Quantinuum rapporterer 99,9995% logisk hukommelsesfidelitet på Helios

Quantinuum har rapporteret et resultat inden for kvantefejlkorrektion, der sætter et centralt krav til brugbar kvantecomputing i skarpere fokus: at bevare kvanteinformation længe nok til at kunne bruge den til noget værdifuldt. På sin ionefangede Helios-kvantecomputer målte virksomheden en logisk hukommelsesfidelitet på 99,9995 % pr. fejlkontrolcyklus – svarende til omkring fem logiske fejl pr. million cyklusser.

Resultatet blev offentliggjort den 19. oktober og er en tidobling af forbedringen i forhold til virksomhedens tidligere rapporterede rekord. Quantinuum siger, at det styrker argumentet for Apollo, virksomhedens planlagte universelle fejltolerante system, der er målrettet mod 2029. Eksperimentet er dog en betydelig målestok for hukommelse, ikke en demonstration af en komplet, nyttig applikation, der kører med denne nøjagtighed.

Den ledsagende forskning fremhæver også den voksende forbindelse mellem AI og kvantecomputing: neurale netværk kan hjælpe med at fortolke fejlmålinger hurtigt nok til at understøtte fremtidig korrektion i realtid. Det er afgørende for at kunne vurdere fremskridtet at forstå, hvad der blev målt, og hvordan disse dekodere blev testet.

Hvad resultatet på 99,9995 % måler

Fysiske kvantebits er sårbare over for forstyrrelser, der ødelægger deres kvantetilstande. Fejlkorrektion fordeler information på flere fysiske kvantebits for at skabe en logisk kvantebit, mens yderligere målinger afslører tegn på fejl uden direkte at aflæse de beskyttede oplysninger.

Den afgørende test er, om mere beskyttelse faktisk sænker den logiske fejlfrekvens. Under fejlkorrektionstærsklen bør større koder fungere bedre. Over tærsklen kan de ekstra operationer, der kræves for at vedligeholde koden, tilføre for meget støj.

I Kvantefejlkorrektion langt under farvekodens tærskel testede Quantinuums forskere farvekoder med afstandene tre, fem og syv. Kodeafstanden beskriver beskyttelsens styrke. Den målte logiske hukommelsesfejlfrekvens faldt fra cirka 5,5 ud af 10.000 pr. cyklus ved afstand tre til 3,8 ud af 100.000 ved afstand fem og omkring fem ud af en million ved afstand syv.

Det største hukommelseseksperiment brugte 73 fysiske kvantebits, herunder ancillakvantebits til målinger, til at beskytte én logisk kvantebit. Estimatet byggede på tre fejl i 29.000 eksperimentelle kørsler, der hver bestod af 20 korrektionsrunder. Det lille antal observerede fejl betyder, at den statistiske usikkerhed er vigtig: Artiklen rapporterer et centralt fejlfrekvensestimat på fem pr. million med et interval på én standardafvigelse, der strækker sig fra cirka tre til ni pr. million.

Det er et stærkt bevis på, at beskyttelsen bliver stadig mere effektiv. Det betyder ikke, at en million vilkårlige kvanteporte eller en million trin i en kommerciel algoritme er blevet udført fejlfrit.

Hvorfor Helios kan teste forskellige fejlkorrektionskoder

Quantinuums tekniske redegørelse for eksperimentet fremhæver forbedringer, der er foretaget på det samme Helios-hardware, som blev brugt til virksomhedens tidligere resultat. Platformen anvender ioner, der holdes fanget, og har en konnektivitet, som muliggør interaktioner ud over en fast struktur med forbindelser mellem nærmeste naboer. Denne fleksibilitet gør det muligt for forskerne at ændre fejlkorrektionsstrategier uden at skulle redesigne processoren omkring én bestemt kode.

Det nye arbejde omhandler også lækage, hvor en ion forlader de tilstande, der bruges til at repræsentere en kvantebit. Lækage kan skabe korrelerede fejl, som er særligt skadelige for korrektionsmetoder. Forskerne kombinerer optisk repumpning, der bringer lækkede ioner tilbage til beregningstilstandene, med kredsløbsteknikker, der er udviklet til at begrænse, hvordan fejl spreder sig.

