কোয়ান্টাম ত্রুটি-সংশোধন ও লজিক্যাল কিউবিট, সহজ ব্যাখ্যা

কীভাবে কোয়ান্টাম ত্রুটি-সংশোধন বহু নয়েজপূর্ণ ভৌত কিউবিটকে আরও নির্ভরযোগ্য লজিক্যাল কিউবিটে রূপ দেয়, এবং কেন কোড দূরত্ব, থ্রেশহোল্ড ও সারফেস কোড গুরুত্বপূর্ণ।

এই পৃষ্ঠাটি ইংরেজি থেকে অনূদিত। কোম্পানি ও পণ্যের নাম এবং সূত্রের লিংক অপরিবর্তিত রয়েছে। ইংরেজিতে মূলটি পড়ুন

কোয়ান্টাম ত্রুটি-সংশোধন হলো এমন কিছু পদ্ধতির সমষ্টি, যার মাধ্যমে নয়েজ, ডিকোহেরেন্স এবং অপূর্ণাঙ্গ অপারেশনের মধ্যেও ভঙ্গুর কোয়ান্টাম তথ্যকে ব্যবহারযোগ্য রাখা হয়। মূল ধারণাটি হলো, এক বা একাধিক লজিক্যাল কিউবিটকে বৃহত্তর একটি ভৌত কিউবিটসমষ্টির মধ্যে এনকোড করা, বারবার সতর্কভাবে নির্বাচিত কিছু চেক পরিমাপ করা যা ত্রুটির তথ্য প্রকাশ করে কিন্তু সুরক্ষিত কোয়ান্টাম অবস্থা প্রকাশ করে না, এবং তারপর পর্যবেক্ষিত সিন্ড্রোমের ভিত্তিতে পুনরুদ্ধারধর্মী পদক্ষেপ নেওয়া।

কেন কোয়ান্টাম কম্পিউটারের ত্রুটি-সংশোধন দরকার

কোয়ান্টাম তথ্য অস্বাভাবিকভাবে সূক্ষ্ম ও স্পর্শকাতর। ত্রুটি ডিকোহেরেন্স ও কোয়ান্টাম নয়েজের অন্যান্য উৎস থেকে আসতে পারে, আর বাস্তব কোয়ান্টাম কম্পিউটিংয়ে ত্রুটিপূর্ণ গেট, অপূর্ণাঙ্গ অবস্থা-প্রস্তুতি এবং পরিমাপজনিত ভুলও সামলাতে হয়। তাই ত্রুটি-সংশোধন শুধু কোয়ান্টাম অবস্থা সংরক্ষণের জন্যই নয়, দীর্ঘ গণনা চালানোর জন্যও কেন্দ্রীয় গুরুত্ব বহন করে।

প্রচলিত ত্রুটি-সংশোধন বিটে পুনরাবৃত্তি বা অতিরিক্ততা যোগ করে কাজ করে। কোয়ান্টাম ত্রুটি-সংশোধনও মোটামুটি একই লক্ষ্য অনুসরণ করে, তবে একটি বড় সীমাবদ্ধতা আছে: একটি কিউবিটকে সরাসরি মাপলে সাধারণত তার অবস্থা বিঘ্নিত হয়। তাই একটি কোয়ান্টাম কোডকে কী ভুল হয়েছে সে সম্পর্কে তথ্য বের করতে হবে, কিন্তু লজিক্যাল তথ্য নিজেই প্রকাশ করা যাবে না। অনেক কোডে এটি করা হয় স্ট্যাবিলাইজার নামে পরিচিত পরস্পর-কমিউটিং অপারেটর পরিমাপের মাধ্যমে।

কোয়ান্টাম ত্রুটি-সংশোধনের সম্ভাবনাকে বোঝার একটি উপযোগী উপায় হলো এটিকে একটি সিমুলেশন স্তর হিসেবে দেখা: কোনো নয়েজপূর্ণ ভৌত চ্যানেল যদি নির্দিষ্ট একটি ত্রুটি মডেলের সঙ্গে খাপ খায়, তবে একটি কোয়ান্টাম ত্রুটি-সংশোধন কোড ব্যবহার করে যথেষ্ট ভালোভাবে একটি নয়েজহীন লজিক্যাল চ্যানেল অনুকরণ করা সম্ভব, যাতে যোগাযোগ বা গণনা বাস্তবসম্মত হয়ে ওঠে।

