Das Quantencomputing schreitet voran zu sogenannten fehlertoleranten Systemen, die ihre eigenen Fehler korrigieren können, und die Reduzierung dieser Fehler bleibt eine zentrale Herausforderung. Im Oktober kündigten Google und Nvidia jeweils Fortschritte rund um die Technik der magic state cultivation an, die darauf abzielt, die für universelle Quantenberechnungen benötigten Zustände effizienter zu erzeugen.
Qubits, die Grundeinheiten des Quantencomputings, sind sehr fragil: Sie können ihre Kohärenz verlieren, und ein System, das zu viele Fehler macht, ist nicht nützlich. Anbieter schaffen daher logische Qubits aus vielen physikalischen Qubits, die Fehler erkennen und korrigieren können, ohne den Quantenzustand zu unterbrechen. Allerdings kann ein einziges logisches Qubit mehrere tausend physikalische Qubits erfordern, was die Skalierung erschwert.
Ein universeller Quantencomputer muss Clifford-Gatter wie S- und CNOT-Gatter mit Nicht-Clifford-Gattern wie T-Gattern kombinieren. Die meisten Fehlerkorrekturcodes können mit den ersten umgehen, aber nicht mit den zweiten. Magische Zustände, die 2004 von Forschern eingeführt wurden, sind für diese Berechnungen unerlässlich, aber sie sind fragil, schwer mit hoher Treue zu erzeugen und können nicht wiederverwendet werden.
Um dies auszugleichen, verwandelt die Destillation magischer Zustände viele verrauschte, also ungenaue Zustände, in eine geringere Anzahl hochtreuer Zustände. Dieser Vorgang kann jedoch bis zu 95 % der Kapazität eines Quantensystems beanspruchen, was einen Engpass schafft. 2024 stellten Forscher von Google die magic state cultivation vor: Statt eine große Anzahl verrauschter Zustände zu erzeugen und dann einen Großteil davon zu verwerfen, wird ein verrauschter Zustand in einem kleinen Bereich des Chips platziert und es werden Messungen durchgeführt, die Fehler erkennen und fehlerhafte Versuche eliminieren, bis ein Zustand mit geringerer Fehlerrate erreicht ist.
Eine Demonstration auf dem Chip
Am 15. Oktober kündigten Google und Nvidia Projekte an, die ihrer Meinung nach die Entwicklung dieser Technik erheblich voranbringen. Die Forscher von Google Quantum AI berichten über die erste Hardware-Implementierung der Methode, die auf dem supraleitenden Chip Willow ausgeführt wurde. Laut dem Unternehmen ermöglichte die Demonstration eine 40-fache Reduzierung der Fehler im Vergleich zu nicht kultivierten Zuständen und das Erreichen von T-Zuständen mit einer logischen Treue von 99,99 %.
Weniger als eine Woche später gaben Forscher von Nvidia bekannt, eine Simulation mit 104 Qubits auf Jupiter, dem ersten europäischen Exascale-Supercomputer, durchgeführt zu haben. Jupiter ist im Jülich Supercomputing Centre in Deutschland gehostet und mit Nvidia GH200-Superchips ausgestattet. Laut Nvidia verbraucht die Methode 90 % weniger Qubits als andere Ansätze.
Sam Stanwyck, Quantum Product Director bei Nvidia, bezeichnete die Arbeiten beider Unternehmen als kritischen Schritt hin zum fehlertoleranten Quantencomputing. Über Google sagte er: « Das ergänzt die Arbeiten von Google. Was Google gemacht hat, ist eine kleine Hardware-Demonstration. Es war ein Proof of Concept, der zeigt, dass magic state cultivation tatsächlich auf echter Hardware funktioniert. »
Die Forscher von Google, die zwei Jahre daran gearbeitet hatten, die Methode von der Theorie in die Praxis zu überführen, haben ihre Ergebnisse in einem Artikel in der Zeitschrift Science detailliert beschrieben. Sie räumen ein, dass sie die Technik in größerem Maßstab demonstrieren müssen, um sie in einem praktischen Quantensystem realistisch zu machen, schätzen aber gleichzeitig ein, dass « diese Errungenschaft eine zentrale theoretische Idee in eine experimentell demonstrierte Realität verwandelt ».
Simulieren, um zu entwerfen
Laut Sam Stanwyck ist Simulation unerlässlich, um Hardware und Software für diese Ansätze zu entwerfen. « Man muss sie so tief wie möglich simulieren, um ihr Verhalten und vor allem ihre Fehlerbehandlung zu verstehen », sagte er. Er erwähnte auch die Arbeiten von Amazon Web Services und Quantum Elements mit der University of Southern California und der Harvard University, die ebenfalls eine Simulation zur Behandlung der Fehlerkorrektur eingesetzt haben.
Nvidia nutzte seine klassisch-quantum Plattform CUDA-Q und sein cuQuantum Software Development Kit, um Hardware-Fehler zu modellieren, einschließlich kohärenter Fehler und Leakage. « Das sind sehr kleine systematische Fehler in Quantenoperationen, die sich während einer Berechnung ansammeln und begrenzen, was der Computer tun kann », erklärte Sam Stanwyck. Das Projekt begann auf einem System mit GB200 NVL72 im Accelerated Quantum Research Center in Boston, bevor es auf Jupiter ausgeweitet wurde, wo die Tests von vier GPUs auf mehrere hundert und dann auf 8.192 GPUs stiegen.
