Quantinuum riporta una fedeltà della memoria logica del 99,9995% su Helios

Quantinuum ha riportato un risultato nella correzione degli errori quantistici che mette a fuoco un requisito fondamentale per rendere utile il calcolo quantistico: mantenere intatte le informazioni quantistiche abbastanza a lungo da poterne ricavare qualcosa di utile. Sul suo computer a ioni intrappolati Helios, l’azienda ha misurato una fedeltà della memoria logica del 99,9995% per ciclo di controllo degli errori, equivalente a circa cinque errori logici ogni milione di cicli.

Annunciato il 19 ottobre, il risultato rappresenta una riduzione di dieci volte rispetto al precedente record riportato dall’azienda. Quantinuum afferma che rafforza le prospettive di Apollo, il suo sistema universale tollerante ai guasti previsto per il 2029. Si tratta tuttavia di un importante benchmark della memoria, non della dimostrazione di un’applicazione completa e utile eseguita con quel livello di accuratezza.

La ricerca che accompagna il risultato evidenzia anche il legame sempre più stretto tra IA e calcolo quantistico: le reti neurali possono aiutare a interpretare le misurazioni degli errori abbastanza rapidamente da supportare in futuro la correzione in tempo reale. Per valutare i progressi è essenziale capire che cosa è stato misurato e come sono stati testati quei decoder.

Che cosa misura il risultato del 99,9995%

I qubit fisici sono vulnerabili a perturbazioni che ne alterano gli stati quantistici. La correzione degli errori distribuisce le informazioni su più qubit fisici per creare un qubit logico, mentre ulteriori misurazioni rilevano i segnali di errore senza leggere direttamente le informazioni protette.

La verifica fondamentale consiste nello stabilire se l’aggiunta di protezione riduca davvero il tasso di errore logico. Al di sotto della soglia di correzione degli errori, i codici più grandi dovrebbero funzionare meglio. Al di sopra, le operazioni aggiuntive necessarie per mantenere il codice possono introdurre troppo rumore.

In Correzione degli errori quantistici ben al di sotto della soglia del codice colore, i ricercatori di Quantinuum hanno testato codici colore con distanze tre, cinque e sette. La distanza del codice descrive il livello di protezione. Il tasso di errore misurato nella memoria logica è sceso da circa 5,5 ogni 10.000 cicli con distanza tre a 3,8 ogni 100.000 con distanza cinque, e a circa cinque ogni milione con distanza sette.

L’esperimento più ampio sulla memoria ha utilizzato 73 qubit fisici, incluse ancille di misura, per proteggere un qubit logico. La stima si basa su tre errori in 29.000 prove sperimentali, ciascuna composta da 20 round di correzione. Il basso numero di errori osservati rende rilevante l’incertezza statistica: l’articolo riporta una stima centrale di cinque errori per milione, con un intervallo di una deviazione standard che va approssimativamente da tre a nove per milione.

È una prova solida di una protezione sempre più efficace. Non significa che siano state eseguite senza errori un milione di porte quantistiche arbitrarie o un milione di passaggi di un algoritmo commerciale.

Perché Helios può testare diversi codici di correzione degli errori

Il resoconto tecnico dell’esperimento di Quantinuum mette in evidenza i miglioramenti apportati allo stesso hardware Helios utilizzato per il risultato precedente. La piattaforma impiega ioni intrappolati e offre una connettività che consente interazioni che vanno oltre una configurazione fissa tra primi vicini. Questa flessibilità permette ai ricercatori di modificare le strategie di correzione degli errori senza riprogettare il processore attorno a un unico codice.

Il nuovo lavoro affronta anche la perdita, un fenomeno in cui uno ione abbandona gli stati usati per rappresentare un qubit. La perdita può generare errori correlati, particolarmente dannosi per gli schemi di correzione. I ricercatori combinano il ripompaggio ottico, che riporta gli ioni fuoriusciti negli stati computazionali, con tecniche circuitali progettate per limitare la propagazione degli errori.

