Quantinuum informuje o wierności pamięci logicznej na poziomie 99,9995% na komputerze Helios

Quantinuum poinformowało o wyniku dotyczącym korekcji błędów kwantowych, który pozwala lepiej dostrzec jeden z kluczowych warunków użytecznego obliczania kwantowego: zachowanie informacji kwantowej w niezmienionej postaci na tyle długo, by można było ją wykorzystać. Na swoim komputerze Helios z jonami uwięzionymi w pułapkach firma zmierzyła wierność pamięci logicznej wynoszącą 99,9995% w każdym cyklu sprawdzania błędów — co odpowiada około pięciu błędom logicznym na milion cykli.

Wynik ogłoszony 19 października oznacza dziesięciokrotną poprawę w porównaniu z poprzednim rekordem zgłoszonym przez firmę. Quantinuum twierdzi, że wzmacnia on argumenty przemawiające za Apollo, planowanym uniwersalnym systemem odpornym na błędy, którego wdrożenie zaplanowano na 2029 rok. Eksperyment stanowi jednak istotny punkt odniesienia w zakresie pamięci, a nie demonstrację kompletnej, użytecznej aplikacji działającej z taką dokładnością.

Towarzyszące badaniom opracowanie podkreśla również rosnące powiązania między AI a obliczeniami kwantowymi: sieci neuronowe mogą pomagać w tak szybkim interpretowaniu pomiarów błędów, by wspierać przyszłą korekcję w czasie rzeczywistym. Aby ocenić znaczenie tego postępu, trzeba zrozumieć, co zmierzono i jak testowano dekodery.

Co mierzy wynik 99,9995%

Kubity fizyczne są podatne na zakłócenia, które zniekształcają ich stany kwantowe. Korekcja błędów rozkłada informację między wiele kubitów fizycznych, tworząc kubit logiczny, a dodatkowe pomiary ujawniają oznaki błędów bez bezpośredniego odczytywania chronionej informacji.

Kluczowe jest sprawdzenie, czy zwiększenie poziomu ochrony rzeczywiście obniża poziom błędów logicznych. Poniżej progu korekcji błędów większe kody powinny działać lepiej. Powyżej tego progu dodatkowe operacje potrzebne do utrzymania kodu mogą wprowadzać zbyt dużo szumu.

W opracowaniu Korekcja błędów kwantowych znacznie poniżej progu kodu kolorowego badacze z Quantinuum przetestowali kody kolorowe o odległościach 3, 5 i 7. Odległość kodu określa siłę ochrony. Zmierzony poziom błędów pamięci logicznej spadł z około 5,5 na 10 000 w każdym cyklu przy odległości 3 do 3,8 na 100 000 przy odległości 5 i około 5 na milion przy odległości 7.

W największym eksperymencie dotyczącym pamięci wykorzystano 73 kubity fizyczne, w tym pomocnicze kubity pomiarowe, aby chronić jeden kubit logiczny. Oszacowanie oparto na trzech błędach w 29 000 próbach eksperymentalnych, z których każda obejmowała 20 rund korekcji. Mała liczba zaobserwowanych błędów oznacza, że niepewność statystyczna ma znaczenie: w publikacji podano centralne oszacowanie poziomu błędów wynoszące pięć na milion, a przedział obejmujący jedno odchylenie standardowe rozciąga się w przybliżeniu od trzech do dziewięciu na milion.

To mocny dowód na coraz skuteczniejszą ochronę. Nie oznacza to jednak, że wykonano milion dowolnych bramek kwantowych ani milion kroków algorytmu komercyjnego bez błędów.

Dlaczego Helios pozwala testować różne kody korekcji błędów

W technicznym opisie eksperymentu Quantinuum podkreśla ulepszenia wprowadzone w tym samym sprzęcie Helios, który wykorzystano w poprzednim badaniu. Platforma wykorzystuje jony uwięzione w pułapkach, a jej łączność pozwala na interakcje wykraczające poza stały układ najbliższych sąsiadów. Ta elastyczność umożliwia badaczom zmianę strategii korekcji błędów bez przeprojektowywania procesora pod kątem jednego konkretnego kodu.

Nowe badanie dotyczy także wycieku, czyli sytuacji, w której jon opuszcza stany wykorzystywane do reprezentowania kubitu. Wyciek może powodować skorelowane błędy, szczególnie szkodliwe dla schematów korekcji. Badacze łączą repompowanie optyczne, które przywraca jony po wycieku do stanów obliczeniowych, z technikami obwodowymi zaprojektowanymi tak, by ograniczyć rozprzestrzenianie się błędów.

