IBM ogłosił dwa nowe opracowania techniczne, prezentujące rozwiązania dla wielkoskalowych komputerów kwantowych odpornych na błędy. Wykorzystując kody qLDPC, firma planuje zredukować zapotrzebowanie na kubity fizyczne nawet o 90 procent i wprowadzić modularne procesory, prowadzące do komputera Starling w 2029 roku.

IBM zaprezentował dwa kluczowe opracowania techniczne, które mają rozwiązać wyzwania związane z budową wielkoskalowego komputera kwantowego odpornego na błędy. Nowe podejście opiera się na kodach korekcji błędów o niskiej gęstości (qLDPC), modularnej architekturze i efektywnym dekodowaniu w czasie rzeczywistym, wyznaczając drogę do praktycznych zastosowań kwantowych. Zaktualizowana mapa drogowa IBM Quantum Roadmap definiuje etapy rozwoju, culminating w komputerze Starling w 2029 roku.

Wyzwania tradycyjnych kodów korekcji błędów

Skalowanie komputerów kwantowych wymaga skutecznej korekcji błędów, ponieważ kubity fizyczne są podatne na zakłócenia. Dotychczasowe kody, takie jak kod powierzchniowy (surface code), uznawany za złoty standard, wymagają ogromnej liczby kubitów fizycznych (rzędy 1000–1500 na jeden kubit logiczny), co prowadzi do niepraktycznych wymagań infrastrukturalnych, w tym rozbudowanej elektroniki sterującej i wysokiego zużycia energii. Takie podejście ogranicza wdrożenie poza eksperymenty laboratoryjne, czyniąc je nieopłacalnym dla dużych algorytmów kwantowych, takich jak faktoryzacja Shora czy symulacje chemiczne.

Aby osiągnąć wielkoskalową, odporną na błędy architekturę kwantową, system musi spełniać sześć kluczowych kryteriów:

1. Odporność na błędy: Skuteczne tłumienie błędów dla niezawodnego wykonywania algorytmów.
2. Przygotowanie i odczyt kubitów logicznych: Możliwość inicjalizacji i pomiaru w trakcie obliczeń.
3. Uniwersalne instrukcje: Wykonywanie dowolnych operacji logicznych na kubitach.
4. Dekodowanie w czasie rzeczywistym: Identyfikacja i korekcja błędów z dynamiczną modyfikacją instrukcji.
5. Modularność: Skalowanie do setek lub tysięcy kubitów logicznych.
6. Wydajność: Realizacja algorytmów przy realistycznych nakładach zasobów.

Przełom z kodami qLDPC

Pierwsze opracowanie IBM, opublikowane jako przełomowe osiągnięcie na okładce Nature, wprowadza kody kontroli parzystości o niskiej gęstości (qLDPC – quantum Low-Density Parity-Check). W odróżnieniu od kodów powierzchniowych, qLDPC radykalnie zmniejszają liczbę kubitów fizycznych potrzebnych do utworzenia kubitów logicznych – nawet o 90 procent. Na przykład, podczas gdy kod powierzchniowy wymaga około 1000 kubitów fizycznych na jeden logiczny, qLDPC może osiągnąć ten cel z 100–200 kubitami, znacząco obniżając wymagania infrastrukturalne.

Kod qLDPC pozwala na:

• Efektywne przetwarzanie instrukcji: Umożliwia wykonywanie uniwersalnych operacji logicznych z minimalnym narzutem.
• Redukcję zasobów: Zmniejsza zapotrzebowanie na elektronikę sterującą i energię.
• Skalowalność: Ułatwia budowę systemów z tysiącami kubitów logicznych, niezbędnych do złożonych algorytmów.

Opracowanie szczegółowo określa zasoby potrzebne do uruchomienia wielkoskalowych programów kwantowych, takich jak algorytmy chemiczne czy optymalizacyjne, potwierdzając przewagę qLDPC nad innymi kodami, w tym kodami i nowszymi propozycjami, jak kody kwantowe oparte na topologii.

Dekodowanie w czasie rzeczywistym

Drugie opracowanie opisuje metodę efektywnego dekodowania informacji z kubitów fizycznych w czasie rzeczywistym, co jest kluczowe dla dynamicznej korekcji błędów. IBM proponuje algorytm dekodowania, który:

• Wykorzystuje konwencjonalne zasoby obliczeniowe (np. procesory GPU lub FPGA) do analizy wyników pomiarów.
• Identyfikuje i koryguje błędy w milisekundach, umożliwiając modyfikację kolejnych instrukcji w trakcie obliczeń.
• Integruje się z kodami qLDPC, zapewniając wysoką skuteczność przy niskim obciążeniu obliczeniowym.

To rozwiązanie eliminuje potrzebę dedykowania ogromnych zasobów obliczeniowych do dekodowania, co czyni system bardziej praktycznym i skalowalnym. Na przykład, dekodowanie dla systemu z 1000 kubitami logicznymi wymagałoby jedynie kilku GPU, w porównaniu do setek procesorów dla tradycyjnych kodów.

Nowa mapa drogowa IBM Quantum

Zaktualizowana mapa drogowa IBM Quantum Roadmap wyznacza etapy rozwoju technologii, które zademonstrują wszystkie kryteria odporności na błędy. Kluczowe procesory to:

1. IBM Quantum Loon (2025): Procesor testowy dla komponentów qLDPC, wyposażony w C-couplery – technologię łączącą kubity na większe odległości w obrębie jednego czipa. Umożliwi weryfikację podstawowych operacji logicznych i pamięci kwantowej.
2. IBM Quantum Kookaburra (2026): Pierwszy modularny procesor IBM, integrujący pamięć kwantową z operacjami logicznymi. Połączy kilka czipów w system zdolny do przechowywania i przetwarzania zakodowanej informacji, stanowiąc fundament dla skalowalnych systemów.
3. IBM Quantum Cockatoo (2027): Połączy dwa moduły Kookaburra za pomocą L-couplerów, umożliwiając budowę większych systemów kwantowych bez konieczności tworzenia niepraktycznie dużych czipów. Architektura ta przypomina węzły w sieci, co zwiększa modularność.
4. IBM Quantum Starling (2029): Docelowy komputer kwantowy, który zintegruje wszystkie elementy – qLDPC, modularność, dekodowanie w czasie rzeczywistym – umożliwiając uruchomienie złożonych algorytmów, takich jak symulacje chemiczne czy łamanie szyfrów RSA, z setkami kubitów logicznych.

Każdy procesor jest zaprojektowany z myślą o konkretnych wyzwaniach, takich jak zwiększenie liczby połączeń między kubitami, poprawa wierności operacji czy skalowanie pamięci kwantowej. IBM planuje również wykorzystać technologię chipletów, umożliwiającą łączenie wielu czipów w większe systemy, co przypomina podejście stosowane w nowoczesnych procesorach klasycznych, takich jak AMD Ryzen.

Źródło: IBM