Supraleitend, gefangene Ionen, neutrale Atome, photonisch, Spin und mehr: Qubit-Modalitäten im Vergleich

Ein praxisnaher Vergleich führender Qubit-Modalitäten – supraleitend, gefangene Ionen, neutrale Atome, photonisch, Spin, topologisch und Quanten-Annealing.

Diese Seite wurde aus dem Englischen übersetzt. Unternehmens- und Produktnamen sowie Quellenlinks bleiben unverändert. Original auf Englisch lesen

Verschiedene Qubit-Modalitäten verfolgen dasselbe Ziel – kontrollierbare Quantenbits und Gatter –, setzen dabei jedoch auf sehr unterschiedliche technische Ansätze. Manche betonen die Herstellbarkeit, andere Kohärenz oder Messqualität, wieder andere zielen auf eine inhärente Fehlerresistenz oder auf Optimierung statt auf universelles Quantenrechnen im Gattermodell.

Warum die „Qubit-Modalität“ wichtig ist

Ein Qubit ist jedes kontrollierbare Quantensystem mit zwei Niveaus. In der Praxis führt diese breite Definition zu sehr unterschiedlicher Hardware: supraleitende Schaltkreise auf Chips, in elektromagnetischen Fallen schwebende Ionen, mit optischen Pinzetten angeordnete neutrale Atome, durch optische Netzwerke laufende Photonen, Spins in Halbleiterbauelementen und spekulativere auf Anyonen basierende Systeme.

Diese Entscheidungen sind wichtig, weil ein nützlicher Prozessor mehr braucht als nur Qubits. Architekturübergreifend gehören dazu wiederkehrende Anforderungen wie die Initialisierung von Qubits, das Anwenden eines universellen Gattersatzes, das ausreichend lange Bewahren von Quanteninformation für eine Berechnung, die präzise Messung von Ergebnissen und die Skalierung auf größere Systeme. Keine Modalität dominiert in jeder Dimension.

Hilfreich ist die Sichtweise, dass jede Plattform einen anderen Engpass optimiert. Supraleitende Systeme stützen sich auf etablierte Chipfertigung und sind zum dominierenden industriellen Ansatz für Quantenprozessoren geworden. Gefangene Ionen zeichnen sich durch sehr präzise Operationen aus. Neutrale Atome bieten dichte, rekonfigurierbare Arrays und starke Wechselwirkungen über die Rydberg-Blockade. Photonische Systeme profitieren davon, dass Photonen von Natur aus gut für Kommunikation geeignet sind. Spin-Qubits versuchen, die etablierte Halbleiterfertigung zu nutzen. Topologisches Rechnen verspricht eingebaute Robustheit, ist experimentell aber weiterhin nicht abschließend geklärt. Quanten-Annealing ist noch einmal anders: Es zielt auf Optimierung statt auf den vollständigen Stack des universellen Gattermodells.

Ein direkter Vergleich

Modality	Physical carrier	How gates/interactions work	Wichtigste Stärken	Main challenges or caveats
Superconducting	Microwave-frequency superconducting circuits with Josephson junctions	Microwave pulses for single-qubit gates; coherent exchange or parametric coupling for two-qubit gates	Dominant industrial architecture; compatible with solid-state fabrication; processors beyond 1,000 qubits reported	Requires ultra-low temperatures; coherence has historically been short, though improved substantially
Trapped ion	Charged atoms confined in electromagnetic fields	Lasers drive single-qubit transitions and couple internal states to shared motion for entanglement	Fundamental operations demonstrated with the highest accuracy; high-fidelity initialization and readout	Scaling many ions in one trap is hard; motion becomes more complex as systems grow
Neutral atom	Laser-cooled atoms, often in optical tweezers	Lasers for single-qubit control; Rydberg blockade for entangling gates such as CZ	Strong, switchable interactions; single-qubit fidelities as high as 0.999 reported; 48 logical qubits demonstrated	Requires precise laser control and close-spacing conditions for blockade-based gates
Photonic / LOQC	Photons in optical modes	Linear optical elements plus detectors, ancillas, teleportation and error correction in KLM-style schemes	Natural fit for transmission; universal computation possible in principle; easy fit with communication tasks	Photons interact weakly, so two-qubit logic can be resource-intensive and non-deterministic
Spin qubit	Electron or hole spin in semiconductor devices, often quantum dots	Exchange via pulsed inter-dot voltages; local spin rotations for logic	Can use industry-standard silicon wafer fabs; some devices operate at a few kelvins	Requires strict control of level spacing, pulse timing and decoherence
Topological	Anyons in 2D systems, with computation by braiding	Braids of anyon world lines implement gates	In principle robust to small trajectory errors; proposed route to fault tolerance	Required non-abelian anyons remain experimentally contested
Quantum annealing	Time-evolving quantum system for optimization, often Ising-like	Slow change of transverse field to seek low-energy solutions	Purpose-built for combinatorial optimization; commercial systems exist	Not known to be equivalent to universal gate-model quantum computing

