- Qubits, die grundlegende Einheit von Quantencomputern, sind äußerst empfindlich und erzeugen bereits bei kleinsten externen Störungen Fehler
- Quantenfehlerkorrektur (QEC) kombiniert viele empfindliche physische Qubits zu stabileren logischen Qubits und korrigiert dabei Fehler
- Das zentrale Ziel von QEC ist, dass bei einer Fehlerrate physischer Qubits unterhalb eines Schwellenwerts das Hinzufügen weiterer Qubits die Fehler weiter reduziert
Googles wichtigste Leistung: Fehlerrate unter den Schwellenwert gebracht
- Google konnte mithilfe eines bestimmten QEC-Typs, der Surface Codes, Fehler exponentiell reduzieren
- Durch die Erhöhung der Codedistanz (code distance) von 5 auf 7 Qubits sank die logische Fehlerrate um das 2,14-Fache
- Die Experimente zeigten, dass logische Qubits doppelt so lange stabil blieben wie physische Qubits
- Dies ist der erste Nachweis, dass logische Qubits physische Qubits in der Leistung übertreffen, und schafft eine wichtige Grundlage für skalierbare Quantencomputer
Googles Innovation aus Sicht der Regelungstechnik
1. Echtzeitsynchronisierung
- Jeder Fehlerkorrekturzyklus musste innerhalb von 1.1µs abgeschlossen werden, was eine perfekte Synchronisierung zwischen den Qubits erforderte
- Schon kleinste Timing-Fehler bei Signalen können zur Fehlerakkumulation und zum Scheitern der Berechnung führen
2. Echtzeit-Decoding
- Decoding ist die Analyse von Messdaten, um Ort und Art eines Fehlers zu bestimmen
- Google verarbeitete mit einer Latenz von 63µs mehr als eine Million Fehlerkorrekturzyklen
- Ist der Decoder zu langsam, sammeln sich Fehler an, daher ist Echtzeit-Decoding unverzichtbar
3. Betrieb hochfidelitärer Gates
- Mit einer Fehlerrate von unter 0,1 % bei Single-Qubit-Gates und 0,3 % bei Zwei-Qubit-CZ-Gates wurde die Stabilität logischer Qubits abgesichert
- Gate-Fehler können sich durch das gesamte System ausbreiten, daher ist Präzision entscheidend
Warum Echtzeit-Decoding so wichtig ist
- Googles Forschung zeigt, wie entscheidend Latenz und Durchsatz des Decoders für die QEC-Leistung sind
- Decoding wird auf Hardware wie FPGAs schnell und präzise ausgeführt, während GPUs höhere Rechenleistung bieten
- Die aus der Zusammenarbeit von NVIDIA und Quantum Machines entstandene Plattform DGX Quantum unterstützt QEC-Aufgaben mit einer Daten-Roundtrip-Latenz von unter 4µs
Kommende Herausforderungen und Ausblick
Was Googles Ergebnis bedeutet
- Google hat den Weg zum fehlertoleranten Quantencomputing geebnet, indem das Unternehmen zeigte, dass logische Qubits physische Qubits übertreffen können
- Der Nachweis einer exponentiell sinkenden logischen Fehlerrate zeigt das Potenzial für die Ausführung komplexer Quantenberechnungen
Künftige Forschungsaufgaben
- Höhere Decoder-Geschwindigkeit und automatisierte Kalibrierung
- Entwicklung schneller Strategien zur Fehlerminderung
- Entwurf integrierter Steuerungssysteme für Quanten- und klassische Workloads
- Notwendig ist ein vollständiger Echtzeit-Feedback-Loop, der Fehler korrigiert, bevor sie sich ansammeln
2 Kommentare
AlphaQubit – Fehlererkennung in Quantencomputern mithilfe von KI
Hacker-News-Kommentare
Bei klassischen Computern wird fehlertoleranter Speicher nicht dadurch erreicht, dass Bits dupliziert werden, um Fehler zu erkennen und zu korrigieren, sondern durch Fehlerkorrekturverfahren
Die Website wurde so gestaltet, dass beim Anpassen der Zoom-Einstellungen des Browsers alles außer dem Haupttext vergrößert werden kann
Das erwähnte Paper wurde am 27. August 2024 veröffentlicht
Ich freue mich auf Fortschritte im Quantencomputing, betrachte es aber nicht als echten Durchbruch, solange man nicht das Produkt von Primzahlen mit mehr als ein paar Bits faktorisieren kann
Ich bin mir nicht sicher, welche Folgen jeder Fortschritt im Quantencomputing konkret hat, aber wir sind dem Risiko ausgesetzt, irgendwann alle Sicherheitsschlüssel und Verschlüsselungsalgorithmen ändern zu müssen
Ich frage mich, ob jemand versteht, wie nah uns diese Leistung einem praktischen Quantencomputer gebracht hat
Es fühlt sich nicht wie ein Durchbruch an