ভৌত কিউবিট, লজিক্যাল কিউবিট ও কোড দূরত্ব

একটি কোয়ান্টাম কোড বোঝাতে প্রচলিত নোটেশন হলো [[n,k,d]]। এর অর্থ, কোডটি nটি ভৌত কিউবিটের মধ্যে kটি লজিক্যাল কিউবিট এনকোড করে, এবং এর কোড দূরত্ব d।

এই তিনটি প্যারামিটারই অধিকাংশ ট্রেড-অফকে ধারণ করে:

n: কোডটি কতটি ভৌত কিউবিট ব্যবহার করে
k: কতটি লজিক্যাল কিউবিট সুরক্ষিত থাকে
d: কোড দূরত্ব, যা নির্দেশ করে ত্রুটি কতটা কঠিন হলে লজিক্যাল অপারেশনের মতো আচরণ করতে পারে

কোড রেট, k/n, দক্ষতার একটি মৌলিক সূচক। রেট যত বেশি, প্রতি লজিক্যাল কিউবিটে ওভারহেড তত কম। তবে বেশি কোড দূরত্ব এবং বেশি রেট সাধারণত পরস্পরবিরোধী দিকে টানে, তাই কোড নকশার মূল কাজ হলো নির্ভরযোগ্যতার সঙ্গে হার্ডওয়্যার ব্যয়ের ভারসাম্য আনা।

মোটামুটি হিসেবে, একটি কোয়ান্টাম ত্রুটি-সংশোধন চক্রের তিনটি ধাপ থাকে:

এনকোডিং: লজিক্যাল তথ্যকে বড় একটি ভৌত সিস্টেমে এনকোড করা
সংরক্ষণ বা প্রেরণ: নয়েজপূর্ণ চ্যানেলের মধ্য দিয়ে তথ্য রাখা বা পাঠানো
সিন্ড্রোম নিষ্কাশন ও পুনরুদ্ধার: সম্ভাব্য ত্রুটি শনাক্ত করে তা সংশোধন করা

এখানে সিন্ড্রোম অত্যন্ত গুরুত্বপূর্ণ। স্ট্যাবিলাইজার পরিমাপ এমনভাবে বেছে নেওয়া হয়, যাতে সেগুলো কেবল ত্রুটির তথ্য জানায়, এনকোড করা কোয়ান্টাম অবস্থা নয়। তা না হলে সংশোধন প্রক্রিয়াই কম্পিউটার যে সুপারপজিশন রক্ষা করতে চাইছে, সেটি ধ্বংস করে দিত।

কোডগুলো কোন ধরনের ত্রুটি লক্ষ্য করে?

কোন ত্রুটি প্রধান হয়ে উঠবে, তা হার্ডওয়্যার প্ল্যাটফর্মের ওপর অনেকটাই নির্ভর করে। গুরুত্বপূর্ণ উদাহরণগুলোর মধ্যে আছে:

অ্যাম্প্লিটিউড ড্যাম্পিং, বা উত্তেজনা-ক্ষয়, যা সমতাবস্থার দিকে শিথিলতার সঙ্গে সম্পর্কিত
কোহেরেন্ট ত্রুটি, যা সিস্টেমের অভ্যন্তরীণ গতিবিদ্যা থেকে আসে
ডিফেজিং, যা বহু কিউবিট বাস্তবায়নে প্রধান নয়েজ প্রক্রিয়াগুলোর একটি

তারপরও, অনেক কোয়ান্টাম কোড একটি সরলীকৃত মডেল ব্যবহার করে, যেখানে ত্রুটিকে Pauli অপারেশনের সমন্বয় হিসেবে ধরা হয়:

X বিট-ফ্লিপ ধরনের ত্রুটির জন্য
Z ফেজ-ফ্লিপ ধরনের ত্রুটির জন্য
Y যৌথ বিট-ও-ফেজ ত্রুটির জন্য

Pauli-ভিত্তিক এই চিত্রটি বাস্তবের সব নয়েজ প্রক্রিয়া ধরে না, তবে বিশ্লেষণ ও কোড নির্মাণকে বেশি ব্যবস্থাপনাযোগ্য করে বলে এটি ব্যাপকভাবে ব্যবহৃত হয়। এই মডেলে, সিন্ড্রোম নিষ্কাশন ও ডিকোডিংকে প্রায়ই এমনভাবে ফ্রেম করা যায়, যেখানে প্রচলিত কোডিং তত্ত্বের ধারণা নেওয়া হয়।