Alle diverse distanze dei codici testate, il tasso di errore della memoria logica è migliorato di un fattore pari a circa 12 ogni volta che la distanza aumentava di due. Un esperimento distinto con porte di Clifford a due qubit ha dimostrato una soppressione degli errori di circa un fattore nove tra le distanze tre e cinque. Si tratta di benchmark correlati ma distinti: la fedeltà della memoria riportata nel titolo non va applicata al risultato relativo alle porte.

L’IA aiuta a decodificare i segnali di errore

La correzione degli errori quantistici dipende da un decoder classico che interpreta i pattern di misurazione e determina gli errori più probabili. Un hardware fisico migliore, da solo, non basta se l’interpretazione non riesce a tenere il passo con il processore.

Lo studio confronta diversi approcci, tra cui un decoder basato sulla ricerca A* chiamato Tesseract, un decoder a flusso continuo chiamato Frontier, una rete neurale convoluzionale tridimensionale e un transformer con token per round. I modelli neurali sono stati addestrati su dati provenienti da un emulatore di Helios e poi applicati ai dati sperimentali senza una messa a punto ulteriore sui dati dell’hardware.

L’IA svolge qui un compito specifico: individuare pattern di errore nelle misurazioni quantistiche. I modelli non sostituiscono il processore quantistico né dimostrano un’applicazione di IA generalista. Il loro valore consiste nel bilanciare l’accuratezza della decodifica con la velocità necessaria per sostenere cicli di correzione ripetuti.

I ricercatori riferiscono tempi di inferenza neurale nell’ordine delle centinaia di microsecondi, compatibili con il funzionamento in tempo reale su questa classe di hardware. È fondamentale notare che, nello studio, tutta la decodifica è stata eseguita offline. Nei test in streaming, le misurazioni venivano fornite round dopo round per valutare i tempi: non si è trattato di una dimostrazione in cui i decodificatori neurali controllavano un ciclo di feedback in tempo reale per tutta la durata dell’esperimento.

Questa distinzione lascia ancora da raggiungere un traguardo ingegneristico, senza sminuire l’importanza del risultato: modelli addestrati in simulazione hanno interpretato con successo gli errori di una macchina quantistica fisica.

Cosa manca tra un record di memoria e un calcolo utile

Quantinuum descrive il risultato come un record mondiale e afferma che la sua accuratezza rientra ora nell’intervallo obiettivo per Apollo. Queste affermazioni vanno considerate alla luce dei requisiti più ampi del calcolo tollerante ai guasti. Un sistema pratico deve proteggere molti qubit logici, eseguire un insieme sufficientemente ampio di porte, mantenere la correzione durante il calcolo e garantire una capacità di elaborazione sufficiente per completare carichi di lavoro di valore.

Anche in questo studio restano evidenti i limiti delle risorse. I ricercatori non hanno eseguito l’esperimento con porte a due qubit a distanza sette, perché avrebbe superato il numero di qubit disponibile su Helios. Nel blog dell’azienda si indica inoltre che resta da dimostrare la preparazione scalabile di stati magici al di sotto della soglia, necessaria per un’importante via verso il calcolo universale tollerante ai guasti.

La roadmap di Quantinuum prevede il sistema Sol nel 2027 e Apollo nel 2029. Si tratta ancora di obiettivi di sviluppo. Le prove attuali sono più circoscritte, ma significative: sull’hardware esistente, modificare il codice, controllare il leakage e migliorare la decodifica ha ridotto in misura sostanziale gli errori della memoria logica.

Per il settore quantistico, il risultato sposta l’attenzione su una questione più impegnativa del semplice chiedersi se un processore sia in grado di dimostrare la correzione degli errori: questa protezione può estendersi all’intera infrastruttura necessaria per un calcolo utile? Per i ricercatori di IA, offre un esempio concreto di come l’apprendimento automatico possa contribuire a questo sforzo a livello dell’infrastruttura di controllo.