Decoder- and Noise-Aware Optimization Framework for Clifford-Deformed Quantum Error-Correcting Codes

Het bouwen van een computer die problemen kan oplossen die buiten het bereik van de huidige machines liggen, vereist een fundamentele verschuiving in hoe we met informatie omgaan. In de kwantumwereld zijn de basiseenheden van data ongelooflijk fragiel en gevoelig voor het verliezen van hun staat door de kleinste rimpeling van warmte of elektromagnetische interferentie. Om deze systemen draaiende te houden, gebruiken wetenschappers een methode genaamd kwantumfoutcorrectie, die werkt als een vangnet dat constant fouten controleert en ze herstelt voordat ze de berekening verpesten. Dit vangnet is echter duur; het vereist veel fysieke componenten om slechts één stukje informatie te beschermen. De uitdaging voor onderzoekers is om deze bescherming zo efficiënt mogelijk te maken, waarbij ze de meeste betrouwbaarheid uit de minste middelen persen. Een veelbelovende strategie houdt in dat de regels van het vangnet zelf worden aangepast. In plaats van een standaard, uniforme set regels te gebruiken voor elk deel van het systeem, kunnen wetenschappers de verbindingen tussen componenten licht wijzigen om beter aan te sluiten bij de specifieke soorten fouten die hun hardware heeft. Deze aanpak, bekend als Clifford-deformatie, biedt een manier om de prestaties te verbeteren zonder nieuwe hardware toe te voegen, maar het vinden van het perfecte patroon van aanpassingen voor een groot systeem is een taak die zo omvangrijk is dat het controleren van elke mogelijkheid onmogabel is.

Een team onderzoekers aan het Niels Bohr Instituut in Kopenhagen heeft een nieuwe methode ontwikkeld om door deze immense zoekruimte te navigeren, waarbij zij succesvol superieure foutcorrectiepatronen hebben geïdentificeerd die eerder werden gemist. Ze creëerden een intelligent zoekalgoritme genaamd Evolution-Based Best-arm Identification, dat het complexe kwantumsysteem behandelt als een black box. In plaats van elk intern detail van de ruis en de decoderingssoftware te proberen te begrijpen, test het algoritme verschillende patronen, leert van de resultaten en evolueert geleidelijk naar de beste oplossing. Het werkt door het kwantumcomputer duizenden keren te simuleren, te observeren hoe vaak fouten erdoorheen glippen, en die observaties te gebruiken om de volgende reeks tests te sturen. Het cruciale inzicht dat deze methode drijft, is dat patronen die zeer veel op elkaar lijken, ook de neiging hebben om vergelijkbare resultaten te produceren. Dit stelt het algoritme in staat om informatie verzameld uit één test te gebruiken om geïnformeerde gissingen te doen over nabijgelegen patronen, waardoor het de overgrote meerderheid van de nutteloze opties effectief wegfiltert en zijn energie concentreert op de meest veelbelovende kandidaten.

De onderzoekers testten deze aanpak op een veelgebruikt ontwerp genaamd de surface code, die qubits in een tweedimensionaal rooster rangschikt. Ze simuleerden het systeem onder realistische omstandigheden waarbij de hardware eerder de neiging heeft om één type fout te maken dan een ander, een veelvoorkomend kenmerk in veel moderne kwantumapparaten. In deze simulaties werd het algoritme afgezet tegen een willekeurige zoektocht, die simpelweg patronen kiest om te testen zonder enige strategie. De resultaten waren opmerkelijk. Voor een kleine versie van de code vond de nieuwe methode het optimale patroon met ongeveer duizend keer minder simulatieruns dan de willekeurige aanpak. Naarmate de grootte van de code toenam, werd het voordeel nog duidelijker. Terwijl de willekeurige zoektocht zelfs na miljarden pogingen niet in staat was het beste patroon te vinden, convergeerde het nieuwe algoritme consistent naar een oplossing die de snelheid van logische fouten aanzienlijk verminderde. Deze efficiëntie is cruciaal omdat het simuleren van deze kwantumsystemen computationeel duur is, en het vermogen om goede oplossingen te vinden met minder proeven maakt de optimalisatie van grootschalige kwantumcomputers haalbaar.

Misschien wel de belangrijkste ontdekking was een nieuw patroon van foutcorrectie dat het algoritme blootlegde, dat de onderzoekers de B-XZZX-code noemden. Dit patroon is een variatie op een eerder bekend ontwerp, maar met een specifieke modificatie aan de randen van het rooster. Ho ewel het nieuwe patroon op slechts een fractie van de totale componenten verschilt van het oude, verbetert de prestatie naarmate het systeem groter wordt. Bij een codenafstand van drie bood het een verbetering van vijf procent ten opzichte van het vorige beste, maar bij een afstand van elf groeide dat voordeel naar ongeveer twaalf procent. Deze bevinding is contra-intuïtief, aangezien men zou verwachten dat de voordelen van een kleine verandering zouden vervagen naarmate het systeem opschaalt. In plaats daarvan ontdekten de onderzoekers dat de specifieke manier waarop de randen werden afgesteld, het systeem hielp om de unieke ruiskenmerken van hun gesimuleerde hardware effectiever aan te pakken. Ze ontdekten ook dat het beste patroon zwaar afhangt van het specifieke type ruis en de software die wordt gebruikt om de fouten te decoderen, wat bewijst dat er geen 'one-size-fits-all' oplossing bestaat en dat optimalisatie moet worden afgestemd op de specifieke hardware-omgeving.

Het werk demonstreert dat het mogelijk is om kwantumfoutcorrectie systematisch te verbeteren zonder nieuwe hardware te bouwen, simpelweg door de juiste configuratie voor de bestaande hardware te vinden. De onderzoekers lieten zien dat hun methode kan schalen van kleine testgevallen naar grotere, complexere systemen, waarbij patronen worden geïdentificeerd die menselijke intuïtie of toeval waarschijnlijk zouden missen. Ze benadrukten ook dat het succes van deze patronen gekoppeld is aan de specifieke decoderingssoftware die wordt gebruikt om fouten te herstellen, wat suggereert dat toekomstige kwantumcomputers met hun foutcorrectiestrategieën in gedachten moeten worden co-ontworpen. Door een praktische tool te bieden om deze codes af te stemmen op de unieke ruissignaturen van echte apparaten, biedt dit onderzoek een duidelijke weg naar het werkelijkheid maken van fouttolerante kwantumcomputing, waarbij de theoretische belofte van foutcorrectie wordt omgezet in een praktische engineeringoplossing.