Correzione degli errori quantistici e qubit logici, spiegati

Come la correzione degli errori quantistici trasforma molti qubit fisici rumorosi in qubit logici più affidabili, e perché contano distanza del codice, soglie e codici di superficie.

Questa pagina è stata tradotta dall'inglese. I nomi di aziende e prodotti e i link alle fonti restano invariati. Leggi l'originale in inglese

La correzione degli errori quantistici è l’insieme di metodi usati per mantenere utilizzabile la fragile informazione quantistica nonostante rumore, decoerenza e operazioni imperfette. L’idea di base è codificare uno o più qubit logici in un insieme più ampio di qubit fisici, misurare ripetutamente controlli scelti con cura che rivelano informazioni sugli errori ma non sullo stato quantistico protetto, e quindi applicare passaggi di recupero basati sulla sindrome osservata.

Perché i computer quantistici hanno bisogno della correzione degli errori

L’informazione quantistica è insolitamente delicata. Gli errori possono derivare dalla decoerenza e da altre fonti di rumore quantistico, e nel calcolo quantistico pratico bisogna anche fare i conti con porte difettose, preparazione imperfetta dello stato ed errori di misura. Per questo la correzione degli errori è centrale non solo per memorizzare stati quantistici, ma anche per eseguire calcoli lunghi.

La correzione degli errori classica funziona aggiungendo ridondanza ai bit. La correzione degli errori quantistici punta a qualcosa di simile, ma con un vincolo fondamentale: la misura diretta di un qubit in genere perturba lo stato. Quindi un codice quantistico deve estrarre informazioni su che cosa è andato storto senza rivelare l’informazione logica stessa. In molti codici, questo avviene tramite la misura di operatori commutanti chiamati stabilizzatori.

Un modo utile per pensare alla promessa della correzione degli errori quantistici è come a un livello di simulazione: dato un canale fisico rumoroso che rientra in un certo modello di errore, un codice di correzione degli errori quantistici può essere usato per approssimare un canale logico privo di rumore abbastanza bene da rendere pratiche la comunicazione o il calcolo.

Qubit fisici, qubit logici e distanza del codice

Una notazione standard per un codice quantistico è [[n,k,d]], che significa che il codice codifica k qubit logici in n qubit fisici con distanza del codice d.

Questi tre parametri riassumono la maggior parte dei compromessi:

n: quanti qubit fisici usa il codice
k: quanti qubit logici vengono protetti
d: la distanza del codice, una misura legata a quanto è difficile per gli errori agire come un’operazione logica

Il tasso del codice, k/n, è una metrica di efficienza di base. Un tasso più alto significa meno overhead per qubit logico. Ma distanza maggiore e tasso maggiore in generale tirano in direzioni opposte, quindi la progettazione dei codici consiste nel bilanciare affidabilità e costo hardware.

In termini generali, un ciclo di correzione degli errori quantistici ha tre fasi:

Codifica dell’informazione logica in un sistema fisico più ampio
Memorizzazione o trasmissione attraverso un canale rumoroso
Estrazione della sindrome e recupero, che identifica gli errori probabili e li corregge

La sindrome è cruciale. Le misure degli stabilizzatori sono scelte in modo da rivelare solo informazioni sugli errori, non sullo stato quantistico codificato. Altrimenti il processo di correzione distruggerebbe le sovrapposizioni che il computer sta cercando di preservare.

Quali tipi di errori prendono di mira i codici?

Gli errori dominanti dipendono fortemente dalla piattaforma hardware. Esempi importanti includono:

Smorzamento di ampiezza, o perdita di eccitazione, associato al rilassamento verso l’equilibrio
Errori coerenti, derivanti dalla dinamica interna del sistema
Defasamento, che è uno dei processi di rumore dominanti in molte implementazioni di qubit

Anche così, molti codici quantistici lavorano con un modello semplificato in cui gli errori sono trattati come combinazioni di operazioni di Pauli:

X per errori simili a un bit flip
Z per errori simili a un phase flip
Y per errori combinati di bit e fase

Questa rappresentazione basata sugli operatori di Pauli non cattura ogni processo di rumore realistico, ma è ampiamente usata perché rende più trattabili l’analisi e la costruzione dei codici. In questo modello, l’estrazione della sindrome e la decodifica possono spesso essere formulate in modi che prendono in prestito idee dalla teoria classica della codifica.

Questa semplificazione porta con sé un’avvertenza: la decodifica può comunque essere difficile. Un codice con parametri [[n,k,d]] ha 2^(n-k) sindromi possibili, che diventano rapidamente troppe per semplici tabelle di ricerca. In pratica, di solito sono necessari algoritmi efficienti di decodifica classica.

Tolleranza ai guasti: correggere gli errori senza peggiorare la situazione

La sola correzione degli errori non basta per un calcolo scalabile. In un computer, anche il meccanismo di correzione usa porte, misure e ancille preparate che possono tutte fallire. È qui che entra in gioco la tolleranza ai guasti.

