← Últimos artigos
⚛️ física quântica

Resolving and Suppressing Temporally Correlated Noise in Quantum Error Correction

Utilizando um processador supercondutor de 105 qubits, este estudo demonstra o escalonamento bem-sucedido da estabilidade do código de superfície para suprimir erros temporalmente correlacionados causados pelo aquecimento de qubits, alcançando um piso de erro lógico recorde através de um circuito de estabilidade de caminhada e otimizando o desempenho por meio de extração de síndrome adaptativa.

Autor original: Alec Eickbusch, Nick Noll, Michael Newman, Matt McEwen, Leigh S. Martin, Alexis Morvan, Gabrielle Roberts, Chunyang Ding, Volodymyr Sivak, Nathan Lacroix, Laura De Lorenzo, Felix Borjans, Yan-Cheng We
Publicado 2026-11-17
📖 6 min de leitura🧠 Leitura aprofundada

Autor original: Alec Eickbusch, Nick Noll, Michael Newman, Matt McEwen, Leigh S. Martin, Alexis Morvan, Gabrielle Roberts, Chunyang Ding, Volodymyr Sivak, Nathan Lacroix, Laura De Lorenzo, Felix Borjans, Yan-Cheng Wei, Alexandre Bourassa, Rodrigo G. Cortiñas, Emma Rosenfeld, Vladislav D. Kurilovich, Andreas Bengtsson, Kevin J. Satzinger, Dmitry Abanin, Amira Abbas, Rajeev Acharya, Laleh Aghababaie Beni, Ross Alcaraz, Sayra Alcaraz, Trond I. Andersen, Benjamin Anker, Markus Ansmann, Frank Arute, Kunal Arya, Walt Askew, Nikita Astrakhantsev, Juan Atalaya, Lamia Ateshian, Christopher Ayala, Ryan Babbush, Akim Babenko, Brian Ballard, Joseph C. Bardin, Hector Bates, Majid Bigdeli Karimi, Alexander Bilmes, Simon Bilodeau, Chris Bohn, Pablo Bonilla, Jenna Bovaird, Dylan Bowers, Leon Brill, Peter Brooks, Michael Broughton, David A. Browne, Brett Buchea, Bob B. Buckley, Chris Bunch, Tim Burger, Brian Burkett, Jamal Busnaina, Nicholas Bushnell, Jonas Bylander, Anthony Cabrera, Juan Campero, Hung-Shen Chang, Gloria Chen, Larry Chen, Silas Chen, Federico Chianese, Ben Chiaro, Liang-Ying Chih, Agnetta Y. Cleland, Bryan Cochrane, Matt Cockrell, Josh Cogan, Tom Connolly, Harold Cook, William Courtney, Alexander L. Crook, Ben Curtin, Adam Dally, Martin Damyanov, Sayan Das, Dripto M. Debroy, Sean Demura, Himadri Dey, Leon Ding, Howard A. Dobbs, Ebru Dogan, Paul Donohoe, Ilya Drozdov, Andrew Dunsworth, Rasmus Edholm, Valerie Ehimhen, Aviv Moshe Elbag, Lior Ella, Mahmoud Elzouka, David Enriquez, Catherine Erickson, Lara Faoro, Parvin Fathi, Vinicius S. Ferreira, Marcos Flores, Leslie Flores Burgos, Sam Fontes, Ebrahim Forati, Jeremiah Ford, Brooks Foxen, Masaya Fukami, Alan Wing Lun Fung, Lenny Fuste, Suhas Ganjam, Gonzalo Garcia, Christopher Garrick, Robert Gasca, Helge Gehring, Robert Geiger, Élie Genois, William Giang, Dar Gilboa, James E. Goeders, Edward C. Gonzales, Sofia Gonzalez Garcia, Mike Gore, Raja Gosula, Stijn J. de Graaf, Alejandro Grajales Dau, Dietrich Graumann, Joel Grebel, Alex Greene, Jeremy Grill, Jonathan A. Gross, Jose Guerrero, Loïck Le Guevel, Marika Gugole, Simon Gustavsson, Steve Habegger, Tanner Hadick, Ali Hadjikhani, Michael C. Hamilton, Bianca Hanly, Monica Hansen, Matthew P. Harrigan, Patrick Harrington, Sean D. Harrington, Jeanne Hartshorn, Christian Heslin, Stephen Heslin, Paula Heu, Oscar Higgott, Reno Hiltermann, Devon Hollowood, Mike Hucka, Christopher Hudspeth, Ashley Huff, William J. Huggins, Lev