Korekcja błędów kwantowych i kubity logiczne — wyjaśnienie

Jak korekcja błędów kwantowych zamienia wiele zaszumionych kubitów fizycznych w bardziej niezawodne kubity logiczne oraz dlaczego znaczenie mają odległość kodu, progi i kody powierzchniowe.

Ta strona została przetłumaczona z angielskiego. Nazwy firm i produktów oraz linki do źródeł pozostają bez zmian. Przeczytaj oryginał po angielsku

Korekcja błędów kwantowych to zestaw metod służących do utrzymania użyteczności kruchej informacji kwantowej mimo szumu, dekoherencji i niedoskonałych operacji. Podstawowa idea polega na zakodowaniu jednego lub większej liczby kubitów logicznych w większym zbiorze kubitów fizycznych, wielokrotnym wykonywaniu starannie dobranych pomiarów kontrolnych, które ujawniają informacje o błędach, ale nie o chronionym stanie kwantowym, a następnie zastosowaniu kroków odzyskiwania na podstawie zaobserwowanego syndromu.

Dlaczego komputery kwantowe potrzebują korekcji błędów

Informacja kwantowa jest wyjątkowo delikatna. Błędy mogą wynikać z dekoherencji i innych źródeł szumu kwantowego, a w praktycznym przetwarzaniu kwantowym trzeba też radzić sobie z wadliwymi bramkami, niedoskonałym przygotowaniem stanów i błędami pomiaru. To sprawia, że korekcja błędów ma kluczowe znaczenie nie tylko dla przechowywania stanów kwantowych, ale także dla wykonywania długich obliczeń.

Klasyczna korekcja błędów działa przez dodawanie nadmiarowości do bitów. Korekcja błędów kwantowych dąży do czegoś podobnego, ale z istotnym ograniczeniem: bezpośredni pomiar kubitu na ogół zaburza jego stan. Dlatego kod kwantowy musi wydobywać informację o tym, co poszło nie tak, bez ujawniania samej informacji logicznej. W wielu kodach robi się to za pomocą pomiarów komutujących operatorów zwanych stabilizatorami.

Przydatny sposób myślenia o obietnicy korekcji błędów kwantowych to potraktowanie jej jako warstwy symulacyjnej: mając zaszumiony kanał fizyczny zgodny z pewnym modelem błędów, można użyć kodu korekcji błędów kwantowych, aby dostatecznie dobrze przybliżyć bezszumowy kanał logiczny i tym samym uczynić komunikację lub obliczenia praktycznymi.

Kubity fizyczne, kubity logiczne i odległość kodu

Standardowa notacja dla kodu kwantowego to [[n,k,d]], co oznacza, że kod koduje k kubitów logicznych w n kubitach fizycznych przy odległości kodu d.

Te trzy parametry opisują większość kompromisów:

n: ile kubitów fizycznych wykorzystuje kod
k: ile kubitów logicznych jest chronionych
d: odległość kodu, miara związana z tym, jak trudno błędom zachowywać się jak operacja logiczna

Szybkość kodu, k/n, to podstawowa miara efektywności. Wyższa szybkość oznacza mniejszy narzut na kubit logiczny. Jednak większa odległość i większa szybkość zwykle działają w przeciwnych kierunkach, więc projektowanie kodów polega na równoważeniu niezawodności z kosztem sprzętowym.

Ogólnie rzecz biorąc, cykl korekcji błędów kwantowych ma trzy etapy:

Kodowanie informacji logicznej w większym układzie fizycznym
Przechowywanie lub transmisja przez zaszumiony kanał
Ekstrakcja syndromu i odzyskiwanie, które identyfikują prawdopodobne błędy i je korygują

Syndrom ma kluczowe znaczenie. Pomiary stabilizatorów dobiera się tak, aby ujawniały wyłącznie informacje o błędach, a nie zakodowany stan kwantowy. W przeciwnym razie proces korekcji zniszczyłby superpozycje, które komputer próbuje zachować.

Jakie rodzaje błędów próbują korygować kody?

Dominujące błędy silnie zależą od platformy sprzętowej. Ważne przykłady to:

Tłumienie amplitudy (amplitude damping), czyli utrata wzbudzenia związana z relaksacją do stanu równowagi
Błędy koherentne, wynikające z wewnętrznej dynamiki układu
Defazowanie, które jest jednym z dominujących procesów szumowych w wielu implementacjach kubitów

Mimo to wiele kodów kwantowych korzysta z uproszczonego modelu, w którym błędy traktuje się jako kombinacje operacji Pauliego:

X dla błędów podobnych do odwrócenia bitu
Z dla błędów podobnych do odwrócenia fazy
Y dla połączonych błędów bitu i fazy

Ten obraz oparty na operatorach Pauliego nie oddaje każdego realistycznego procesu szumowego, ale jest szeroko stosowany, ponieważ ułatwia analizę i konstruowanie kodów. W ramach tego modelu ekstrakcję syndromu i dekodowanie można często formułować w sposób zapożyczający idee z klasycznej teorii kodowania.

