Две независимые исследовательские группы представили методы улучшения производительности квантовых компьютеров за счёт усовершенствованной системы обнаружения ошибок и стабильности кубитов, устраняя критические препятствия на пути к коммерчески жизнеспособным квантовым машинам

Две независимые исследовательские группы представили методы улучшения производительности квантовых компьютеров за счёт усовершенствованной системы обнаружения ошибок и стабильности кубитов, устраняя критические препятствия на пути к коммерчески жизнеспособным квантовым машинам.Исследователи из Карлсруэского технологического института и Университета Шербрука опубликовали результаты в Physical Review Letters, показывающие, что калибровка заряда в квантовых битах значительно снижает ошибки, вызванные измерениями, в сверхпроводящих квантовых процессорах. Отдельно учёные из Университета Суинберна разработали методы, которые могут проверять выходные данные квантовых компьютеров за минуты, а не за тысячелетия, согласно результатам, опубликованным 30 ноября.

Борьба с ошибками измерений в сверхпроводящих кубитах

Исследование в Карлсруэ посвящено постоянной проблеме в квантовых вычислениях: во время измерения кубиты могут переходить в нежелательные энергетические состояния, делая результаты ненадёжными. Это явление возникает, когда микроволновые фотоны, посылаемые в резонатор, вызывают переход кубитов в более высокие энергетические состояния — эффект, сравнимый с ионизацией атома под воздействием интенсивного света.

«Если мы поймём, при каком количестве фотонов в резонаторе и при каком уровне заряда на трансмоне кубит переходит в нежелательные состояния, мы сможем оптимизировать процедуру измерения», — сказал профессор Иоан М. Поп, возглавляющий исследования в области квантовых вычислений в Институте квантовых материалов и технологий KIT.

Команда под руководством доктора Матьё Фешана отслеживала и перекалибровывала параметры заряда, варьируя уровни считывания. Их экспериментальные результаты совпали с недавно предложенными теоретическими моделями и продемонстрировали, что активная калибровка заряда позволяет проводить считывания в диапазонах количества фотонов, где мешающие квантовые переходы снижены.

Проверка непроверяемого

Исследование Суинберна решает парадокс: если квантовые компьютеры решают задачи, которые не могут решить классические суперкомпьютеры, как кто-либо может проверить правильность результатов? Команда разработала методы валидации выходных данных гауссовских бозонных сэмплеров — квантовых устройств, использующих фотоны для вычисления вероятностей, требующих тысячи лет работы классических суперкомпьютеров.

«Всего за несколько минут на ноутбуке разработанные методы позволяют нам определить, выдаёт ли эксперимент с GBS правильный ответ и какие ошибки, если таковые имеются, присутствуют», — сказал ведущий автор Александр Деллиос, постдокторант Центра квантовой науки и технологической теории Суинберна.

Когда команда применила свои методы валидации к недавнему эксперименту с GBS, воспроизведение которого с использованием существующих суперкомпьютеров заняло бы не менее 9000 лет, они обнаружили, что распределение вероятностей не соответствовало предполагаемой цели и выявили ранее не проанализированный шум.

Прогресс в направлении практических квантовых вычислений

Оба исследования появляются в момент, когда квантовая вычислительная индустрия сталкивается с надежностью как своей определяющей проблемой. Эти достижения дополняют недавние важные вехи, включая демонстрацию Google Quantum AI в 2024 году того, что добавление большего числа физических кубитов может снизить уровень ошибок — пороговое достижение для масштабируемых квантовых систем.

«Разработка крупномасштабных, безошибочных квантовых компьютеров — это грандиозная задача, которая, если будет выполнена, произведёт революцию в таких областях, как разработка лекарств, ИИ, кибербезопасность, и позволит нам углубить наше понимание физической вселенной», — сказал Деллиос. «Жизненно важным компонентом этой задачи являются масштабируемые методы валидации квантовых компьютеров, которые повышают наше понимание того, какие ошибки влияют на эти системы и как их исправить».