Logische Qubits, nicht die Zahl physischer Qubits, sind die Kennzahl, die in der Quanteninformatik zählt

Alle paar Monate kommt eine Ankündigung aus der Quanteninformatik mit einer größeren Zahl: ein Chip mit mehr Qubits, ein Prozessor mit höherer Anzahl oder eine Roadmap, die bis Ende des Jahrzehnts Tausende verspricht. Die Zahl lässt sich leicht melden und leicht vergleichen, und genau deshalb ist sie irreführend. Ein physisches Qubit ist ein verrauschtes Bauteil, das seinen Quantenzustand innerhalb von Mikrosekunden bis Millisekunden verliert. Eine Maschine, die für Chemie, Materialforschung oder Kryptografie nützliche Algorithmen ausführen soll, braucht logische Qubits: durch Fehlerkorrektur geschützte Informationseinheiten, zuverlässig genug, um Tausende oder Millionen Operationen aneinanderzureihen.

Der Abstand zwischen beiden Zahlen ist das zentrale Ingenieursproblem des Feldes. Herstellerangaben richtig zu lesen heißt, diesen Abstand zu verstehen und die Fragen zu stellen, die ihn sichtbar machen.

Warum physische Qubits nicht genügen

Quantenzustände sind fragil. Wärme, elektromagnetisches Rauschen und unvollkommene Steuerpulse erzeugen Fehler, und diese Fehler summieren sich. Ohne Korrektur wird eine lange Berechnung zu einem Zufallszahlengenerator. Fehlerkorrektur löst das, indem sie ein logisches Qubit auf viele physische Qubits kodiert und wiederholt Paritätsprüfungen misst, die Fehler aufdecken, ohne die gespeicherte Information zu zerstören. Der Oberflächencode (surface code), das bisher am besten untersuchte Verfahren, ordnet physische Qubits in einem zweidimensionalen Gitter an und nutzt diese Prüfungen, um Fehler laufend zu erkennen und zu beheben.

Der Haken ist der Overhead. Ein mit Oberflächencode gebautes logisches Qubit braucht eine Coderdistanz d, die grob festlegt, wie viele Fehler der Code verkraftet. Die Zahl physischer Qubits pro logischem Qubit wächst mit dem Quadrat von d, sodass ein einzelnes logisches Qubit je nach Fehlerrate der Hardware und der Genauigkeit, die der Algorithmus verlangt, einige hundert bis über tausend physische Qubits benötigen kann. Eine Maschine mit zehntausend physischen Qubits kann daher nur einige wenige brauchbare logische Qubits enthalten.

Das Schwellenwertergebnis, das die Debatte verändert hat

Der wichtigste jüngste Meilenstein war die Demonstration von Fehlerkorrektur unterhalb der Schwelle. Die Schwelle ist die physische Fehlerrate, unter der das Hinzufügen von Qubits zu einem Code die logische Fehlerrate senkt statt sie zu erhöhen. Ende 2024 berichtete Google Quantum AI mit seinem Chip Willow, dass sich die Fehlerrate eines logischen Oberflächencode-Qubits ungefähr halbierte, jedes Mal wenn die Coderdistanz von 3 auf 5 und dann von 5 auf 7 stieg. Dieses Skalierungsverhalten macht größere Maschinen potenziell nützlich, denn es bedeutet, dass mehr Hardware mehr Zuverlässigkeit statt mehr Rauschen kauft.

Andere Gruppen haben seitdem kleine Experimente mit logischen Qubits auf Plattformen mit gefangenen Ionen und neutralen Atomen berichtet, mit anderen Codes und Hardware. Das Feld hat sich von der Frage, ob Fehlerkorrektur überhaupt funktioniert, zur Frage verschoben, wie gut, zu welchen Kosten und in welchen Architekturen.

So lesen Sie eine Aussage über logische Qubits

Wenn ein Unternehmen ein Ergebnis mit logischen Qubits ankündigt, entscheiden fünf Angaben darüber, was es bedeutet.

Die logische Fehlerrate pro Operation oder pro Korrekturzyklus. Ein Qubit, das einen Zyklus übersteht, ist nicht dasselbe wie eines, das tausend übersteht. Fragen Sie nach der Fehlerrate pro Zyklus und danach, wie sie gemessen wurde.