Supraleitende Qubits: Fertigungsvorteil, kryogene Last

Das supraleitende Quantenrechnen nutzt supraleitende elektronische Schaltkreise, typischerweise Mikrowellenschaltungen mit Josephson-Kontakten, die auf Festkörperchips aufgebaut sind. Der Josephson-Kontakt ist das entscheidende nichtklassische Element, weil seine nichtlineare Induktivität für ungleiche Energieniveauabstände sorgt und es Ingenieuren ermöglicht, die beiden niedrigsten Niveaus als Qubit anzusprechen.

Der klarste Vorteil dieser Modalität ist die praktische Herstellbarkeit. Es handelt sich um einen Festkörperansatz, der Fertigungsmethoden aus der konventionellen Chipproduktion übernimmt. Der Artikel zum supraleitenden Quantenrechnen beschreibt ihn als die dominierende industrielle Methode zum Bau von QPUs; daran arbeiten unter anderem Google, IBM, IMEC, BBN Technologies, Rigetti und Intel.

Der größte Zielkonflikt ist die benötigte Umgebung. Da Supraleitung nur bei sehr niedrigen Temperaturen auftritt, müssen diese Systeme unter ultrakalten Bedingungen betrieben werden. Sie stehen zudem weiterhin vor der allgemeinen Herausforderung der Dekohärenz. Der Artikel zum supraleitenden Quantenrechnen weist darauf hin, dass frühe supraleitende Qubits eine Kohärenz von weniger als einer Nanosekunde hatten, was Berechnungen unpraktikabel machte, dass sich die Kohärenz über zwei Jahrzehnte jedoch um etwa fünf Größenordnungen verbessert hat. Transmons, 2007 eingeführt, um die Empfindlichkeit gegenüber Ladungsrauschen zu verringern, wurden zum dominierenden Design und erreichten Kohärenzzeiten von 10–100 Mikrosekunden. Ein Fluxonium-Qubit überschritt 2021 1 ms, und bis 2025 erreichten auch supraleitende Transmons Kohärenzzeiten im Millisekundenbereich.

Bei der Skalierung liegen supraleitende Systeme derzeit bei der reinen Qubit-Zahl vorn: Bis 2025 hatten Prozessoren die Marke von 1.000 Qubits überschritten, darunter IBM Condor mit 1.121 Qubits. Dieselbe Quelle verweist auch auf Googles Random-Circuit-Sampling-Behauptung von 2019 mit Sycamore sowie auf eine Ankündigung von 2025 zu einem der ersten unabhängig verifizierbaren Quantenvorteile mit Willow. Dennoch klären diese Demonstrationen nicht die grundsätzliche Frage, welche Modalität sich für fehlertolerantes, nützliches Quantenrechnen am besten eignen wird.

Gefangene Ionen: zuerst Genauigkeit, dann Skalierung

Quantencomputer mit gefangenen Ionen speichern Qubits in stabilen elektronischen Zuständen von Ionen, die durch elektromagnetische Felder im freien Raum eingeschlossen werden. Die Verschränkung wird durch die gemeinsame quantisierte Bewegung der Ionen vermittelt, und Laser übernehmen die Kontrolle sowohl für Ein-Qubit- als auch für Zwei-Qubit-Operationen.