To uproszczenie ma jednak zastrzeżenie: dekodowanie nadal może być trudne. Kod o parametrach [[n,k,d]] ma 2^(n-k) możliwych syndromów, co szybko staje się zbyt dużą liczbą dla prostych tablic wyszukiwania. W praktyce zwykle potrzebne są wydajne klasyczne algorytmy dekodowania.

Tolerancja błędów: jak korygować błędy, nie pogarszając sytuacji

Sama korekcja błędów nie wystarcza do skalowalnych obliczeń. W komputerze sama aparatura korekcyjna używa bramek, pomiarów i przygotowanych ancilli, które wszystkie mogą zawodzić. W tym miejscu pojawia się tolerancja błędów.

Główna idea polega na takim zaprojektowaniu kodowania, pomiaru syndromu i odzyskiwania, aby niewielka liczba fizycznych usterek nie rozprzestrzeniła się do niekorygowalnej awarii logicznej. Korekcja błędów kwantowych wskazuje, że wiąże się to z kwantowym twierdzeniem progowym: dowolnie długie obliczenia kwantowe są możliwe dzięki rekurencyjnej konkatenacji kodów, pod warunkiem że stopa błędów pojedynczych bramek kwantowych pozostaje poniżej progu.

Korekcja błędów kwantowych podaje historyczne oszacowanie z 2004 roku, według którego próg ten mógłby sięgać nawet 1–3%, przy założeniu dostępności wystarczającej liczby kubitów. Wyjaśnia też intuicję, dlaczego próg ma znaczenie: poniżej niego korekcja usuwa więcej błędów, niż wprowadza; powyżej niego sam proces korekcji może przynosić więcej szkody niż pożytku.

Koncepcja progu jest jednym z powodów, dla których kubity logiczne są tak użyteczną abstrakcją. Kubit logiczny nie jest pojedynczym elementem urządzenia, lecz zakodowanym obiektem, którego efektywną stopę błędów można, przynajmniej w zasadzie, obniżać przez dodawanie większych zasobów fizycznych i stosowanie lepszych procedur odpornych na błędy.

Główne rodziny kodów i to, co optymalizują

Różne rodziny kodów wybierają różne kompromisy między narzutem, odległością, strukturą i łatwością implementacji.

Rodzina kodów	Kluczowa idea	Istotny kompromis lub cecha
Kod Shora	Uogólnia się do `[[d^2,1,d]]`; wykorzystuje wewnętrzne i zewnętrzne kody powtórzeniowe do osobnej obsługi błędów odwrócenia bitu i odwrócenia fazy	Zwiększa odległość, ale przy niższej szybkości kodu
Kod Steane’a / kwantowe kody Hamminga	Zastępuje strukturę powtórzeniową klasycznym kodem Hamminga `[7,4]` i traktuje błędy `X` i `Z` symetrycznie	Lepsza szybkość kodu niż w powtórzeniowym podejściu typu Shora
Kody CSS	Ogólna struktura wywodząca się z powiązanych konstrukcji Calderbanka, Shora i Steane’a	Rozdzielają stabilizatory `X` i `Z`, co pomaga w odpornym na błędy pomiarze syndromu
Kod pięciokubitowy	Wykorzystuje cztery stabilizatory mieszające `X` i `Z`; nie jest kodem CSS	Najmniejszy możliwy kod chroniący jeden kubit logiczny przed dowolnymi błędami pojedynczego kubitu
Kod powierzchniowy	Topologiczny kod stabilizatorowy na 2D siatce	Lokalne kontrole i planarna architektura są atrakcyjne eksperymentalnie

Kod pięciokubitowy jest szczególnie ważny z punktu widzenia koncepcji. To najmniejszy możliwy kod, który może chronić jeden kubit logiczny przed dowolnymi błędami pojedynczego kubitu, co wiąże się z kwantowym ograniczeniem Hamminga.

Korekcja błędów kwantowych wspomina też o kodach nieaddytywnych, które wykraczają poza formalizm stabilizatorowy stosowany przez addytywne kody [[n,k,d]]. W niektórych przypadkach mogą one osiągać wyższe szybkości kodu, ale są znacznie trudniejsze do skonstruowania i przeanalizowania, dlatego pozostają słabiej zbadane.

Dlaczego kody powierzchniowe stały się tak ważne

Wśród współczesnych rodzin kodów kody powierzchniowe mają kluczowe znaczenie dla skalowalnej korekcji błędów kwantowych w 2025 roku. Główny powód jest architektoniczny: definiuje się je za pomocą lokalnych pomiarów stabilizatorów na dwuwymiarowej siatce, co jest bardziej przyjazne dla wielu platform sprzętowych niż kody wymagające oddziaływań dalekiego zasięgu.

Kod powierzchniowy jest topologicznym kodem stabilizatorowym. W wersji torusowej wprowadzonej przez Alexei Kitaev in 1997, kubity znajdują się na krawędziach 2D siatki, a stabilizatory są przypisane do wierzchołków i plakietek. Błędy ujawniają się jako naruszenia tych stabilizatorów.