B. Ioffe, Aditya Jayaraman, Evan Jeffrey, Shaun Jevons, Zhang Jiang, Xiaoxuan Jin, Tomas Jochym-O'Connor, Shunnee Joseph, Chaitali Joshi, Kelsey Josund, Kelsey Judd, Pavol Juhas, Andreas Kabel, Hui Kang, Kiseo Kang, Bharath Kannan, Amir H. Karamlou, Ryan Kaufman, Kostyantyn Kechedzhi, Tanuj Khattar, Mostafa Khezri, Seon Kim, Paul V. Klimov, Can M. Knaut, Tom Ko, Bryce Kobrin, Fedor Kostritsa, John Mark Kreikebaum, Ryuho Kudo, Ben Kueffler, Vitali Kutsko, Dylan Lane, Tiano Lange-Dei, Brandon W. Langley, Pavel Laptev, Kim-Ming Lau, Emma Leavell, Justin Ledford, Joy Lee, Kenny Lee, Nathalie de Leon, Brian J. Lester, Wendy Leung, Lily Li, Ming Li, Wing Yan Li, Alexander T. Lill, Mike Lindmark, William P. Livingston, Matthew T. Lloyd, Jing Lu, Erik Lucero, Daniel Lundahl, Aaron Lunt, Donald Macaskill, Sid Madhuk, Brian Maertz, Aniket Maiti, Ashley Maloney, Salvatore Mandrà, Bhavik Markana, Orion Martin, Eric Mascot, Paul Masih Das, Anselme Massimino, Melvin Mathews, Cameron Maxfield, Jarrod R. McClean, Seneca Meeks, Anthony Megrant, Tim Menke, Zlatko K. Minev, Reza Molavi, Sebastian Molina, Shirin Montazeri, William Morong, Wojtek Mruczkiewicz, Aki Nakamura, Konstantin Nesterov, Roselle Ngaloy, Anthony Nguyen, Murray Nguyen, Chia-Hung Ni, Murphy Yuezhen Niu, Sergey Novikov, Ricky Oliver, William D. Oliver, Christopher Olson, Raymond Orosco, Amr Osman, Kristoffer Ottosson, Alice Pagano, Agustin Di Paolo, Seong Hyeon Park, Manan Patel, Sherman Peek, David Peterson, Alex Pizzuto, Thomas Plumb-Reyes, Elias Portoles, Rebecca Potter, Orion Pritchard, Sam Probst, Michael Qian, Chris Quintana, Matthew Rakher, Ganesh Ramachandran, Arpit Ranadive, Armin Razavi, Matthew J. Reagor, Ants Remm, Rachel Resnick, Andrew Reynolds, David M. Rhodes, Daniel Riley, Roberto Rodriguez, Emma Ropes, Lucia B. De Rose, Eliott Rosenberg, Dario Rosenstock, Elizabeth Rossi, Pedram Roushan, David A. Rower, Robert Salazar, Kannan Sankaragomathi, Murat Can Sarihan, Max Schaefer, Sebastian Schroeder, Henry F. Schurkus, Aria Shahingohar, Michael J. Shearn, Aaron Shorter, Vladimir Shvarts, Mauricio Sifontes, Spencer Small, W. Clarke Smith, David A. Sobel, Barrett Spells, Sofia Springer, Praveen Sriram, George Sterling, Scott Stonemeyer, John Su, Jordan Suchard, Philippe Suchsland, Youngkyu Sung, Aaron Szasz, Alexander Sztein, Tomoyuki Tanaka, Madeline Taylor, Jothi Priyanka Thiruraman, Douglas Thor, Brandur Thorgrimsson, Dogan Timucin, Eifu Tomita, Alfredo Torres, M. Mert Torunbalci, Edoardo Trabaldo, Hao Tran, Takahiro Tsunoda, Justin Vargas, Gopinath Vasalamarri, Sergey Vdovichev, Guifre Vidal, Benjamin Villalonga, Jeremy Volkman, Meghan Voorhees, Steven Waltman, Jonathan Waltz, Danni Wang, Shannon X. Wang, Brayden Ware, James D. Watson, Yonghua Wei, Travis Weidel, Tom Westerhout, Theodore White, Dominik Wild, Kristi Wong, Bryan W. K. Woo, Christopher J. Wood, Maddy Woodson, Cheng Xing, Z. Jamie Yao, Ping Yeh, Bicheng Ying, Juhwan Yoo, Noureldin Yosri, Elliot Young, Grayson Young, Adam Zalcman, Ran Zhang, Yaxing Zhang, Yiqing Zhou, Ningfeng Zhu, Nicholas Zobrist, Zhenjie Zou, Alexander N. Korotkov, Sergio Boixo, Hartmut Neven, Kevin C. Miao, Alex Opremcak, Zijun Chen, Cody Jones, Julian Kelly, Dvir Kafri, Charles Neill, Craig Gidney, Yu Chen