Der Hauptreiz liegt hier in der Präzision. Laut dem Artikel über Quantencomputer mit gefangenen Ionen wurden die grundlegenden Operationen eines Quantencomputers experimentell in Systemen mit gefangenen Ionen mit der höchsten Genauigkeit demonstriert. Die Initialisierung per optischem Pumpen kann eine Fidelity von über 99,9 % erreichen, die Messung über 99,99 %, die Fidelity von Ein-Qubit-Gattern mehr als 99 %, und auch verschränkende Gatterimplementierungen lagen bereits über 99 %.

Die Herausforderung ist die Skalierung. Mehrere Ionen in einer Falle wechselwirken über Coulomb-Kräfte, und mit zunehmender Zahl der Ionen wird die Schwingungsstruktur komplizierter, was Initialisierung und Berechnung erschwert. Die Skalierungskonzepte des Feldes konzentrieren sich daher auf Modularität: den Transport von Ionen zwischen Fallenregionen, zweidimensionale Fallenarrays oder die photonische Vernetzung entfernter Ionenketten. Mit Stand Dezember 2023 umfasste der größte gemeldete kontrolliert verschränkte Verband 32 gefangene Ionen.

Das macht gefangene Ionen zu einem starken Kandidaten für universelles Quantenrechnen – allerdings einem, bei dem sich die Ingenieursarbeit eher auf Architektur und Systemintegration konzentriert als auf den Nachweis der Qualität der grundlegenden Operationen.

Neutrale Atome: rekonfigurierbare Arrays und starke Blockadephysik

Das Quantenrechnen mit neutralen Atomen teilt einige Merkmale mit gefangenen Ionen, ersetzt geladene Teilchen jedoch durch lasergekühlte Atome, die oft in magneto-optischen Fallen und optischen Pinzetten kontrolliert werden. Qubits werden in atomaren Energieniveaus kodiert, mittels optischem Pumpen präpariert, durch Laser oder Mikrowellenfelder manipuliert und über Fluoreszenzbildgebung gemessen.

Sein charakteristischer Mechanismus ist die Rydberg-Blockade. Werden Atome in hochangeregte Rydberg-Zustände versetzt, können ihre Wechselwirkungen dramatisch stärker werden. Der Artikel über Quantencomputer mit neutralen Atomen nennt ein konkretes Beispiel: Bei einem Abstand von 10 Mikrometern liegt die Wechselwirkung zwischen zwei Atomen im Grundzustand bei etwa 10^-5 Hz, während die Wechselwirkung zwischen zwei in einen Rydberg-Zustand angeregten Atomen bei rund 100 MHz liegt. Im Blockaderegime verhindert die Anregung eines Atoms effektiv, dass nahegelegene Atome in denselben Rydberg-Zustand angeregt werden, wodurch ein kontrollierbarer Verschränkungsmechanismus entsteht.

Diese Wechselwirkungsstärke bildet die Grundlage für schnelle kontrollierte Zwei-Qubit-Gatter wie CZ, während in Experimenten auf dem aktuellen Stand der Technik Ein-Qubit-Fidelities von bis zu 0.999 gezeigt wurden. Der Artikel über Quantencomputer mit neutralen Atomen sagt außerdem, dass dieser Ansatz mit Stand Dezember 2023 für einen Prozessor mit 48 logischen Qubits verwendet wurde.

Der Zielkonflikt liegt in der Komplexität der Kontrolle: Blockadegatter hängen von Geometrie, Verstimmung und Laserpräzision ab. Dennoch stechen neutrale Atome dadurch hervor, dass sie rekonfigurierbare Arrays mit einer nativen verschränkenden Wechselwirkung kombinieren, die nur bei Bedarf stark wird.

Photonisches Rechnen: kommunikationsnah, wechselwirkungsarm

Photonisches oder linear-optisches Quantenrechnen nutzt Photonen als Informationsträger und verarbeitet sie mit optischen Elementen wie Spiegeln, Strahlteilern, Phasenschiebern, Detektoren und Quantenspeichern.

