Correction d’erreurs quantiques et qubits logiques : explication

Comment la correction d’erreurs quantiques transforme de nombreux qubits physiques bruités en qubits logiques plus fiables, et pourquoi la distance du code, les seuils et les codes de surface comptent.

Cette page a été traduite depuis l'anglais. Les noms d'entreprises et de produits ainsi que les liens vers les sources restent inchangés. Lire l'original en anglais

La correction d’erreurs quantiques désigne l’ensemble des méthodes utilisées pour rendre exploitable une information quantique fragile malgré le bruit, la décohérence et l’imperfection des opérations. L’idée de base consiste à encoder un ou plusieurs qubits logiques dans un ensemble plus vaste de qubits physiques, à mesurer de façon répétée des contrôles soigneusement choisis qui révèlent des informations sur les erreurs sans dévoiler l’état quantique protégé, puis à appliquer des étapes de récupération en fonction du syndrome observé.

Pourquoi les ordinateurs quantiques ont besoin de correction d’erreurs

L’information quantique est particulièrement fragile. Les erreurs peuvent provenir de la décohérence et d’autres sources de bruit quantique, et, en informatique quantique pratique, il faut aussi composer avec des portes défaillantes, une préparation d’état imparfaite et des erreurs de mesure. La correction d’erreurs est donc centrale non seulement pour stocker des états quantiques, mais aussi pour exécuter des calculs longs.

La correction d’erreurs classique fonctionne en ajoutant de la redondance aux bits. La correction d’erreurs quantiques vise un objectif comparable, mais avec une contrainte majeure : mesurer directement un qubit perturbe généralement son état. Un code quantique doit donc extraire des informations sur ce qui a mal tourné sans révéler l’information logique elle-même. Dans de nombreux codes, cela passe par des mesures d’opérateurs commutants appelés stabilisateurs.

Une manière utile de comprendre la promesse de la correction d’erreurs quantiques est d’y voir une couche de simulation : étant donné un canal physique bruité conforme à un certain modèle d’erreur, un code de correction d’erreurs quantiques peut servir à approximer un canal logique sans bruit avec une précision suffisante pour rendre la communication ou le calcul praticables.

Qubits physiques, qubits logiques et distance du code

Une notation standard pour un code quantique est [[n,k,d]], ce qui signifie que le code encode k qubits logiques dans n qubits physiques avec une distance de code d.

Ces trois paramètres résument l’essentiel des compromis :

n : le nombre de qubits physiques utilisés par le code
k : le nombre de qubits logiques protégés
d : la distance du code, une mesure liée à la difficulté pour des erreurs d’agir comme une opération logique

Le taux du code, k/n, est un indicateur élémentaire d’efficacité. Un taux plus élevé signifie moins de surcoût par qubit logique. Mais distance plus grande et taux plus élevé vont généralement en sens opposé ; concevoir un code revient donc à équilibrer la fiabilité et le coût matériel.

En termes généraux, un cycle de correction d’erreurs quantiques comporte trois étapes :

Encodage de l’information logique dans un système physique plus vaste
Stockage ou transmission à travers un canal bruité
Extraction du syndrome et récupération, qui identifie les erreurs probables et les corrige

Le syndrome est crucial. Les mesures de stabilisateurs sont choisies pour ne révéler que des informations sur les erreurs, et non l’état quantique encodé. Sinon, le processus de correction détruirait les superpositions que l’ordinateur cherche précisément à préserver.

Quels types d’erreurs les codes visent-ils ?

Les erreurs dominantes dépendent fortement de la plateforme matérielle. Exemples importants :

Amplitude damping, ou perte d’excitation, associée à une relaxation vers l’équilibre
Erreurs cohérentes, issues de la dynamique interne du système
Déphasage, qui est l’un des processus de bruit dominants dans de nombreuses implémentations de qubits

Malgré cela, de nombreux codes quantiques reposent sur un modèle simplifié dans lequel les erreurs sont traitées comme des combinaisons d’opérations de Pauli :

X pour des erreurs de type inversion de bit
Z pour des erreurs de type inversion de phase
Y pour des erreurs combinant bit et phase

Cette représentation fondée sur les opérateurs de Pauli ne capture pas tous les processus de bruit réalistes, mais elle est largement utilisée parce qu’elle rend l’analyse et la construction des codes plus abordables. Dans ce cadre, l’extraction du syndrome et le décodage peuvent souvent être formulés en reprenant des idées issues de la théorie classique du codage.

Cette simplification s’accompagne toutefois d’une réserve : le décodage peut malgré tout être difficile. Un code de paramètres [[n,k,d]] possède 2^(n-k) syndromes possibles, un nombre qui devient vite trop grand pour de simples tables de correspondance. En pratique, des algorithmes efficaces de décodage classique sont généralement nécessaires.

Tolérance aux fautes : corriger les erreurs sans aggraver la situation

La correction d’erreurs seule ne suffit pas pour un calcul extensible. Dans un ordinateur, le mécanisme de correction lui-même utilise des portes, des mesures et des ancillas préparées qui peuvent tous échouer. C’est là qu’intervient la tolérance aux fautes.

