← Nieuwste papers
⚛️ kwantumfysica

TCBP-JOBS: GPU-Accelerated Quantum Error Correction Decoding and Noise Learning with Near-Optimal Accuracy

Dit artikel introduceert TCBP-JOBS, een door GPU versneld framework dat trajectgekalibreerde belief propagation en jittered OSD beam search combineert om een bijna optimale nauwkeurigheid van quantumfoutcorrectie-decodering te bereiken met enorme snelheidsverbeteringen ten opzichte van bestaande methoden, wat zowel realtime operatie als efficiënte grootschalige simulatie mogelijk maakt.

Oorspronkelijke auteur: Ben Howe, Satvik Maurya, Jan Olle, Ivan Basov, Muyuan Li, Justin G. Lietz, Kevin Young, Krysta M. Svore

Gepubliceerd 2026-11-17
📖 7 min leestijd🧠 Diepgaand

Oorspronkelijke auteur: Ben Howe, Satvik Maurya, Jan Olle, Ivan Basov, Muyuan Li, Justin G. Lietz, Kevin Young, Krysta M. Svore

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 auteur. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Kwantumcomputers beloven problemen op te lossen die onmogelijk zijn voor de machines van vandaag, van het ontwerpen van nieuwe medicijnen tot het kraken van complexe codes. De minuscule deeltjes die de informatie in deze machines vasthouden zijn echter ongelooflijk fragiel. Een enkele windvlaag van hitte of een ronddwalende elektromagnetische golf kan een bit aan data laten omklappen, waardoor de hele berekening instort. Om dit te voorkomen, gebruiken wetenschappers een methode genaamd kwantumfoutcorrectie. Ze verspreiden één stuk informatie over vele fysieke deeltjes, waardoor een vangnet ontstaat. Door voortdurend de relaties tussen deze deeltjes te controleren, kan het systeem detecteren wanneer er een fout is opgetreden en deze herstellen zonder de data direct te bekijken, wat de data zou vernietigen.

Voor dit vangnet te werken, moet een klassieke computer optreden als een scheidsrechter. Hij houdt de resultaten van de controles in de gaten, ontdekt wat er misging en vertelt de kwantummachine hoe deze zichzelf kan corrigeren. Deze scheidsrechter wordt een decoder genoemd. De uitdaging is dat de scheidsrechter zowel ongelooflijk nauwkeurig als ongelooflijk snel moet zijn. Als hij te traag is, moet de kwantummachine wachten, en kan de data wegrotten voordat de correctie arriveert. Als hij te onnauwkeurig is, kan hij de verkeerde correctie toepassen, waardoor de fout erger wordt. Jarenlang hebben onderzoekers geprobeerd een decoder te vinden die beide kan, vooral voor de nieuwste, meest efficiënte soorten kwantumcodes.

Een team van onderzoekers bij NVIDIA heeft nu een nieuwe aanpak geïntroduceerd die dit dilemma oplost. Ze ontwikkelden een systeem genaamd TCBP-JOBS, dat twee slimme technieken combineert om kwantumfouten te decoderen met bijna perfecte nauwkeurigheid, terwijl het duizenden keren sneller draait dan eerdere methoden. Hun werk suggereert dat we nu kwantumcomputers kunnen simuleren en testen op een schaal die voorheen onmogelijk was, en dat deze systemen binnenkort klaar kunnen zijn om in realtime op werkelijke kwantumhardware te draaien.

De kern van het probleem ligt in hoe de decoder de fout raadt. Wanneer de kwantummachine draait, produceert het een patroon van signalen, een syndroom genoemd. De taak van de decoder is om naar dit patroon te kijken en te raden welke specifieke deeltjes een fout hebben gemaakt. In het verleden moesten de meest nauwkeurige decoders door een enorme hoeveelheid mogelijkheden zoeken, zoals het proberen van elke combinatie op een gigantisch slot. Dit duurde zo lang dat ze niet gebruikt konden worden terwijl de kwantumcomputer draaide. Snellere decoders bestonden, maar ze gaven vaak de plank mis, vooral bij de nieuwe, hoogefficiënte codes die onderzoekers zo graag willen gebruiken.

Het NVIDIA-team realiseerde zich dat de snelle decoders waardevolle informatie weggoiden. Ze gebruiken een methode genaamd belief propagation, die iteratief zijn gok over waar de fout zit, bijwerkt. In het verleden behielden deze systemen alleen de uiteindelijke gok en gooiden ze het pad dat de gok aflegde onderweg weg. De onderzoekers merkten op dat de gehele reis van de gok — de manier waarop het vertrouwen in elk deeltje in de loop van de tijd steeg en daalde — een verborgen kaart bevatte naar het juiste antwoord. Ze bouwden een klein kunstmatig intelligentiemodel om deze reis te lezen. In plaats van alleen naar het eindresultaat te kijken, analyseert het model de hele geschiedenis van de gok om een gekalibreerde waarschijnlijkheid te produceren: een precies getal dat aangeeft hoe waarschijnlijk het is dat een specifiek deeltje een fout heeft gemaakt.