Der Reiz liegt auf der Hand. Photonen eignen sich von Natur aus gut zur Darstellung, Übertragung und Detektion von Quantenzuständen, was photonische Systeme attraktiv macht, wenn Rechnen und Kommunikation im selben Rahmen zusammenkommen sollen. Der Artikel über linear-optisches Quantenrechnen weist auch darauf hin, dass linear-optische Netzwerke beliebige unitäre Transformationen implementieren können und universelles Quantenrechnen prinzipiell möglich ist.

Doch Photonen „wechselwirken kaum“ miteinander – und genau das ist das zentrale technische Problem. Zwei-Qubit-Logik lässt sich daher nur schwer direkt realisieren und kann ressourcenintensiv werden. Das KLM-Protokoll adressierte dies, indem es 2000 zeigte, dass sich universelles Quantenrechnen aus linear-optischen Elementen, Einzelphotonenquellen, Detektoren, Ancilla-Zuständen, Teleportation und Fehlerkorrektur aufbauen lässt, wobei durch Messung und Postselektion effektiv nützliches nichtlineares Verhalten erzeugt wird. Das macht LOQC vielversprechend, aber oft nichtdeterministisch und potenziell ressourcenineffizient.

Der Artikel über linear-optisches Quantenrechnen unterscheidet außerdem Boson Sampling, das nicht als universell gilt, aber für Demonstrationen im Stil der Quantenüberlegenheit verwendet wurde.

Spin-Qubits: Halbleiterkompatibilität als Strategie

Beim Quantenrechnen mit Spin-Qubits wird Information im Spin von Ladungsträgern in Halbleiterbauelementen gespeichert, insbesondere von Elektronen, die in Quantenpunkten eingeschlossen sind. Der strategisch wichtige Punkt ist die Kompatibilität mit der etablierten Halbleiterfertigung. Laut dem Artikel über Spin-Qubit-Quantencomputer können Spin-Qubits auf Basis von Siliziumatomen in branchenüblichen Silizium-Wafer-Fabs hergestellt werden, die auch für die Produktion von Logikchips genutzt werden.

Der Loss–DiVincenzo-Vorschlag nutzt gepulste Gate-Spannungen zwischen Quantenpunkten, um Austauschwechselwirkungen zu steuern, sowie lokale Spinmanipulation, um Logikoperationen aufzubauen, darunter CNOT durch Kombinationen aus Swap-ähnlichen Gattern und Ein-Spin-Rotationen.

Die Attraktivität ist klar: Wenn sich Spin-Qubits skalieren lassen, könnten sie auf die Fertigungsinfrastruktur der konventionellen Elektronik aufsetzen. Einige Bauelemente arbeiten zudem bei wenigen Kelvin und werden im Artikel über Spin-Qubit-Quantencomputer als „heiße Qubits“ beschrieben, was gegenüber Plattformen mit kälteren Umgebungsanforderungen bei der Skalierung helfen könnte. Doch die Randbedingungen sind streng: Der Niveauabstand muss die thermische Energie übersteigen, Pulse müssen die Besetzung höherer Orbitalzustände vermeiden, und die Dekohärenz muss langsamer bleiben als die Gatteroperationen.

Topologisches Quantenrechnen: elegante Idee, ungeklärte Realität

Das topologische Quantenrechnen speichert Information in anyonischen Zuständen und führt Gatter durch das Flechten von Weltlinien in der Raumzeit aus. Der konzeptionelle Vorteil ist Robustheit: Kleine Störungen können detaillierte Trajektorien verändern, ohne die topologische Klasse des Geflechts zu ändern, sodass die kodierte Information inhärent weniger empfindlich gegenüber bestimmten Fehlern sein kann.

Theoretisch können topologische Quantencomputer die Rechenleistung standardmäßiger Quantencomputer erreichen. Doch die entscheidende experimentelle Einschränkung ist gravierend: Die nichtabelschen Anyonen, die für die relevantesten Varianten des topologischen Rechnens erforderlich sind, wurden experimentell bislang nicht unumstritten bestätigt. Der Artikel über topologische Quantencomputer sagt, dass behauptete Hinweise auf Majorana-bezogene Physik angefochten wurden und mindestens eine vielbeachtete Behauptung aus dem Jahr 2018 im Jahr 2021 zurückgezogen wurde.

