Evaluating the performance of QEC primitives on quantum processors at large width and depth

Quantumcomputers beloven problemen op te lossen die momenteel onmogelijk zijn voor klassieke machines, van het ontwerpen van nieuwe medicijnen tot het modelleren van complexe klimaatstelsels. Deze machines zijn echter ongelooflijk fragiel. De quantum bits, of qubits, die informatie vasthouden, worden gemakkelijk verstoord door warmte, trillingen en elektromagnetische ruis, waardoor ze hun gegevens bijna onmiddellijk verliezen. Om een bruikbare quantumcomputer te bouren, moeten wetenschappers een manier ontwikkelen om deze informatie te beschermen, een proces dat bekend staat als quantumfoutcorrectie. Deze methode houdt in dat de qubits constant gecontroleerd worden op fouten zonder de delicate quantumtoestand te vernietigen, een taak die een complexe reeks operaties vereist: het meten van sommige qubits om te zien of er een fout is opgetreden, het resetten van deze qubits, en vervolgens die informatie gebruiken om de anderen in realtime te herstellen. Deze stappen zijn moeilijk betrouwbaar uit te voeren, en tot nu toe was het testen ervan traag, duur en vereiste het enorme hoeveelheden rekentijd.

Een team onderzoekers heeft een nieuwe, efficiënte manier geïntroduceerd om te testen hoe goed verschillende quantumprocessors deze cruciale foutcorrectiestappen kunnen afhandelen. In plaats van volledige, middelenintensieve foutcorrectie-experimenten uit te voeren die dagen kunnen duren of mogelijk geen duidelijke resultaten opleveren, heeft het team een kortere route ontwikkeld met behulp van een specifiek type algoritme genaamd het Quantum Approximate Optimization Algorithm. Ze hebben dit algoritme aangepast zodat de structuur ervan het exacte patroon van verbindingen en metingen gebruikt in foutcorrectie, maar met een twist: het algoritme produceert een duidelijk, meetbaar signaal dat zwakker wordt naarmate fouten zich ophopen. Door dit aangepaste algoritme op verschillende quantumprocessors te draaien, konden de onderzoekers snel inschatten hoe de machines degraderen wanneer ze worden gedwongen de moeilijke taak uit te voeren van het meten en resetten van qubits halverwege een circuit. Deze aanpak stelt wetenschappers in staat om verschillende hardwaregeneraties en architecturen te vergelijken zonder de enorme middelen nodig te hebben die vereist zijn voor een volledige foutcorrectie-demonstratie.

De onderzoekers testten hun methode op tien verschillende quantumprocessors van drie grote fabrikanten: IBM, IQM en Quantinuum. Ze begonnen met een eenvoudige test waarbij een keten van qubits werd gebruikt om te zien hoe de prestaties veranderden naarmate ze meer metingen halverwege het circuit toevoegden. Ze ontdekten dat op sommige machines het signaal sterk bleef, zelfs als de keten groeide, terwijl op andere machines de prestaties scherp afnamen. Door de afname van het signaal van het algoritme te vertalen naar één enkel getal dat een effectieve foutmarge vertegenwoordigt, konden ze direct de kosten van het gebruik van metingen halverwege het circuit vergelijken over verschillende apparaten. Zo was op de machines van IBM de extra kost van het uitvoeren van deze metingen aanzienlijk hoger dan de kost van standaardoperaties, terwijl op de trapped-ion machines van Quantinuum de extra kost veel kleiner was en vergelijkbaar met de fouten gevonden bij standaard twee-qubit gates.

De studie ging verder door de methode te testen tegen werkelijke foutcorrectiecodes, waaronder de surface code en de color code, die belangrijke kandidaten zijn voor het bouwen van fouttolerante quantumcomputers. Het team draaide deze tests op apparaten met tot wel 91 data-qubits, een schaal die extreem moeilijk te testen zou zijn met traditionele methoden. Ze ontdekten dat de nieuwe benchmark onderscheid kon maken tussen verschillende hardwaregeneraties en zelfs kon identificeren welke delen van een enkele chip beter presteerden dan andere. In een cruciale validatiestap vergeleken ze de resultaten van hun snelle benchmark met de resultaten van een volledige, trage foutcorrectie-geheugentest die op dezelfde IBM-processor werd gedraaid. Ze vonden een sterke correlatie: de regio's van de chip die goed presteerden in de snelle benchmark, vertoonden ook de laagste foutmarges in de volledige geheugentest. Dit suggereert dat de nieuwe methode betrouwbaar kan voorspellen hoe goed een quantumprocessor de complexe eisen van foutcorrectie zal kunnen afhandelen.

De onderzoekers bepaalden ook hoe vaak ze deze tests moesten uitvoeren om een betrouwbaar antwoord te krijgen. Ze kwamen tot de conclusie dat voor de meeste apparaten slechts enkele tientallen tot enkele honderden runs genoeg waren om te bepalen of de machine nog steeds het algoritmische signaal behield of dat het was ingestort tot willekeurige ruis. Dit is een dramatische vermindering vergeleken met de duizenden of miljoenen runs die vaak nodig zijn voor traditioneel testen. De studie geeft aan dat naarmate de hardware verbetert en de foutmarges dalen, de tests dieper en met meer lagen moeten worden uitgevoerd om de verschillen te zien, maar de methode blijft efficiënt. Door een praktische, goedkope manier te bieden om de gereedheid van quantumhardware voor foutcorrectie te evalueren, biedt dit werk een essentieel instrument om de voortgang in het vakgebied bij te houden. Het stelt onafhankelijke onderzoekers en organisaties in staat om te beoordelen of nieuwe quantumprocessors werkelijk vooruitgang boeken richting fouttolerantie, zonder te hoeven wachten tot de volledige, dure logische geheugentests zijn voltooid.