তবে এই সরলীকরণের একটি সীমাবদ্ধতা আছে: ডিকোডিং তবুও কঠিন হতে পারে। [[n,k,d]] প্যারামিটারের একটি কোডে সম্ভাব্য সিন্ড্রোমের সংখ্যা 2^(n-k), যা খুব দ্রুতই সাধারণ লুকআপ টেবিলের জন্য অতিরিক্ত বড় হয়ে যায়। বাস্তবে তাই দক্ষ প্রচলিত ডিকোডিং অ্যালগরিদমের প্রয়োজন হয়।

ফল্ট টলারেন্স: সংশোধন করতে গিয়ে যেন অবস্থা আরও খারাপ না হয়

বিস্তৃত পরিসরে ব্যবহারযোগ্য গণনার জন্য শুধু ত্রুটি-সংশোধন যথেষ্ট নয়। একটি কম্পিউটারে সংশোধন-যন্ত্রপাতিও নিজে গেট, পরিমাপ ও প্রস্তুত ancilla ব্যবহার করে, আর এগুলোও ব্যর্থ হতে পারে। এখানেই ফল্ট টলারেন্স আসে।

এর কেন্দ্রীয় ধারণা হলো, এনকোডিং, সিন্ড্রোম পরিমাপ ও পুনরুদ্ধার এমনভাবে নকশা করা যে অল্পসংখ্যক ভৌত ত্রুটি ছড়িয়ে গিয়ে অসংশোধনযোগ্য লজিক্যাল ব্যর্থতায় পরিণত না হয়। কোয়ান্টাম ত্রুটি-সংশোধন বলছে, এটি কোয়ান্টাম থ্রেশহোল্ড উপপাদ্য-এর সঙ্গে সম্পর্কিত: পৃথক কোয়ান্টাম গেটের ত্রুটির হার যদি একটি নির্দিষ্ট সীমার নিচে থাকে, তবে কোডকে পুনরাবৃত্তভাবে সংযোজিত (concatenate) করে ইচ্ছামতো দীর্ঘ কোয়ান্টাম গণনা সম্ভব।

কোয়ান্টাম ত্রুটি-সংশোধনে ২০০৪ সালের একটি ঐতিহাসিক অনুমানের উল্লেখ আছে, যেখানে বলা হয়, পর্যাপ্ত কিউবিট উপলব্ধ থাকলে এই থ্রেশহোল্ড 1–3% পর্যন্ত হতে পারে। কেন থ্রেশহোল্ড গুরুত্বপূর্ণ, তারও একটি স্বজ্ঞাত ব্যাখ্যা আছে: এর নিচে সংশোধন প্রক্রিয়া যত ত্রুটি আনে, তার চেয়ে বেশি ত্রুটি দূর করে; এর ওপরে গেলে সংশোধন প্রক্রিয়াই নিট ক্ষতিকর হয়ে উঠতে পারে।

থ্রেশহোল্ড ধারণাটি লজিক্যাল কিউবিটকে এত কার্যকর বিমূর্ত রূপ করে তোলার অন্যতম কারণ। একটি লজিক্যাল কিউবিট একক ডিভাইস উপাদান নয়; এটি একটি এনকোড করা অবজেক্ট, যার কার্যকর ত্রুটির হার নীতিগতভাবে আরও বেশি ভৌত সম্পদ যোগ করে এবং আরও ভালো ফল্ট-টলারেন্ট প্রক্রিয়া ব্যবহার করে কমানো যায়।

প্রধান কোড পরিবার এবং তারা কী অনুকূল করে

বিভিন্ন কোড পরিবার ওভারহেড, দূরত্ব, গঠন এবং বাস্তবায়নের সহজতার মধ্যে ভিন্ন ভিন্ন ভারসাম্য বেছে নেয়।