Die Coderdistanz und der verwendete Code. Eine Demonstration mit Distanz 3 ist ein Machbarkeitsnachweis. Distanz 7 oder mehr zeigt, ob der Ansatz skaliert. Fragen Sie, welche Codefamilie verwendet wird, denn der Overhead unterscheidet sich zwischen Codes.

Das Verhältnis von physischen zu logischen Qubits. Teilen Sie die Zahl physischer Qubits durch die Zahl logischer Qubits und prüfen Sie, ob das bei den genannten Fehlerraten plausibel ist. Eine Behauptung vieler logischer Qubits auf bescheidener Hardware sollte Fragen aufwerfen.

Post-Selektion. Manche Experimente verwerfen Durchläufe, bei denen die Fehlererkennung ein Problem gemeldet hat, und veröffentlichen nur die Ergebnisse der übrigen. Das kann die scheinbare Fehlerrate deutlich verbessern. Prüfen Sie, ob die Zahlen die verworfenen Daten enthalten, und ob der Algorithmus auch dann funktionieren würde, wenn alle Durchläufe behalten würden.

Nicht-Clifford-Gatter. Fehlerkorrektur behandelt manche Operationen günstig, andere jedoch, vor allem das für universelles Rechnen nötige T-Gatter, erfordern einen teuren Prozess namens Destillation magischer Zustände. Eine Maschine, die bei einfachen Gattern gut korrigiert, kann bei den Algorithmen, die Menschen wirklich interessieren, trotzdem sehr langsam sein. Fragen Sie, was T-Gatter in physischen Qubits und in Zeit kosten.

Was das für die nächsten Jahre bedeutet

Das ehrliche Bild ist, dass das Feld noch dabei ist, seine Bausteine zu beweisen, und noch nicht bei nützlichen Maschinen angekommen ist. Chemie- und Materialsimulationen, die klassische Methoden übertreffen, sind die meistgenannten Ziele, und sie brauchen Tausende hochwertiger logischer Qubits, die über lange Zeiträume laufen. Maschinen, die für Kryptografie relevant sind, liegen weiter entfernt, und die Zeitpläne in der öffentlichen Debatte gehen stark auseinander. Für die Planung sind die nützlichsten Indikatoren logische Fehlerraten bei größeren Coderdistanzen, die Kosten von Nicht-Clifford-Operationen und Demonstrationen mehrstufiger Algorithmen auf logischen Qubits statt einzelner Testrunden.

Es gibt auch eine praktische Konsequenz für alle, die das Feld verfolgen. Pressemitteilungen, die mit Qubit-Zahlen beginnen, sind meist leichter zu schreiben als solche, die mit logischen Fehlerraten beginnen, und diese Asymmetrie ist selbst ein Signal. Behandeln Sie die Zahl in der Überschrift als Beginn der Frage, nicht als Antwort.

Praktische Erkenntnisse

• Wenn Sie eine Qubit-Zahl sehen, fragen Sie nach der Anzahl logischer Qubits, der Coderdistanz und der logischen Fehlerrate pro Zyklus. Wenn nichts davon genannt wird, ist die Aussage noch nicht vergleichbar.
• Berechnen Sie das Verhältnis von physischen zu logischen Qubits selbst und prüfen Sie es gegen die genannten Fehlerraten.
• Prüfen Sie, ob die Ergebnisse Post-Selektion verwendet haben und ob die Zahlen halten, wenn verworfene Durchläufe einbezogen werden.
• Konzentrieren Sie sich bei der Algorithmenplanung auf die Kosten der Nicht-Clifford-Gatter und die Zahl logischer Operationen, die eine Zielberechnung braucht, nicht allein auf die Hardwaregröße.
• Verfolgen Sie begutachtete Paper und die Rohdaten des Anbieters zusätzlich zur Ankündigung, denn der Methodenteil enthält oft die Einschränkungen, die die Überschrift weglässt.

Ein physisches Qubit misst, wie viel Hardware ein Labor gebaut hat. Ein logisches Qubit misst, wie viel verlässliche Rechenarbeit es leisten kann. Nur die zweite Zahl sagt, wann Quantenmaschinen Probleme zu lösen beginnen, die klassische Maschinen nicht lösen können, und diese Zahl lohnt die Beobachtung.