Впервые исследователи показали, что добавление большего количества «кубитов» к квантовому компьютеру может сделать его более устойчивым. Это важный шаг на долгом пути к практическому применению квантовых компьютеров.
Как построить идеальную машину из несовершенных деталей? Поиск ответа на этот вопрос — главный вызов для исследователей, создающих квантовые компьютеры. Проблема в том, что элементарные строительные блоки (кубиты) чрезвычайно чувствительны к возмущениям из внешнего мира. Современные прототипы квантовых компьютеров слишком подвержены ошибкам, чтобы делать что-то полезное.
В 1990-х годах исследователи разработали теоретические основы для преодоления этих ошибок. Способ называется квантовой коррекцией ошибок. Его основная идея — это заставить физические кубиты в кластере работать вместе как один высококачественный «логический кубит». Затем компьютер использовал бы много таких логических кубитов для вычислений. Они создали бы эту идеальную машину, преобразуя множество ненадёжных компонентов в меньшее количество надёжных.
«Это единственный известный нам способ создания крупномасштабного квантового компьютера», — сказал Майкл Ньюман, исследователь по исправлению ошибок в Google Quantum AI.
Эта вычислительная алхимия имеет свои пределы. Если физические кубиты слишком подвержены сбоям, исправление ошибок контрпродуктивно — добавление большего количества физических кубитов ухудшит логические кубиты, а не улучшит их. Но если частота ошибок опускается ниже определённого порога, баланс восстанавливается: чем больше физических кубитов вы добавляете, тем более устойчивым становится каждый логический кубит.
Теперь Ньюман и его коллеги из Google Quantum AI наконец-то перешли этот порог, и рассказали об этом в статье, опубликованной 9 декабря 2024 года в Nature. Исследователи преобразовали группу физических кубитов в один логический кубит, а затем показали, что, по мере добавления физических кубитов в группу, частота ошибок логического кубита резко падала.
«Все наши теории держатся на таком масштабировании, — сказал Дэвид Хейс, физик из компании квантовых вычислений Quantinuum. — Очень волнительно видеть, как это становится реальностью».
Правила большинства
Простейшая версия исправления ошибок работает на обычных «классических» компьютерах, которые представляют информацию в виде строки битов, или нулей и единиц. Любой случайный сбой, который меняет значение бита, вызовет ошибку.
Вы можете защититься от ошибок, распределив информацию по нескольким битам. Самый простой подход — переписать каждый 0 как 000 и каждую 1 как 111. Каждый раз, когда три бита в группе не имеют одинакового значения, вы будете знать, что произошла ошибка, и большинство голосов исправит неисправный бит.
Но эта процедура не всегда работает. Если в двух битах в любой тройке одновременно произошли ошибки, большинство голосов вернёт неправильный ответ.
Чтобы избежать этого, вы можете увеличить количество бит в каждой группе. Пятибитная версия этого «повторяемого кода», например, может допускать две ошибки на группу. Но хотя этот более избыточный код может обрабатывать больше ошибок, у вас также оказывается больше способов появления новых ошибок. Чистый эффект выгоден, если частота ошибок каждого отдельного бита ниже определённого порога. Если это не так, то увеличение количества бит только усугубляет вашу проблему ошибок.
Как обычно, в квантовом мире ситуация сложнее. Кубиты подвержены большему количеству видов ошибок, чем их классические собратья. Ими также гораздо сложнее манипулировать. Каждый шаг в квантовом вычислении — это ещё один источник ошибок, как и сама процедура исправления ошибок. Более того, нет способа измерить состояние кубита, не нарушив его необратимо — вам нужно каким-то образом диагностировать ошибки, даже не наблюдая их напрямую. Все это означает, что с квантовой информацией нужно обращаться с особой осторожностью.
«Квантовая информация по своей сути более нежная, — сказал Джон Прескилл, квантовый физик из Калифорнийского технологического института. — Приходится беспокоиться обо всём, что может пойти не так».