På tværs af de testede kodeafstande blev den logiske hukommelsesfejlfrekvens forbedret med en faktor på omkring 12, hver gang afstanden blev øget med to. Et separat eksperiment med en to-kvantebiters Clifford-port viste en reduktion med en faktor på cirka ni fra afstand tre til afstand fem. Det er beslægtede, men forskellige målestokke: Den fremhævede hukommelsesfidelitet bør ikke overføres til portresultatet.

AI hjælper med at afkode fejlsignalerne

Kvantefejlkorrektion afhænger af en klassisk dekoder, der fortolker målemønstre og fastslår, hvilke fejl der sandsynligvis er opstået. Bedre fysisk hardware er ikke nok, hvis denne fortolkning ikke kan følge med processoren.

Studiet sammenligner flere metoder, herunder en A*-søgedekoder kaldet Tesseract, en streamingdekoder kaldet Frontier, et tredimensionelt konvolutionelt neuralt netværk og en transformer med rundtokens. De neurale modeller blev trænet på data fra en Helios-emulator og derefter anvendt på eksperimentelle data uden finjustering på hardwaredata.

Dette er en specifik anvendelse af AI: at identificere fejlmønstre i kvantemålinger. Modellerne erstatter ikke kvanteprocessoren og demonstrerer heller ikke en AI-applikation til generelle formål. Deres værdi ligger i at afveje afkodningsnøjagtighed mod den hastighed, der skal til for at opretholde gentagne korrektionscyklusser.

Forskerne rapporterer neurale inferenstider på flere hundrede mikrosekunder, hvilket er foreneligt med realtidsdrift på denne type hardware. Det er afgørende, at al afkodning i studiet blev udført offline. Streamingtestene tilførte målingerne runde for runde for at vurdere tidsforbruget; de var ikke en demonstration af, at de neurale afkodere styrede en feedbacksløjfe i realtid gennem hele eksperimentet.

Denne forskel betyder, at der stadig venter en teknisk milepæl, samtidig med at resultatets betydning består: Modeller, der var trænet i simuleringer, fortolkede med held fejl fra en fysisk kvantemaskine.

Hvad der endnu mangler, før en hukommelsesrekord fører til nyttig databehandling

Quantinuum beskriver resultatet som en verdensrekord og siger, at nøjagtigheden nu ligger inden for målintervallet for Apollo. Disse påstande bør ses i sammenhæng med de bredere krav til fejltolerant databehandling. Et praktisk system skal beskytte mange logiske qubits, udføre et tilstrækkeligt bredt udvalg af porte, opretholde korrektionen under beregninger og levere tilstrækkeligt gennemløb til at fuldføre værdifulde arbejdsopgaver.

Selv i dette studie er begrænsningerne i de tilgængelige ressourcer tydelige. Forskerne gennemførte ikke forsøget med en to-qubit-port ved afstand syv, fordi det oversteg det antal qubits, der var til rådighed på Helios. Virksomhedens blog fremhæver også skalerbar klargøring af magiske tilstande under tærsklen – som er nødvendig for en vigtig vej til universel fejltolerant databehandling – som noget, der endnu mangler at blive demonstreret.

Quantinuums køreplan omfatter systemet Sol i 2027 og Apollo i 2029. Det er fortsat udviklingsmål. Den aktuelle dokumentation er mere begrænset, men betydningsfuld: På eksisterende hardware reducerede ændringer af koden, kontrol med lækage og forbedret afkodning fejl i logisk hukommelse markant.

For kvanteindustrien retter resultatet opmærksomheden mod et mere krævende spørgsmål end blot, om en processor overhovedet kan demonstrere fejlkorrektion: Kan denne beskyttelse skaleres til at omfatte hele maskineriet bag nyttig databehandling? For AI-forskere er det et konkret eksempel på, at maskinlæring bidrager til denne indsats på niveauet for styringsinfrastrukturen.