Code family	মূল ধারণা	Notable trade-off or feature
Shor code	`[[d^2,1,d]]`-এ সাধারণীকরণ করা যায়; বিট-ফ্লিপ ও ফেজ-ফ্লিপ ত্রুটি আলাদাভাবে সামলাতে ভেতরের ও বাইরের repetition code ব্যবহার করে	দূরত্ব বাড়ায়, কিন্তু কোড রেট কম
Steane / quantum Hamming codes	repetition গঠনকে প্রচলিত `[7,4]` Hamming code দিয়ে প্রতিস্থাপন করে এবং `X` ও `Z` ত্রুটিকে সমমিতভাবে বিবেচনা করে	Shor-ধরনের repetition-এর তুলনায় ভালো কোড রেট
CSS codes	Calderbank, Shor ও Steane-এর সম্পর্কিত নির্মাণ থেকে উদ্ভূত একটি সাধারণ কাঠামো	`X` ও `Z` স্ট্যাবিলাইজার আলাদা করে, যা ফল্ট-টলারেন্ট সিন্ড্রোম পরিমাপের জন্য সহায়ক
Five-qubit code	`X` ও `Z`-মিশ্রিত চারটি স্ট্যাবিলাইজার ব্যবহার করে; এটি CSS কোড নয়	একক লজিক্যাল কিউবিটকে স্বেচ্ছাচারী single-qubit ত্রুটির বিরুদ্ধে সুরক্ষা দেয়—এমন ক্ষুদ্রতম সম্ভব কোড
Surface code	2D lattice-এর ওপর টপোলজিক্যাল স্ট্যাবিলাইজার কোড	স্থানীয় চেক ও সমতল বিন্যাস একে পরীক্ষামূলকভাবে আকর্ষণীয় করে তোলে

five-qubit code ধারণাগতভাবে বিশেষ গুরুত্বপূর্ণ। এটি এমন ক্ষুদ্রতম সম্ভব কোড, যা একক লজিক্যাল কিউবিটকে স্বেচ্ছাচারী single-qubit ত্রুটির বিরুদ্ধে সুরক্ষা দিতে পারে—একটি সত্য, যা quantum Hamming bound-এর সঙ্গে সম্পর্কিত।

কোয়ান্টাম ত্রুটি-সংশোধনে non-additive codes-এর কথাও বলা হয়েছে, যা [[n,k,d]] additive code-এ ব্যবহৃত stabilizer formalism-এর বাইরে অবস্থান করে। কিছু ক্ষেত্রে এগুলো বেশি কোড রেট দিতে পারে, কিন্তু নির্মাণ ও বিশ্লেষণ অনেক বেশি কঠিন হওয়ায় এগুলো তুলনামূলকভাবে কম অনুসন্ধান করা হয়েছে।

কেন surface code এত গুরুত্বপূর্ণ হয়ে উঠল

আধুনিক কোড পরিবারগুলোর মধ্যে surface codes ২০২৫ সালে বিস্তৃত-পরিসরের কোয়ান্টাম ত্রুটি-সংশোধনের জন্য কেন্দ্রীয় গুরুত্ব বহন করছে। এর প্রধান কারণ স্থাপত্যগত: এগুলো দ্বিমাত্রিক lattice-এর ওপর স্থানীয় stabilizer measurement ব্যবহার করে সংজ্ঞায়িত, যা দীর্ঘ-পাল্লার আন্তঃক্রিয়া-নির্ভর কোডের তুলনায় বহু হার্ডওয়্যার প্ল্যাটফর্মের জন্য বেশি অনুকূল।

surface code একটি topological stabilizer code। Alexei Kitaev in 1997 প্রবর্তিত toric সংস্করণে কিউবিটগুলো 2D lattice-এর প্রান্তে বসে, আর stabilizer-গুলো vertex ও plaquette-এর সঙ্গে সম্পর্কিত থাকে। ত্রুটি দেখা দেয় এই stabilizer-গুলোর লঙ্ঘন হিসেবে।

একটি উপযোগী চিত্র হলো, ত্রুটি স্থানীয় ত্রুটি-কণিকা সৃষ্টি করে বা সরায়, যেগুলোকে anyon হিসেবে বর্ণনা করা হয়:

একটি Z ত্রুটি প্রতিবেশী vertex stabilizer-গুলো উল্টে দেয়
একটি X ত্রুটি প্রতিবেশী plaquette stabilizer-গুলো উল্টে দেয়

সংশোধন মূলত এই ত্রুটি-কণিকাগুলোকে জোড়া লাগিয়ে আবার বিনাশ করার সমান। যদি এর ফলে সৃষ্ট পথগুলো টপোলজিক্যালভাবে তুচ্ছ হয়, তবে নিট ফল কেবল একটি stabilizer হয় এবং লজিক্যাল তথ্য অপরিবর্তিত থাকে। যদি কোনো পথ টপোলজিক্যালভাবে অ-তুচ্ছ হয়, তবে প্রক্রিয়াটি একটি logical operator-এর মতো কাজ করে এবং এনকোড করা তথ্য বদলে যায়।