Сначала многие исследователи считали, что квантовая коррекция ошибок невозможна. В середине 1990-х выяснилось, что они неправы, когда исследователи разработали простые примеры квантовых кодов коррекции ошибок. Но это только изменило прогноз с безнадёжного на непрактичный.
Когда исследователи проработали детали, они поняли, что им нужно получить частоту ошибок для каждой операции с физическими кубитами ниже 0,01% — только одна из 10 000 операций может пойти не так. И именно это приведёт их к порогу. На самом деле им нужно будет выйти далеко за его пределы — в противном случае частота ошибок логических кубитов, по мере добавления физических, будет уменьшаться мучительно медленно, и исправление ошибок никогда не будет работать на практике.
Никто не знал, как сделать кубит достаточно хорошим. Но, как оказалось, эти ранние коды лишь слегка касались поверхности того, что возможно.
Поверхностный код
В 1995 году российский физик Алексей Китаев услышал сообщения о крупном теоретическом прорыве в квантовых вычислениях. За год до этого американский прикладной математик Питер Шор разработал квантовый алгоритм для разложения больших чисел на простые множители. Китаев не смог получить копию статьи Шора, поэтому он разработал свою собственную версию алгоритма с нуля, которая оказалась более универсальной, чем у Шора. Прескилл был взволнован результатом и пригласил Китаева посетить свою группу в Калтехе.
«Алексей действительно гений, — сказал Прескилл. — Я знал очень мало людей с таким уровнем гениальности».
Этот краткий визит весной 1997 года был необычайно продуктивным. Китаев рассказал Прескиллу о двух новых идеях, которые он разрабатывал: «топологический» подход к квантовым вычислениям, вообще не нуждающийся в активной коррекции ошибок; и квантовый код коррекции ошибок, основанный на схожей математике. Сначала он не думал, что этот код будет полезен для квантовых вычислений. Прескилл был настроен более оптимистично и убедил Китаева, что стоит заняться небольшим изменением его первоначальной идеи.
Эта вариация, называемая поверхностным кодом, основана на двух перекрывающихся сетках физических кубитов. Те, что в первой сетке, — это кубиты «данных». Они коллективно кодируют один логический кубит. Те, что во второй сетке, — это кубиты «измерения». Они позволяют исследователям отслеживать ошибки косвенно, не нарушая вычислений.
Это очень много кубитов. Но у поверхностного кода есть и иные преимущества. Его схема проверки ошибок намного проще, чем у конкурирующих квантовых кодов. Код также включает только взаимодействия между соседними кубитами — особенность, которую Прескилл нашёл столь привлекательной.
В последующие годы Китаев, Прескилл и несколько коллег конкретизировали детали поверхностного кода. В 2006 году два исследователя показали, что оптимизированная версия кода имела порог ошибки около 1%, что в 100 раз выше порогов более ранних квантовых кодов. Эти показатели ошибок всё ещё были недостижимы на практике для элементарных кубитов середины 2000-х годов, но они уже казались более реалистичными в теории.
Несмотря на эти достижения, интерес к поверхностному коду оставался ограниченным небольшим сообществом теоретиков — людей, которые не работали с кубитами в лаборатории. Их статьи использовали абстрактный математический язык, чуждый экспериментаторам.
«Было просто очень трудно понять, что происходит, — вспоминает Джон Мартинис, физик из Калифорнийского университета в Санта-Барбаре, который является одним из таких экспериментаторов. — Это было похоже на то, как если бы я читал статью по теории струн».
В 2008 году теоретик по имени Остин Фаулер решил изменить это, продвигая преимущества поверхностного кода среди экспериментаторов по всем Соединённым Штатам. Через четыре года он нашёл восприимчивую аудиторию в группе из Санта-Барбары во главе с Мартинисом. Фаулер, Мартинис и двое других исследователей написали 50-страничную статью, в которой описывалась практическая реализация поверхностного кода. Они подсчитали, что при достаточно умной инженерии в итоге смогут снизить частоту ошибок своих физических кубитов до 0,1%, что намного ниже порога поверхностного кода. Затем, в принципе, они могли бы увеличить размер сетки, чтобы снизить частоту ошибок логических кубитов до произвольно низкого уровня. Это был проект полномасштабного квантового компьютера.