Damit bleibt topologisches Rechnen als Idee für Fehlertoleranz wichtig, steht praktisch aber noch nicht auf derselben Stufe wie supraleitende, ionenbasierte, auf neutralen Atomen basierende, photonische oder Spin-Ansätze.

Quanten-Annealing: keine allgemeine Qubit-Modalität, aber relevant

Quanten-Annealing wird oft zusammen mit Qubit-Modalitäten diskutiert, lässt sich aber am besten als anderes Rechenmodell verstehen. Es zielt vor allem auf Optimierungsprobleme, insbesondere kombinatorische Probleme mit vielen lokalen Minima. Die Methode beginnt in einer breiten Quantenüberlagerung und verändert langsam ein transversales Feld, sodass das System dazu tendiert, in der Nähe des Grundzustands eines Problem-Hamiltonoperators zu enden.

Quanten-Annealing deutet auf einen möglichen Vorteil gegenüber simuliertem Annealing in Landschaften mit sehr hohen, aber schmalen Barrieren hin, in denen Quantentunneln helfen kann, lokalen Minima effektiver zu entkommen als thermische Bewegung. Kommerzielle Systeme existieren: D-Wave kündigte 2011 den ersten kommerziellen Quanten-Annealer an.

Die Architektur von D-Wave unterscheidet sich von traditionellen universellen Quantencomputern und kann Shor’s algorithm nicht ausführen, weil ihr die präzisen Gatteroperationen und Quanten-Fourier-Transformationen fehlen, die dieser Algorithmus erfordert. Behauptungen über Geschwindigkeitsvorteile bleiben problemabhängig und sind allgemein nicht geklärt.

Welche Modalität ist also die „beste“?

Die ehrliche Antwort lautet: „am besten“ hängt davon ab, worauf man optimiert. Wenn aktuelle industrielle Dynamik und große Prozessoren im Chipmaßstab gefragt sind, liegt supraleitend vorn. Wenn die am überzeugendsten demonstrierte Operationsgenauigkeit zählt, sind gefangene Ionen außerordentlich stark. Wenn rekonfigurierbare Arrays und starke Wechselwirkungen auf Abruf wichtig sind, sind neutrale Atome ein ernsthafter Kandidat. Wenn Vernetzung und fliegende Qubits am meisten zählen, hat die Photonik strukturelle Vorteile. Wenn Kompatibilität mit Halbleiterprozessen Priorität hat, sind Spin-Qubits strategisch attraktiv. Wenn inhärente Fehlerresistenz gewünscht ist, sind topologische Ideen verlockend, experimentell aber noch unbewiesen. Wenn das Problem eher Optimierung als universelles Rechnen ist, könnte Quanten-Annealing die relevante Vergleichsgröße sein.

Die wichtigsten Punkte

Qubit-Modalitäten unterscheiden sich vor allem darin, welches physikalische System das Qubit trägt und wie Wechselwirkungen technisch erzeugt werden.
Supraleitende Qubits verbinden derzeit eine starke industrielle Verbreitung mit großen Prozessorgrößen, erfordern aber extreme Kryotechnik und kämpfen weiterhin mit Dekohärenz.
Gefangene Ionen zeichnen sich durch hervorragende Genauigkeit bei Gattern, Initialisierung und Messung aus, auch wenn die Skalierung auf große Systeme architektonisch anspruchsvoll ist.
Neutrale Atome nutzen die Rydberg-Blockade, um sehr starke, kontrollierbare Wechselwirkungen zu erzeugen, und unterstützen rekonfigurierbare Arrays.
Photonisches Rechnen ist von Natur aus eng mit Quantenkommunikation verbunden, doch Photon-Photon-Wechselwirkungen sind schwach, was universelle Logik ressourcenintensiv macht.
Spin-Qubits sind attraktiv, weil sie auf konventioneller Halbleiterfertigung aufsetzen können, insbesondere in Silizium.
Topologisches Quantenrechnen bietet theoretisch eine überzeugende Robustheitsgeschichte, doch die dafür erforderlichen Quasiteilchen sind experimentell weiterhin umstritten.
Quanten-Annealing ist für Optimierung wichtig, sollte aber nicht mit universellem Quantenrechnen im Gattermodell verwechselt werden.