এই জ্যামিতিক ব্যাখ্যাই surface code-কে এত স্বজ্ঞাত করে তোলার একটি কারণ। এখানে code distance হয়ে দাঁড়ায় সেই ক্ষুদ্রতম অ-তুচ্ছ পথ বা লুপের দৈর্ঘ্য, যা একটি logical error বাস্তবায়ন করে।

toric, planar ও rotated planar surface code

কয়েকটি সম্পর্কিত জ্যামিতি এখানে গুরুত্বপূর্ণ।

toric code-এ periodic boundary condition ব্যবহার করা হয়, যা টপোলজিক্যালভাবে একটি torus-এর সমতুল্য। একটি d × d lattice-এর জন্য এতে 2d^2 কিউবিট থাকে, এবং এর code space চার-মাত্রিক, তাই এটি দুটি লজিক্যাল কিউবিট সংরক্ষণ করে।

হার্ডওয়্যারের ক্ষেত্রে open boundary অনেক সময় বেশি ব্যবহারিক, যা নিয়ে আসে planar code। কিন্তু boundary নকশা এখানে গুরুত্বপূর্ণ। surface code-এ যদি কেবল এক ধরনের boundary থাকে, তবে তা কোনো logical qubit এনকোড করে না। একটি অ-তুচ্ছ code space তৈরি করতে alternating smooth ও rough boundary দরকার। উপরে ও নিচে smooth boundary এবং বামে ও ডানে rough boundary থাকলে planar code একটি লজিক্যাল কিউবিট সংরক্ষণ করে, এবং ক্ষুদ্রতম টপোলজিক্যালভাবে অ-তুচ্ছ পথের দৈর্ঘ্য d হওয়ায় code distance d হয়।

rotated planar code হলো দক্ষতা বৃদ্ধির একটি উপায়। Surface code বলছে, distance-d rotated planar code-এ d^2 physical qubits লাগে, যেখানে unrotated planar সংস্করণে লাগে d^2 + (d − 1)^2—তবু code distance একই থাকে।

থ্রেশহোল্ড, ডিকোডিং এবং “থ্রেশহোল্ডের নিচে” কথাটির অর্থ

স্ট্যান্ডার্ড নয়েজ মডেলের অধীনে surface code-গুলো তুলনামূলকভাবে উচ্চ থ্রেশহোল্ডের জন্যও উল্লেখযোগ্য। এমন একটি মডেলে যেখানে প্রতিটি কিউবিটে bit ও phase error স্বাধীনভাবে p সম্ভাবনায় ঘটে, Surface code জানায়:

statistical-physics mapping থেকে প্রায় 11%-এর একটি critical probability
বহুল ব্যবহৃত minimum weight perfect matching decoder ব্যবহারে প্রায় 10.5%

এই সংখ্যাগুলো গুরুত্বপূর্ণ, তবে সেগুলোর ব্যাখ্যা দরকার। প্রথমত, এগুলো ধরে নেওয়া ত্রুটি মডেলের ওপর নির্ভরশীল। দ্বিতীয়ত, তাত্ত্বিক সীমা তখনই কাজে লাগে, যখন এমন একটি ব্যবহারিক decoder থাকে যা তার কাছাকাছি যেতে পারে। তৃতীয়ত, কিছু decoder bit ও phase error পরস্পর-সম্পর্কিত হলে খারাপ ফল দেয়, যেমন depolarizing noise-এর ক্ষেত্রে।

তাই “থ্রেশহোল্ডের নিচে” মানে এই নয় যে সিস্টেমটি ত্রুটিমুক্ত। এর অর্থ হলো, নীতিগতভাবে কোডের আকার বাড়ালে লজিক্যাল ত্রুটির হার কমানো যেতে পারে, সেটিকে আরও খারাপ করার বদলে।

qubit block code-এর বাইরে

কোয়ান্টাম ত্রুটি-সংশোধন qubit-to-qubit block code-এর চেয়েও বিস্তৃত। কোয়ান্টাম তথ্য qudits-এ বা oscillators-এও এনকোড করা যায়, যেগুলোর শক্তিস্তর অসীমসংখ্যক। cat, GKP ও binomial-ধরনের bosonic পদ্ধতিগুলো বহু দুই-স্তরবিশিষ্ট সিস্টেমে একটি লজিক্যাল কিউবিট ছড়িয়ে দেওয়ার বদলে, একটি একক oscillator-এর মধ্যেই অতিরিক্ততা ব্যবহার করে।

এটি ক্ষেত্রটির একটি গুরুত্বপূর্ণ উন্মুক্ত নকশা-প্রশ্নকে সামনে আনে: অতিরিক্ততা কি বহু ভৌত কিউবিটজুড়ে থাকবে, উচ্চ-মাত্রিক সিস্টেমের ভেতরে থাকবে, নাকি এ দুয়ের সংকর রূপে থাকবে?