Dla wszystkich testowanych odległości kodu poziom błędów pamięci logicznej poprawiał się mniej więcej 12-krotnie za każdym razem, gdy odległość wzrastała o dwa. W osobnym eksperymencie z dwu-kubitową bramką Clifforda wykazano tłumienie błędów około dziewięciokrotnie przy przejściu od odległości 3 do 5. Są to powiązane, ale odrębne punkty odniesienia: nie należy odnosić podanej w nagłówku wierności pamięci do wyniku dotyczącego bramki.

AI pomaga dekodować sygnały błędów

Korekcja błędów kwantowych opiera się na dekoderze klasycznym, który interpretuje wzorce pomiarowe i określa najbardziej prawdopodobne błędy. Samo ulepszenie sprzętu fizycznego nie wystarczy, jeśli interpretacja pomiarów nie będzie nadążać za procesorem.

W badaniu porównano kilka metod, w tym dekoder wyszukiwania A* o nazwie Tesseract, dekoder strumieniowy Frontier, trójwymiarową konwolucyjną sieć neuronową oraz transformer z tokenami rund. Modele neuronowe trenowano na danych z emulatora Helios, a następnie zastosowano do danych eksperymentalnych bez dostrajania na danych ze sprzętu.

To konkretne zastosowanie AI: rozpoznawanie wzorców błędów w pomiarach kwantowych. Modele nie zastępują procesora kwantowego ani nie demonstrują aplikacji AI ogólnego przeznaczenia. Ich wartość polega na równoważeniu dokładności dekodowania z szybkością potrzebną do podtrzymania powtarzanych cykli korekcji.

Badacze podają, że czas wnioskowania sieci neuronowych wynosi setki mikrosekund, co pozwala na działanie w czasie rzeczywistym na sprzęcie tej klasy. Co istotne, całe dekodowanie w badaniu odbywało się w trybie offline. W testach strumieniowych pomiary przekazywano runda po rundzie, aby ocenić czas działania; nie wykazano w ten sposób, że dekodery neuronowe sterowały pętlą sprzężenia zwrotnego na bieżąco przez cały eksperyment.

To rozróżnienie oznacza, że przed badaczami pozostaje jeszcze kamień milowy w dziedzinie inżynierii, nie umniejsza jednak znaczenia wyniku: modele wytrenowane w symulacji skutecznie interpretowały błędy zarejestrowane na fizycznym komputerze kwantowym.

Co jeszcze dzieli rekord pamięci od użytecznych obliczeń

Quantinuum określa ten wynik mianem rekordu świata i twierdzi, że uzyskana dokładność mieści się już w docelowym zakresie dla Apollo. Te deklaracje należy rozpatrywać w kontekście szerszych wymagań stawianych obliczeniom odpornym na błędy. Praktyczny system musi chronić wiele kubitów logicznych, wykonywać odpowiednio szeroki zestaw bramek, nieprzerwanie korygować błędy podczas obliczeń i zapewniać przepustowość wystarczającą do realizacji wartościowych zadań obliczeniowych.

Ograniczenia zasobów są widoczne nawet w tym badaniu. Badacze nie przeprowadzili eksperymentu z bramką dwukubitową o odległości siedem, ponieważ wymagał on większej liczby kubitów, niż było dostępnych w Helios. Na firmowym blogu wskazano również, że skalowalne przygotowywanie stanów magicznych poniżej progu — niezbędne dla jednej z ważnych dróg do uniwersalnych obliczeń odpornych na błędy — wciąż wymaga demonstracji.

Plan rozwoju Quantinuum obejmuje system Sol w 2027 roku i Apollo w 2029 roku. Są to nadal cele rozwojowe. Obecne dowody są skromniejsze, ale znaczące: na istniejącym sprzęcie zmiana kodu, kontrolowanie wycieku i udoskonalenie dekodowania znacznie ograniczyły błędy pamięci logicznej.

Wynik ten kieruje uwagę branży kwantowej ku trudniejszemu pytaniu niż to, czy procesor potrafi w ogóle zademonstrować korekcję błędów: czy tę ochronę można skalować tak, by objęła cały aparat potrzebny do użytecznych obliczeń. Dla badaczy AI jest to konkretny przykład wykorzystania uczenia maszynowego w tym przedsięwzięciu na poziomie infrastruktury sterującej.