L’idée centrale est de concevoir l’encodage, la mesure du syndrome et la récupération de telle sorte qu’un petit nombre de fautes physiques ne se propage pas jusqu’à devenir une défaillance logique incorrigible. La correction d’erreurs quantiques indique que cela est lié au théorème du seuil quantique : des calculs quantiques arbitrairement longs sont possibles par concaténation récursive des codes, à condition que le taux d’erreur des portes quantiques individuelles reste inférieur à un certain seuil.

La correction d’erreurs quantiques fournit une estimation historique datant de 2004 selon laquelle ce seuil pourrait atteindre 1–3%, à condition de disposer d’un nombre suffisant de qubits. Elle donne aussi l’intuition de l’importance de ce seuil : en dessous, la correction élimine plus d’erreurs qu’elle n’en introduit ; au-dessus, le processus de correction peut devenir globalement nuisible.

Cette notion de seuil explique en partie pourquoi les qubits logiques constituent une abstraction si utile. Un qubit logique n’est pas un élément matériel unique, mais un objet encodé dont le taux d’erreur effectif peut, en principe, être abaissé en ajoutant davantage de ressources physiques et en utilisant de meilleures procédures tolérantes aux fautes.

Grandes familles de codes et ce qu’elles optimisent

Les différentes familles de codes arbitrent différemment entre surcoût, distance, structure et facilité de mise en œuvre.

Famille de codes	Idée clé	Compromis ou caractéristique notable
Code de Shor	Se généralise en `[[d^2,1,d]]` ; utilise des codes de répétition internes et externes pour traiter séparément les erreurs d’inversion de bit et de phase	Augmente la distance, mais avec un taux de code plus faible
Codes de Steane / codes de Hamming quantiques	Remplace la structure de répétition par le code de Hamming classique `[7,4]` et traite symétriquement les erreurs `X` et `Z`	Meilleur taux de code que la répétition de type Shor
Codes CSS	Cadre général dérivé de constructions apparentées de Calderbank, Shor et Steane	Sépare les stabilisateurs `X` et `Z`, ce qui est utile pour une mesure du syndrome tolérante aux fautes
Code à cinq qubits	Utilise quatre stabilisateurs mélangeant `X` et `Z` ; ce n’est pas un code CSS	Plus petit code possible protégeant un qubit logique contre des erreurs arbitraires sur un seul qubit
Code de surface	Code stabilisateur topologique sur un réseau 2D	Contrôles locaux et disposition planaire attrayants expérimentalement

Le code à cinq qubits est particulièrement important sur le plan conceptuel. C’est le plus petit code possible capable de protéger un qubit logique contre des erreurs arbitraires sur un seul qubit, un fait lié à la borne de Hamming quantique.

La correction d’erreurs quantiques mentionne aussi les codes non additifs, qui dépassent le formalisme des stabilisateurs utilisé par les codes additifs [[n,k,d]]. Dans certains cas, ils peuvent atteindre des taux de code plus élevés, mais ils sont nettement plus difficiles à construire et à analyser, et restent donc moins explorés.

Pourquoi les codes de surface sont devenus si importants

Parmi les familles de codes modernes, les codes de surface sont déterminants pour une correction d’erreurs quantiques extensible en 2025. La raison principale est architecturale : ils sont définis à l’aide de mesures locales de stabilisateurs sur un réseau bidimensionnel, ce qui convient mieux à de nombreuses plateformes matérielles que les codes exigeant des interactions de longue portée.

Le code de surface est un code stabilisateur topologique. Dans la version torique introduite par Alexei Kitaev en 1997, les qubits sont placés sur les arêtes d’un réseau 2D, et les stabilisateurs sont associés aux sommets et aux plaquettes. Les erreurs apparaissent sous la forme de violations de ces stabilisateurs.

Une image utile consiste à voir une erreur comme la création ou le déplacement de défauts localisés, décrits comme des anyons :

une erreur Z inverse les stabilisateurs de sommets voisins
une erreur X inverse les stabilisateurs de plaquettes voisines

La correction consiste à apparier ces défauts puis à les réannihiler. Si les chemins obtenus sont topologiquement triviaux, l’effet net n’est qu’un stabilisateur et l’information logique reste inchangée. Si un chemin est topologiquement non trivial, le processus agit comme un opérateur logique et l’information encodée est modifiée.

Cette interprétation géométrique explique en partie pourquoi les codes de surface sont si intuitifs. La distance du code devient la longueur minimale d’un chemin ou d’une boucle non triviale qui met en œuvre une erreur logique.

Codes de surface toriques, planaires et planaires tournés

Plusieurs géométries apparentées sont importantes.

Le code torique utilise des conditions aux limites périodiques, topologiquement équivalentes à un tore. Pour un réseau d × d, il comporte 2d^2 qubits, et son espace de code est de dimension quatre, ce qui lui permet de stocker deux qubits logiques.

