers toonden echter aan dat deze extra arbeid een eerlijke ruil was. Het was veel beter om meer klassiek werk te verrichten om een correct antwoord te krijgen, dan één enkele quantum-berekening te doen die een foutief antwoord produceert.

De studie keek ook naar hoe de perfecte balans te vinden tussen het maken van de stukjes te klein of te groot. Als de stukjes te groot zijn, worden ze te diep en verpest de ruis ze. Als de stukjes te klein zijn, moet de klassieke computer te veel werk verrichten om ze allemaal bij elkaar op te tellen. De onderzoekers ontdekten dat er een "sweet spot" is waar de quantumdelen net ondiep genoeg zijn om ruis te vermijden, en de klassieke delen niet zo talrijk zijn dat ze een bottleneck vormen. Ze demonstreerden dit door hun methode te testen op beeldverwerkingstaken, zoals het identificeren van kenmerken in een foto van een auto. Wanneer de quantumdelen ondiep werden gehouden, kon de computer de lijnen en vormen van de auto duidelijk zien. Wanneer de delen te diep waren, werd de afbeelding een wazige, onduidelijke bende. Dit bewees dat de methode niet alleen werkt voor eenvoudige wiskunde, maar ook voor complexe, real-world dataverwerkingstaken.

Deze benadering vertegenwoordigt een verschuiving in hoe wetenschappers het gebruik van quantumcomputers zien. In plaats van de machine te zien als een enkele, monolithische processor die een programma van begin tot eind moet uitvoeren, behandelen ze het als een verzameling kleine, gespecialiseerde instrumenten. Het zware werk van het beheren van de complexiteit wordt verplaatst naar de klassieke computer, die robuust en betrouwbaar is. De quantumcomputer wordt dan alleen gebruikt voor de specifieke, korte taken waar hij een voordeel heeft. De onderzoekers erkennen dat deze methode toegang vereist tot veel quantumprocessors die parallel werken, of in ieder geval de mogelijkheid om veel kleine taken snel uit te voeren. Ze merken ook op dat hoewel deze methode het probleem vermijdt dat fouten zich opbouwen binnen één lange circuit, het de fouten die in elk klein stukje voorkomen niet elimineert. Die fouten bestaan nog steeds, maar omdat ze geïsoleerd zijn tot kleine stukjes, verspreiden ze zich niet en corrumperen ze het hele systeem niet. Het uiteindelijke resultaat wordt nog steeds beïnvloed door deze kleine fouten, maar de impact is veel kleiner dan wanneer de fouten ongecontroleerd hadden mogen groeien.

Het werk suggereert dat deze strategie een praktische manier kan zijn om quantumcomputers vandaag de dag te gebruiken, zelfs voordat we perfecte, foutvrije machines hebben. Het biedt een manier om nuttige berekeningen uit te voeren op de huidige hardware door rekening te houden met de fysieke limieten ervan. De onderzoekers zijn van plan te onderzoeken hoe deze methode kan worden gebruikt voor nog complexere taken, zoals de enorme berekeningen die vereist zijn door moderne kunstmatige intelligentiesystemen. Door deze grote problemen op te splitsen in beheersbare stukjes, hopen zij het potentieel van quantumcomputing te ontsluiten zonder te wachten tot de hardware perfect is. De bevindingen tonen aan dat de beste manier om een groot probleem op te lossen soms niet is om het in één keer aan te pakken, maar om het op te splitsen in kleine, beheersbare stappen die één voor één kunnen worden opgelost.