L’idea centrale è progettare codifica, misura della sindrome e recupero in modo che un piccolo numero di guasti fisici non si propaghi fino a diventare un fallimento logico non correggibile. La correzione degli errori quantistici afferma che questo è legato al teorema della soglia quantistica: calcoli quantistici arbitrariamente lunghi sono possibili concatenando ricorsivamente i codici, a condizione che il tasso di errore delle singole porte quantistiche resti al di sotto di una soglia.

La correzione degli errori quantistici fornisce una stima storica del 2004 secondo cui questa soglia potrebbe arrivare fino a 1–3%, assumendo che siano disponibili abbastanza qubit. Fornisce anche l’intuizione del perché una soglia sia importante: al di sotto di essa, la correzione rimuove più errori di quanti ne introduca; al di sopra, il processo di correzione può diventare nel complesso dannoso.

Questo concetto di soglia è uno dei motivi per cui i qubit logici sono un’astrazione così utile. Un qubit logico non è un singolo elemento del dispositivo, ma un oggetto codificato il cui tasso di errore effettivo può, in linea di principio, essere ridotto aggiungendo più risorse fisiche e usando procedure migliori di tolleranza ai guasti.

Principali famiglie di codici e che cosa ottimizzano

Diverse famiglie di codici fanno compromessi diversi tra overhead, distanza, struttura e facilità di implementazione.

Famiglia di codici	Idea chiave	Compromesso o caratteristica notevole
Codice di Shor	Si generalizza a `[[d^2,1,d]]`; usa codici di ripetizione interni ed esterni per gestire separatamente errori di bit flip e phase flip	Aumenta la distanza, ma con un tasso del codice più basso
Codici di Steane / Hamming quantistici	Sostituisce la struttura di ripetizione con il codice classico di Hamming `[7,4]` e tratta simmetricamente gli errori `X` e `Z`	Tasso del codice migliore rispetto alla ripetizione in stile Shor
Codici CSS	Quadro generale derivato da costruzioni correlate di Calderbank, Shor e Steane	Separa gli stabilizzatori `X` e `Z`, il che è utile per la misura fault-tolerant della sindrome
Codice a cinque qubit	Usa quattro stabilizzatori che mescolano `X` e `Z`; non è un codice CSS	Il più piccolo codice possibile che protegge un qubit logico contro errori arbitrari su un singolo qubit
Codice di superficie	Codice stabilizzatore topologico su un reticolo 2D	Controlli locali e disposizione planare sono attraenti dal punto di vista sperimentale

Il codice a cinque qubit è particolarmente importante sul piano concettuale. È il più piccolo codice possibile che può proteggere un qubit logico da errori arbitrari su un singolo qubit, un fatto legato al limite quantistico di Hamming.

La correzione degli errori quantistici menziona anche i codici non additivi, che vanno oltre il formalismo degli stabilizzatori usato dai codici additivi [[n,k,d]]. In alcuni casi possono raggiungere tassi del codice più elevati, ma sono notevolmente più difficili da costruire e analizzare, quindi restano meno esplorati.

Perché i codici di superficie sono diventati così importanti

Tra le moderne famiglie di codici, i codici di superficie sono cruciali per la correzione degli errori quantistici scalabile nel 2025. Il motivo principale è architetturale: sono definiti usando misure locali degli stabilizzatori su un reticolo bidimensionale, il che è più adatto a molte piattaforme hardware rispetto ai codici che richiedono interazioni a lungo raggio.

Il codice di superficie è un codice stabilizzatore topologico. Nella versione torica introdotta da Alexei Kitaev nel 1997, i qubit si trovano sui bordi di un reticolo 2D, e gli stabilizzatori sono associati a vertici e placchette. Gli errori si manifestano come violazioni di questi stabilizzatori.

Un’immagine utile è quella in cui un errore crea o sposta difetti localizzati, descritti come anyoni:

un errore Z inverte gli stabilizzatori dei vertici vicini
un errore X inverte gli stabilizzatori delle placchette vicine

La correzione consiste nell’accoppiare questi difetti e annichilirli di nuovo. Se i percorsi risultanti sono topologicamente banali, l’effetto netto è soltanto uno stabilizzatore e l’informazione logica resta invariata. Se un percorso è topologicamente non banale, il processo agisce come un operatore logico e l’informazione codificata viene alterata.

Questa interpretazione geometrica è uno dei motivi per cui i codici di superficie sono così intuitivi. La distanza del codice diventa la lunghezza minima di un percorso o di un ciclo non banale che implementa un errore logico.

Codici di superficie torici, planari e planari ruotati

Sono importanti diverse geometrie correlate.

Il codice torico usa condizioni al contorno periodiche, topologicamente equivalenti a un toro. Per un reticolo d × d ha 2d^2 qubit, e il suo spazio di codice è quadridimensionale, quindi memorizza due qubit logici.