Конечно, построить его было бы непросто. Беглые оценки предполагали, что практическое применение алгоритма факторизации Шора потребует триллионов операций. Неисправленная ошибка в любой из них испортит всё дело. Из-за этого ограничения им нужно было снизить частоту ошибок каждого логического кубита до уровня значительно ниже одного на триллион. Для этого им нужна была огромная сетка физических кубитов. Ранние оценки группы из Санта-Барбары предполагали, что каждый логический кубит может потребовать тысячи физических кубитов.
«Это просто напугало всех, — сказал Мартинис. — И меня это тоже пугает».
Но Мартинис и его коллеги не останавливались, несмотря ни на что, опубликовав в 2014 году экспериментальное доказательство принципа с использованием пяти кубитов. Результат привлёк внимание руководителя из Google, который вскоре нанял Мартиниса, чтобы тот возглавил внутреннюю исследовательскую группу по квантовым вычислениям. Прежде чем пытаться одновременно обрабатывать тысячи кубитов, им нужно было заставить поверхностный код работать в меньших масштабах. Чтобы добиться этого, потребовалось десятилетие кропотливой экспериментальной работы.
Пересекая порог
Когда вы применяете теорию квантовых вычислений на практике, первый шаг, возможно, самый важный: какое оборудование вы используете? В качестве кубитов могут выступать многие различные физические системы, и у каждой из них есть свои сильные и слабые стороны. Мартинис и его коллеги специализировались на так называемых сверхпроводящих кубитах, которые представляют собой крошечные электрические схемы из сверхпроводящего металла на кремниевых чипах. Один чип может вмещать множество кубитов, расположенных в сетке — именно такую компоновку требует поверхностный код.
Команда Google Quantum AI потратила годы на совершенствование конструкции и процедур изготовления кубитов, масштабируясь от нескольких кубитов до десятков и оттачивая способность манипулировать многими кубитами одновременно. В 2021 году они наконец были готовы впервые попробовать исправление ошибок с помощью поверхностного кода. Они знали, что могут создавать отдельные физические кубиты с частотой ошибок ниже порога поверхностного кода. Но им нужно было посмотреть, смогут ли эти кубиты работать вместе, чтобы создать логический кубит, который будет лучше, чем сумма его частей. В частности им нужно было показать, что по мере масштабирования кода — путём использования большего участка сетки физических кубитов для кодирования логического кубита — частота ошибок будет снижаться.
Они начали с наименьшего возможного поверхностного кода, называемого кодом «расстояние-3», который использует решётку 3 на 3 физических кубита для кодирования одного логического кубита (плюс ещё восемь кубитов для измерения, всего 17). Затем они сделали один шаг вверх, к поверхностному коду «расстояние-5», который имеет всего 49 кубитов. (Полезны только нечётные расстояния кода.)
В статье 2023 года команда сообщила, что частота ошибок кода расстояние-5 была немного ниже, чем у кода расстояние-3. Это был обнадёживающий результат, но неокончательный — они пока не могли объявить о победе. И на практическом уровне, если каждый шаг вверх будет лишь немного снижать частоту ошибок, масштабирование будет невозможным. Чтобы добиться прогресса, им понадобятся лучшие кубиты.
Остаток 2023 года команда посвятила очередному раунду усовершенствований оборудования. В начале 2024 года у них был совершенно новый 72-кубитный чип под кодовым названием Willow, который нужно было протестировать. Они потратили несколько недель на настройку всего оборудования, необходимого для измерения и манипулирования кубитами. Затем в феврале они начали собирать данные. Дюжина исследователей собралась в конференц-зале, чтобы посмотреть первые результаты.