Pour le matériel, des frontières ouvertes sont souvent plus pratiques, d’où le code planaire. Mais la conception des frontières compte. Un code de surface avec un seul type de frontière n’encode pas de qubit logique. Pour créer un espace de code non trivial, il faut alterner des frontières lisses et rugueuses. Avec des frontières lisses en haut et en bas et des frontières rugueuses à gauche et à droite, le code planaire stocke un qubit logique, et les chemins topologiquement non triviaux minimaux ont une longueur d, ce qui donne une distance de code d.

Le code planaire tourné constitue un gain d’efficacité. Surface code indique qu’un code planaire tourné de distance d utilise d^2 qubits physiques, contre d^2 + (d − 1)^2 pour la version planaire non tournée, tout en conservant la même distance de code.

Seuils, décodage et sens de « en dessous du seuil »

Les codes de surface sont également remarquables par leurs seuils relativement élevés sous des modèles de bruit standard. Pour un modèle où les erreurs de bit et de phase surviennent indépendamment sur chaque qubit avec une probabilité p, Surface code rapporte :

une probabilité critique d’environ 11% issue d’une correspondance avec la physique statistique
environ 10.5% avec le décodeur minimum weight perfect matching largement utilisé

Ces chiffres sont importants, mais ils demandent à être interprétés. D’abord, ils dépendent du modèle d’erreur supposé. Ensuite, la limite théorique n’est utile que s’il existe un décodeur pratique capable de s’en approcher. Enfin, certains décodeurs sont moins performants lorsque les erreurs de bit et de phase sont corrélées, par exemple sous bruit dépolarisant.

Être « en dessous du seuil » ne signifie donc pas qu’un système est exempt d’erreurs. Cela signifie qu’en principe, augmenter la taille du code peut réduire le taux d’erreur logique au lieu d’aggraver la situation.

Au-delà des codes blocs sur qubits

La correction d’erreurs quantiques est plus vaste que les codes blocs qubit-à-qubit. L’information quantique peut être encodée dans des qudits ou dans des oscillateurs, qui possèdent un nombre infini de niveaux d’énergie. Les approches bosoniques, comme les idées de type cat, GKP et binomial, exploitent la redondance à l’intérieur d’un seul oscillateur plutôt que de répartir un qubit logique sur de nombreux systèmes à deux niveaux.

Cela met en lumière une question de conception majeure encore ouverte dans le domaine : la redondance doit-elle être répartie entre de nombreux qubits physiques, logée dans des systèmes de dimension plus élevée, ou dans des hybrides des deux ?

Où en est le domaine en 2025

Les codes de surface sont particulièrement déterminants en 2025. La correction d’erreurs quantiques affirme qu’ils permettent des qubits logiques sous le seuil avec une fidélité améliorée dans des systèmes supraconducteurs, et note séparément que Google Quantum AI a mis en œuvre un code planaire de distance 7 sur son processeur supraconducteur Willow, démontrant un taux d’erreur physique inférieur au seuil.

Cela ne signifie pas que le défi plus large est résolu. Les qubits logiques exigent toujours un surcoût important, le décodage reste un véritable problème système, et les performances dépendent de l’adéquation entre le choix du code et le bruit réel du matériel. Mais cela montre pourquoi les qubits logiques sont désormais un objectif d’ingénierie concret, et non plus seulement une construction théorique.

Points clés à retenir

La correction d’erreurs quantiques protège une information quantique fragile en encodant des qubits logiques dans des systèmes physiques plus vastes et en extrayant de façon répétée des syndromes d’erreur.
La notation standard [[n,k,d]] résume le principal compromis : surcoût physique contre capacité logique protégée et distance du code.
La plupart des codes les plus utilisés simplifient le bruit matériel en erreurs de Pauli X, Y et Z, même si les dispositifs réels présentent aussi des effets comme l’amplitude damping et le déphasage.
La tolérance aux fautes est essentielle parce que le processus de correction lui-même est bruité ; le théorème du seuil dit qu’un calcul extensible n’est possible qu’en dessous d’un certain taux d’erreur physique.
Le code à cinq qubits est le plus petit code capable de protéger un qubit logique contre des erreurs arbitraires sur un seul qubit.
Les codes CSS sont appréciés parce qu’ils séparent les stabilisateurs X et Z, ce qui aide à la mesure du syndrome tolérante aux fautes.
Les codes de surface occupent une place majeure parce que leurs stabilisateurs sont locaux sur un réseau 2D, ce qui les rend attrayants expérimentalement.
Dans les codes de surface, une défaillance logique correspond à des chemins d’erreur topologiquement non triviaux ; la distance du code est la taille minimale d’un tel chemin.
Les codes de surface planaires tournés réduisent le nombre de qubits par rapport aux codes planaires non tournés tout en préservant la distance.
Les valeurs de seuil rapportées et les démonstrations récentes sont encourageantes, mais les performances pratiques dépendent toujours du bruit matériel, de la qualité du décodeur et d’un grand surcoût en qubits physiques.