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelo autor. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Para construir um computador que possa resolver problemas além do alcance das máquinas de hoje, cientistas estão tentando criar um computador quântico. Esses dispositivos usam as estranhas regras da física quântica para processar informações, mas são incrivelmente frágeis. O menor distúrbio proveniente de calor, vibração ou radiação pode fazer com que a informação se embaralhe e desapareça. Para tornar essas máquinas úteis, os pesquisadores devem construir um sistema que possa encontrar e corrigir automaticamente esses erros à medida que eles acontecem, um processo conhecido como correção de erros quânticos.

A maneira padrão de testar se esse sistema funciona é criar um experimento de "memória". Neste teste, cientistas armazenam uma peça de informação e a verificam repetidamente em busca de erros, esperando ver se o computador consegue manter os dados seguros por um longo tempo. No entanto, essa abordagem verifica apenas um tipo de erro: erros que acontecem em várias partes da máquina ao mesmo tempo. Computadores quânticos do mundo real precisarão fazer mais do que apenas lembrar; eles precisarão realizar cálculos complexos. Esses cálculos são sensíveis a um tipo diferente de problema: erros que acontecem no mesmo lugar repetidamente conforme o tempo passa. Se um computador não puder lidar com erros que persistem no tempo, ele falhará nas próprias tarefas para as quais foi construído.

Uma equipe de pesquisadores da Google Quantum AI e seus colaboradores propôs-se a entender e resolver esse problema específico. Eles utilizaram um novo processador quântico de grande escala chamado Willow, que contém 105 qubits supercondutores, as unidades básicas de informação quântica. Em vez de apenas testar a memória, eles realizaram um experimento de "estabilidade". Este teste é projetado para ser sensível a erros que persistem ao longo do tempo, agindo como um espelho da imagem do teste de memória padrão. Ao escalar este experimento de pequenas grades de qubits para uma grade grande de 7 por 7, eles foram capazes de observar quão bem o sistema conseguia suprimir esses erros baseados no tempo conforme a máquina crescia.

Os pesquisadores descobriram que, à medida que aumentavam o tamanho da grade, o sistema de fato melhorava na supressão de erros, mas apenas até certo ponto. Inicialmente, a taxa de erro caía rapidamente, como esperado. No entanto, após cerca de dez ciclos de verificação, a melhoria atingiu um limite. A taxa de erro parou de cair e começou a estabilizar, um fenô vezes identificado pela equipe como um "joelho" nos dados. Ao construir um modelo detalhado do comportamento da máquina, eles descobriram o culpado: um tipo específico de estado quântico para o qual os qubits de dados estavam acidentalmente aquecendo.