«Никто не был уверен, что произойдёт, — сказал Кевин Сатцингер, физик из Google Quantum AI, который руководил проектом вместе с Ньюманом. — Нужно многое учесть, чтобы заставить эти эксперименты работать».
Затем на экране появился график. Частота ошибок для кода расстояние-5 была намного ниже, чем для кода расстояние-3. Она снизилась на 40%. В течение следующих месяцев команда улучшила это число до 50%: один шаг вверх сократил частоту ошибок логического кубита вдвое.
«Это было чрезвычайно захватывающее время, — сказал Сатцингер. — В лаборатории царила какая-то наэлектризованная атмосфера».
Команда также хотела посмотреть, что произойдёт, если они продолжат масштабирование. Но коду расстояние-7 потребовалось бы 97 кубитов в общей сложности, — больше, чем общее количество кубитов на их чипе. В августе вышла новая партия 105-кубитных чипов Willow, но к тому времени команда приближалась к жёсткому дедлайну — цикл тестирования для следующего раунда усовершенствований дизайна должен был вот-вот начаться. Сатцингер начал смиряться с мыслью, что у них не будет времени провести эти финальные эксперименты.
«Я как бы мысленно отпустил расстояние-7», — сказал он. Затем, накануне крайнего срока, двое новых членов команды, Габриэль Робертс и Алек Эйкбуш, не спали до 3 часов ночи, чтобы все работало достаточно хорошо для сбора данных. Когда группа вернулась на следующее утро, они увидели, что переход от кода расстояние-5 к коду расстояние-7 снова сократил частоту ошибок логического кубита вдвое. Этот вид экспоненциального масштабирования — когда частота ошибок падает в том же размере с каждым шагом увеличения расстояния кода — именно то, что предсказывает теория. Это был недвусмысленный признак того, что они снизили частоту ошибок физических кубитов значительно ниже порога поверхностного кода.
«Есть разница между верой во что-то и наблюдением за тем, как это работает, — сказал Ньюман. — Это был первый раз, когда я подумал: “О, это действительно сработает”».
Долгая дорога
Результат также воодушевил других исследователей квантовых вычислений.
«Я думаю, это удивительно, — сказала Барбара Терхал, физик-теоретик из Делфтского технического университета. — Я не ожидала, что они перепрыгнут через порог таким образом».
В то же время исследователи признают, что им ещё предстоит пройти долгий путь. Команда Google Quantum AI продемонстрировала исправление ошибок только с помощью одного логического кубита. Добавление взаимодействий между несколькими логическими кубитами создаст новые экспериментальные проблемы.
Затем возникает вопрос масштабирования. Чтобы снизить частоту ошибок до достаточно низкого уровня для выполнения полезных квантовых вычислений, исследователям необходимо будет дополнительно улучшить свои физические кубиты. Им также необходимо будет сделать логические кубиты из чего-то гораздо большего, чем код расстояние-7. Наконец, им необходимо будет объединить тысячи этих логических кубитов — более миллиона физических кубитов.
Тем временем другие исследователи добились впечатляющих успехов, используя иные технологии кубитов, хотя они пока не показали, что могут снизить частоту ошибок за счёт масштабирования. Эти альтернативные технологии могут быстрее внедрить новые коды исправления ошибок, которые требуют меньше физических кубитов. Квантовые вычисления всё ещё находятся в зачаточном состоянии. Пока ещё слишком рано говорить, какой подход победит.
Мартинис, покинувший Google Quantum AI в 2020 году, сохраняет оптимизм, несмотря на многочисленные проблемы. «Я пережил переход от нескольких транзисторов к миллиардам, — сказал он. — Если у нас будет достаточно времени, и мы будем достаточно умны, мы сможем это сделать».
Автор перевода @arielf
НЛО прилетело и оставило здесь промокод для читателей нашего блога:
-15% на заказ любого VDS (кроме тарифа Прогрев) — HABRFIRSTVDS.