Met deze betere waarschijnlijkheden in handen, introduceerde het team een tweede stap. Ze namen de snelle decoder en gaven deze een nieuwe strategie. In plaats van slechts één pad naar de oplossing te volgen, draait het systeem nu veel zoekopdrachten parallel, waarbij elke zoekopdracht begint met een iets andere gok gebaseerd op de waarschijnlijkheden. Stel je een team van verkenners voor dat een donker bos afzoekt naar een verloren wandelaar. In plaats van één persoon over een enkel pad te sturen, sturen ze een groep uit, die elk een iets ander pad neemt op basis van het terrein. Ze werken allemaal tegelijkertijd, en het systeem kiest de beste oplossing die door een van hen is gevonden. Omdat dit gebeurt op een krachtige grafische processor, verlopen de zoekopdrachten simultaan, wat het proces ongelooflijk snel maakt.

Toen de onderzoekers dit nieuwe systeem testten, waren de resultaten opmerkelijk. Ze voerden simulaties uit op een breed scala aan kwantumcodes, inclus inclusief de standaard surface codes en nieuwere, complexere ontwerpen. In bijna alle gevallen was hun nieuwe decoder net zo nauwkeurig als de trage, zware decoders die voorheen de gouden standaard waren. Op de grootste codes was het zelfs vier en een halve keer beter in het vinden van de juiste fout. Tegelijkertijd was het duizenden malen sneller. In één test werd een taak die een standaard computerserver twaalf weken zou hebben gekost, door hun systeem in slechts vijfenveertig minuten voltooid.

Deze snelheid opent de deur naar real-time operatie. Voor een kwantumcomputer om nuttig te zijn, moet de decoder snel genoeg reageren om het tempo van de machine bij te houden. De onderzoekers toonden aan dat hun systeem fouten in enkele milliseconden kan decoderen, wat snel genoeg is voor bepaalde typen kwantumprocessors die op een iets langzamere tijdschaal werken. Dit betekent dat het systeem theoretisch gebruikt kan worden om een kwantumcomputer nú te laten draaien, waarbij fouten worden gecorrigeerd terwijl ze gebeuren zonder de machine te vertragen.

Het nieuwe systeem biedt ook een manier om meer te leren over de kwantummachine zelf. Omdat de decoder zo goed is in het schatten van de waarschijnlijkheid van fouten, kan het worden gebruikt om te achterhalen hoe luidruchtig de machine is, zelfs zonder de exacte instellingen vooraf te kennen. De onderzoekers toonden aan dat het systeem de foutpercentages van een kwantumapparaat in slechts enkele minuten kan leren, enkel gebruikmakend van de data die de machine tijdens normale operatie produceert. Dit stelt de decoder in staat om zich aan te passen aan de machine naarmate deze verandert, waardoor de foutcorrectie scherp blijft zonder dat er constante handmatige afstelling nodig is.

Bovendien biedt het systeem een betrouwbaarheidsscore voor elke beslissing die het neemt. Het kan de gebruiker vertellen hoe nauw de beslissing was. Als het systeem onzeker is, kan het die specifieke poging als onbetrouwbaar markeren. Hierdoor kunnen onderzoekers alleen de wankele resultaten verwerpen en de goede behouden, een techniek die de kwaliteit van de uiteindelijke data aanzienlijk verbetert. In tests bij de creatie van speciale kwantumtoestanden die nodig zijn voor geavanceerde berekeningen, verbeterde deze mogelijkheid om slechte resultaten te filteren het succespercentage van het proces met meer dan vier keer.

De onderzoekers vonden wel een limiet aan hun methode. Wanneer ze de fysieke foutpercentages extreem laag maakten, ver onder wat huidige machines kunnen bereiken, was het nieuwe systeem iets minder nauwkeurig dan de zeer trage, uitputtende decoders. In deze zeldzame gevallen miste het nieuwe systeem een paar specifieke soorten complexe fouten die de oudere methode wel opving. Echter, voor de foutpercentages die relevant zijn voor huidige en nabije toekomst-kwantumcomputers, is het nieuwe systeem superieur omdat het hoge nauwkeurigheid combineert met de snelheid die vereist is voor echt gebruik.

Door het mogelijk te maken om miljoenen kwantumoperaties in een fractie van de tijd te simuleren die het voorheen in beslag nam, versnelt dit werk het hele vakgebied. Onderzoekers kunnen nu veel sneller nieuwe ontwerpen en architecturen testen, waardoor ze een breder scala aan mogelijkheden kunnen verkennen om de beste weg vooruit te vinden. Het systeem biedt een praktisch kader voor het draaien van kwantumfoutcorrectie op werkelijke hardware, waardoor de droom van een fouttolerante kwantumcomputer een stap dichter bij de realiteit wordt gebracht. Het vermogen om fouten accuraat en direct te decoderen is niet langer alleen een theoretisch doel; het is een instrument dat klaar is om te worden gebruikt.

Verdrinkt u in papers in uw vakgebied?

Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.

Probeer Digest →