Per l’hardware, i bordi aperti sono spesso più pratici, il che porta al codice planare. Ma la progettazione dei bordi conta. Un codice di superficie con un solo tipo di bordo non codifica un qubit logico. Per creare uno spazio di codice non banale, servono bordi lisci e ruvidi alternati. Con bordi superiori e inferiori lisci e bordi sinistro e destro ruvidi, il codice planare memorizza un qubit logico, e i percorsi topologicamente non banali minimi hanno lunghezza d, dando una distanza del codice d.

Il codice planare ruotato è un miglioramento in termini di efficienza. Surface code afferma che un codice planare ruotato di distanza d usa d^2 qubit fisici, contro d^2 + (d − 1)^2 della versione planare non ruotata, mantenendo la stessa distanza del codice.

Soglie, decodifica e che cosa significa “sotto soglia”

I codici di superficie si distinguono anche per soglie relativamente alte sotto modelli di rumore standard. Per un modello in cui errori di bit e di fase avvengono indipendentemente su ogni qubit con probabilità p, Surface code riporta:

una probabilità critica di circa 11% da una mappatura alla fisica statistica
circa 10.5% usando il decoder molto diffuso minimum weight perfect matching

Questi numeri sono importanti, ma vanno interpretati. Primo, dipendono dal modello di errore assunto. Secondo, il limite teorico è utile solo se esiste un decoder pratico che gli si avvicini. Terzo, alcuni decoder funzionano peggio quando gli errori di bit e di fase sono correlati, come nel caso del rumore depolarizzante.

Quindi “sotto soglia” non significa che un sistema sia privo di errori. Significa che, in linea di principio, aumentare la dimensione del codice può ridurre il tasso di errore logico invece di peggiorare la situazione.

Oltre i codici a blocchi di qubit

La correzione degli errori quantistici è più ampia dei codici a blocchi qubit-qubit. L’informazione quantistica può essere codificata in qudit o in oscillatori, che hanno infiniti livelli di energia. Approcci bosonici come le idee in stile cat, GKP e binomial sfruttano la ridondanza all’interno di un singolo oscillatore anziché distribuire un qubit logico su molti sistemi a due livelli.

Questo mette in evidenza un’importante questione progettuale ancora aperta per il settore: la ridondanza dovrebbe essere distribuita tra molti qubit fisici, all’interno di sistemi a dimensionalità più alta, o in ibridi di entrambi?

A che punto è il settore nel 2025

I codici di superficie sono particolarmente importanti nel 2025. La correzione degli errori quantistici afferma che consentono qubit logici sotto soglia con fedeltà migliorata nei sistemi superconduttivi, e nota separatamente che Google Quantum AI ha implementato un codice planare di distanza 7 sul suo processore superconduttivo Willow, dimostrando un tasso di errore fisico sotto soglia.

Questo non significa che la sfida più ampia sia risolta. I qubit logici richiedono ancora un overhead sostanziale, la decodifica resta un vero problema di sistema, e le prestazioni dipendono dall’abbinare la scelta del codice al rumore reale dell’hardware. Ma indica perché i qubit logici sono ormai un obiettivo pratico di ingegneria e non solo un costrutto teorico.

Punti chiave

La correzione degli errori quantistici protegge la fragile informazione quantistica codificando i qubit logici in sistemi fisici più grandi ed estraendo ripetutamente le sindromi di errore.
La notazione standard [[n,k,d]] riassume il compromesso principale: overhead fisico contro capacità logica protetta e distanza del codice.
I codici più usati semplificano il rumore hardware negli errori di Pauli X, Y e Z, anche se i dispositivi reali mostrano anche effetti come smorzamento di ampiezza e defasamento.
La tolleranza ai guasti conta perché il processo di correzione stesso è rumoroso; il teorema della soglia dice che il calcolo scalabile è possibile solo al di sotto di un certo tasso di errore fisico.
Il codice a cinque qubit è il più piccolo codice che può proteggere un qubit logico contro errori arbitrari su un singolo qubit.
I codici CSS sono apprezzati perché separano gli stabilizzatori X e Z, il che aiuta nella misura fault-tolerant della sindrome.
I codici di superficie sono importanti perché i loro stabilizzatori sono locali su un reticolo 2D, il che li rende attraenti dal punto di vista sperimentale.
Nei codici di superficie, il fallimento logico corrisponde a percorsi di errore topologicamente non banali; la distanza del codice è la dimensione minima di un tale percorso.
I codici di superficie planari ruotati riducono il numero di qubit rispetto ai codici planari non ruotati preservando la distanza.
I valori di soglia riportati e le dimostrazioni recenti sono incoraggianti, ma le prestazioni pratiche dipendono ancora dal rumore dell’hardware, dalla qualità del decoder e dai grandi overhead di qubit fisici.