Demonstration of Logical Error Suppression in a Surface Code Memory on a Cloud-Accessible IBM Superconducting Processor

Quantumcomputers beloven problemen op te lossen die onmogelijk zijn voor de machines die we vandaag de dag gebruiken, van het ontwerpen van nieuwe medicijnen tot het kraken van complexe codes. Deze machines zijn echter ongelooflijk fragiel. De minuscule deeltjes die ze gebruiken om informatie op te slaan, genaamd qubits, worden gemakkelijk verstoord door warmte, trillingen of zelfs rondvliegende elektromagnetische golven. Deze gevoeligheid zorgt ervoor dat er fouten insluipen, waardoor de berekening wordt gecorrumpeerd voordat deze voltooid is. Om een bruikbare quantumcomputer te bouwen, moeten wetenschappers een manier vinden om deze informatie te beschermen. Ze doen dit door één stukje data over vele fysieke qubits te verspreiden, waardoor een "logische" qubit ontstaat die kan overleven als een paar van zijn onderdelen falen. Dit staat bekend als quantumfoutcorrectie. Het doel is om een punt te bereiken waarop het toevoegen van meer fysieke onderdelen het systeem juist betrouwbaarder maakt, in plaats van minder, zodat de computer gedurende lange perioden kan draaien zonder in te storten.

Een team van onderzoekers testte onlangs dit idee op een echte, via de cloud toegankelijke quantumprocessor gemaakt door IBM. Ze richtten zich op een specifieke methode genaamd de surface code, die qubits in een rooster rangschikt om fouten op te vangen en te herstellen. Hoewel de theorie suggereert dat het groter maken van het rooster de fouten drastisch zou verminderen, is hardware in de echte wereld rommelig. De qubits zijn niet allemaal identiek; sommige zijn sterker, sommige zijn zwakker, en de ruis die hen beïnvloedt verandert in de loop van de tijd. De onderzoekers wilden zien of ze deze foutcorrectie beter werkend konden krijgen op daadwerkelijke hardware door de machine zorgvuldig aan te passen, in plaats van alleen te vertrouwen op het theoretische ontwerp. Ze gebruikten een processor genaamd Nighthawk r2, die een roosterachtige lay-out heeft die natuurlijk past bij de surface code, waardoor ze verschillende configuraties konden testen zonder extra stappen nodig te hebben om informatie te verplaatsen.

Het team ontdekte dat de prestaties van de foutcorrectie aanzienlijk varieerden afhankelijk van de exacte plek waar ze hun rooster op de chip van de processor plaatsten. Sommige locaties werkten veel beter dan andere, simpelweg omdat de fysieke qubits op die plekken van hogere kwaliteit waren. Om de beste resultaten te krijgen, moesten ze hun locaties zorgvuldig kiezen. Zodra ze de beste locaties hadden geselecteerd, richtten ze zich op de timing van de operaties. In een standaardopstelling besteedt de machine veel tijd aan het uitlezen van de staat van de "helper"-qubits (ancilla's) die worden gebruikt om fouten te detecteren. Tijdens deze uitleestijd zitten de belangrijkste data-qubits stil te wachten. Deze wachttijd is gevaarlijk omdat de data-qubits hun informatie verliezen door daar simpelweg te zitten. De onderzoekers ontdekten dat ze door een snellere manier te gebruiken om de helper-qubits uit te lezen en ze onmiddellijk te resetten, deze wachttijd konden verkorten. Deze eenvoudige verandering verminderde de fouten in de data aanzienlijk.

Ze testten ook een techniek genaamd een "echo", wat een specifieke sequentie van pulsen is die op de wachtende data-qubits wordt toegepast om de ruis te annuleren die ze opvangen terwijl ze inactief zijn. Deze techniek werkte erg goed voor één type gegevensopslag, waarbij het de foutmarge met 21 procent verlaagde, maar had een kleiner effect op het andere type. Door de snellere uitlezing, de onmiddellijke reset en de echo-pulsen te combineren, creëerden ze een geoptimaliseerde routine. Toen ze deze nieuwe routine vergeleken met de standaardmanier van doen, daalde de foutmarge drastisch. Voor één type geheugen werden de fouten met een mediaan van 73 procent verminderd, en voor het andere type met ongeveer 30 procent. Dit bewees dat kleine veranderingen in hoe het circuit is gebouwd en getimed, een enorme impact kunnen hebben op het eindresultaat.

De onderzoekers testten vervolgens wat er gebeurt als ze het rooster groter maken, de "afstand" van de code vergroten, wat een maat is voor hoeveel fouten het systeem kan tolereren. In de korte experimenten, die ongeveer een dozijn rondes van foutcontrole draalden, werkte het vergroten van de grootte van het rooster zoals verwacht: de grotere rasters hadden minder fouten dan de kleinere. Dit bevestigde dat het systeem erin slaagde om fouten te onderdrukken naarmate de code groeide. Echter, wanneer ze het experiment uitbreidden om veel langer te draaien, tot wel 150 rondes, begon het voordeel van het grotere raster te vervagen. De foutmarge stopte met dalen en begon weer te stijgen.

Dit langetermijngedrag onthulde een verborgen probleem. De onderzoekers merkten op dat fouten niet alleen willekeurige, geïsoleerde gebeurtenissen waren. In plaats daarvan zagen ze patronen van fouten die bestonden en in de loop van de tijd opbouwden, die zich over vele rondes van het experiment verbonden. Deze voortdurende correlaties suggereerden dat er iets in het systeem ophoopte, misschien een type fout dat de standaard foutcorrectiemethoden niet gemakkelijk kunnen oplossen. Het leek erop dat hoewel de geoptimaliseerde circuit uitstekend was in het afhandelen van korte uitbarstingen van activiteit, het moeite had om bescherming te handhaven over langere perioden. De studie concludeert dat hoewel we aanzienlijke vooruitgang kunnen boeken door de hardware en het circuitontwerp af te stemmen, er nog steeds fundamentele uitdagingen zijn in het stabiel houden van deze systemen voor de lange duur die nodig is voor complexe berekeningen. Het werk benadrukt dat het bouwen van een betrouwbare quantumcomputer niet alleen goede theorie vereist, maar ook een diep begrip van hoe de specifieke machine zich in de echte wereld gedraagt, tot aan de timing van elke enkele puls en de kwaliteit van elke individuele verbinding.