২০২৫ সালে ক্ষেত্রটির অবস্থা

২০২৫ সালে surface code বিশেষভাবে তাৎপর্যপূর্ণ। Quantum error correction বলছে, এগুলো superconducting system-এ উন্নত fidelity-সহ below-threshold logical qubit সম্ভব করে, এবং আলাদাভাবে উল্লেখ করছে যে Google Quantum AI তার Willow superconducting processor-এ একটি distance-7 planar code বাস্তবায়ন করেছে, যা below-threshold physical error rate প্রদর্শন করেছে।

এর মানে এই নয় যে বৃহত্তর চ্যালেঞ্জ মিটে গেছে। logical qubit এখনও উল্লেখযোগ্য ওভারহেড চায়, decoding এখনও বাস্তব সিস্টেম-সংক্রান্ত সমস্যা, এবং পারফরম্যান্স নির্ভর করে প্রকৃত হার্ডওয়্যার নয়েজের সঙ্গে সঠিক code choice মেলানোর ওপর। কিন্তু এটি দেখায় কেন logical qubit এখন শুধু তাত্ত্বিক নির্মাণ নয়, বরং একটি ব্যবহারিক প্রকৌশল লক্ষ্য।

মূল বিষয়গুলো

কোয়ান্টাম ত্রুটি-সংশোধন লজিক্যাল কিউবিটকে বৃহত্তর ভৌত সিস্টেমে এনকোড করে এবং বারবার ত্রুটি-সিন্ড্রোম নিষ্কাশনের মাধ্যমে ভঙ্গুর কোয়ান্টাম তথ্যকে সুরক্ষিত রাখে।
প্রচলিত [[n,k,d]] নোটেশন প্রধান ট্রেড-অফটি ধরে: ভৌত ওভারহেড বনাম সুরক্ষিত লজিক্যাল ক্ষমতা ও code distance।
বহুল ব্যবহৃত অধিকাংশ কোড হার্ডওয়্যার নয়েজকে X, Y ও Z Pauli error-এ সরলীকৃত করে, যদিও বাস্তব ডিভাইসে amplitude damping ও dephasing-এর মতো প্রভাবও দেখা যায়।
ফল্ট টলারেন্স গুরুত্বপূর্ণ, কারণ সংশোধন প্রক্রিয়াটিও নিজেই নয়েজপূর্ণ; threshold theorem বলছে, স্কেলযোগ্য গণনা কেবল একটি নির্দিষ্ট ভৌত ত্রুটি-হারের নিচেই সম্ভব।
five-qubit code এমন ক্ষুদ্রতম কোড, যা একটি লজিক্যাল কিউবিটকে স্বেচ্ছাচারী single-qubit error-এর বিরুদ্ধে সুরক্ষা দিতে পারে।
CSS code-কে মূল্য দেওয়া হয়, কারণ তারা X ও Z stabilizer আলাদা করে, যা ফল্ট-টলারেন্ট syndrome measurement-এ সহায়তা করে।
surface code গুরুত্বপূর্ণ, কারণ তাদের stabilizer একটি 2D lattice-এ স্থানীয়, যা তাদের পরীক্ষামূলকভাবে আকর্ষণীয় করে।
surface code-এ logical failure টপোলজিক্যালভাবে অ-তুচ্ছ error path-এর সঙ্গে মিলে যায়; code distance হলো এমন পথের ক্ষুদ্রতম আকার।
rotated planar surface code, distance অক্ষুণ্ণ রেখে, unrotated planar code-এর তুলনায় qubit সংখ্যা কমায়।
প্রকাশিত threshold মান এবং সাম্প্রতিক প্রদর্শনগুলো আশাব্যঞ্জক, তবে বাস্তব পারফরম্যান্স এখনও হার্ডওয়্যার নয়েজ, decoder-এর মান এবং বড় ভৌত-কিউবিট ওভারহেডের ওপর নির্ভরশীল।