No mundo quântico, um qubit geralmente existe em um de dois estados, como uma moeda que é cara ou coroa. No entanto, estes qubits físicos também podem deslizar para estados de energia mais elevados, semelhante a uma moeda girando sobre a borda ou até mesmo mudando para um terceiro estado oculto. Os pesquisadores descobriram que seus qubits de dados estavam ocasionalmente aquecendo para um terceiro estado excitado, que eles chamam de estado |3⟩. Uma vez que um qubit fica preso neste estado, ele corrompe as medições de seus vizinhos por muitos ciclos seguidos, criando uma cadeia de erros que o sistema de correção padrão não consegue corrigir facilmente. A equipe de modelagem, que incluiu a física de como esses estados superiores se movem e decaem, coincidiu perfeitamente com os dados experimentais sem a necessidade de quaisquer parâmetros ajustáveis, confirmando que este aquecimento era a causa primária do patamar de erro.

Para resolver isso, a equipe desenvolveu um novo método chamado circuito de estabilidade de "caminhada" (walking). Em um circuito padrão, os papéis dos qubits permanecem fixos: alguns detêm os dados, enquanto outros atuam como sensores para verificar erros. No circuito de caminhada, os papéis alternam de ida e volta. Os qubits de dados tornam-se sensores, e os sensores tornam-se dados, e isso acontece a cada poucos ciclos. Crucialmente, quando um qubit atua como um sensor, ele é resetado de uma forma que limpa não apenas os erros normais, mas também esses estados de energia indesejados e mais elevados. Ao embaralhar periodicamente os qubits e resetá-los, a equipe foi capaz de expulsar as partículas presas antes que elas causassem uma cascata de erros.

Os resultados desta nova abordagem foram dramáticos. Enquanto o circuito padrão atingiu um limite onde os erros pararam de melhorar, o circuito de caminhada continuou a suprimir erros, atingindo uma probabilidade de erro lógico de menos de 3,20 × 10⁻⁸ após 60 ciclos. Isso é dois ordens de magnitude melhor do que o método padrão no mesmo ponto. A única coisa que impediu o circuito de caminhada de melhorar ainda mais foi um surto raro e aleatório de radiação ionizante do ambiente, que é um limite fundamental do hardware, e não uma falha no design.

Os pesquisadores também exploraram uma maneira de tornar o processo mais eficiente usando a própria "confiança" do computador para decidir quando parar. Em um experimento típico, a máquina executa um número fixo de ciclos. No entanto, a equipe descobriu que, ao analisar os dados em tempo real, eles podiam dizer quando o sistema estava confiante o suficiente para que não restassem erros. Se o sistema estivesse limpo, eles poderiam interromper o processo cedo; se estivesse confuso por um surto de ruído, poderiam esperar mais tempo. Esta estratégia adaptativa reduziu o tempo total que o experimento precisava rodar em 34% e reduziu a taxa de erro geral em 38%.

Este trabalho demonstra que simplesmente testar a memória de um computador quântico não é suficiente para garantir que ele funcionará para cálculos complexos. A equipe mostrou que erros correlacionados no tempo, causados por qubits ficando presos em estados de energia mais elevados, são um grande obstáculo que deve ser abordado. Ao identificar a causa física específica desses erros e inventar um circuito que os remove ativamente, eles deram um passo significativo para a construção de uma máquina que possa executar algoritmos quânticos longos e confiáveis. O estudo confirma que, com as ferramentas certas, esses erros persistentes e baseados no tempo podem ser domados, abrindo caminho para processadores quânticos maiores e mais poderosos.

Afogado em artigos na sua área?

Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.

Experimentar Digest →