Przydatny obraz jest taki, że błąd tworzy lub przesuwa zlokalizowane defekty opisywane jako anyony:

błąd Z odwraca sąsiednie stabilizatory wierzchołkowe
błąd X odwraca sąsiednie stabilizatory plakietkowe

Korekcja polega na parowaniu tych defektów i ich ponownej anihilacji. Jeśli wynikowe ścieżki są topologicznie trywialne, efektem netto jest jedynie stabilizator i informacja logiczna pozostaje niezmieniona. Jeśli ścieżka jest topologicznie nietrywialna, proces działa jak operator logiczny i zakodowana informacja zostaje zmieniona.

Ta interpretacja geometryczna jest jednym z powodów, dla których kody powierzchniowe są tak intuicyjne. Odległość kodu staje się minimalną długością nietrywialnej ścieżki lub pętli realizującej błąd logiczny.

Torusowe, planarne i obrócone planarne kody powierzchniowe

Istotnych jest kilka powiązanych geometrii.

Kod torusowy wykorzystuje periodyczne warunki brzegowe, topologicznie równoważne torusowi. Dla siatki d × d ma 2d^2 kubitów, a jego przestrzeń kodowa jest czterowymiarowa, więc przechowuje dwa kubity logiczne.

Dla sprzętu granice otwarte są często bardziej praktyczne, co prowadzi do kodu planarnego. Ale projekt granic ma znaczenie. Kod powierzchniowy mający tylko jeden typ granicy nie koduje kubitu logicznego. Aby utworzyć nietrywialną przestrzeń kodową, potrzebne są naprzemienne granice gładkie i szorstkie. Przy gładkich granicach górnej i dolnej oraz szorstkich granicach lewej i prawej kod planarny przechowuje jeden kubit logiczny, a minimalne topologicznie nietrywialne ścieżki mają długość d, co daje odległość kodu d.

Obrócony kod planarny stanowi usprawnienie pod względem efektywności. Surface code podaje, że obrócony kod planarny o odległości d wykorzystuje d^2 kubitów fizycznych, wobec d^2 + (d − 1)^2 w nieobróconej wersji planarnej, przy zachowaniu tej samej odległości kodu.

Progi, dekodowanie i co oznacza „poniżej progu”

Kody powierzchniowe są również godne uwagi ze względu na stosunkowo wysokie progi w standardowych modelach szumu. Dla modelu, w którym błędy bitu i fazy zachodzą niezależnie na każdym kubicie z prawdopodobieństwem p, Surface code podaje:

prawdopodobieństwo krytyczne rzędu 11% wynikające z odwzorowania do fizyki statystycznej
około 10.5% przy użyciu szeroko stosowanego dekodera minimum weight perfect matching

Te liczby są ważne, ale wymagają interpretacji. Po pierwsze, zależą od przyjętego modelu błędów. Po drugie, granica teoretyczna jest użyteczna tylko wtedy, gdy istnieje praktyczny dekoder, który się do niej zbliża. Po trzecie, niektóre dekodery działają gorzej, gdy błędy bitu i fazy są skorelowane, jak na przykład przy szumie depolaryzującym.

A więc „poniżej progu” nie oznacza, że system jest wolny od błędów. Oznacza, że przynajmniej w zasadzie zwiększanie rozmiaru kodu może zmniejszać stopę błędów logicznych zamiast pogarszać sytuację.

Poza blokowymi kodami kubitowymi

Korekcja błędów kwantowych jest szersza niż blokowe kody kubit-kubit. Informację kwantową można kodować w kuditach albo w oscylatorach, które mają nieskończenie wiele poziomów energii. Podejścia bozonowe, takie jak idee w stylu cat, GKP i binomial, wykorzystują nadmiarowość wewnątrz pojedynczego oscylatora zamiast rozkładać jeden kubit logiczny na wiele układów dwupoziomowych.

To uwypukla ważne otwarte pytanie projektowe dla całej dziedziny: czy nadmiarowość powinna być rozmieszczona między wieloma kubitami fizycznymi, wewnątrz układów o wyższym wymiarze, czy w hybrydach obu podejść?

Gdzie znajduje się ta dziedzina w 2025 roku

Kody powierzchniowe są szczególnie istotne w 2025 roku. Korekcja błędów kwantowych stwierdza, że umożliwiają one uzyskanie kubitów logicznych działających poniżej progu przy poprawionej wierności w układach nadprzewodzących, a osobno zauważa, że Google Quantum AI zaimplementowało distance-7 planar code na swoim nadprzewodzącym procesorze Willow, demonstrując fizyczną stopę błędów poniżej progu.

Nie oznacza to, że szersze wyzwanie zostało rozwiązane. Kubity logiczne nadal wymagają znacznego narzutu, dekodowanie pozostaje realnym problemem systemowym, a wydajność zależy od dopasowania wyboru kodu do rzeczywistego szumu sprzętowego. Pokazuje to jednak, dlaczego kubity logiczne są dziś praktycznym celem inżynieryjnym, a nie tylko konstruktem teoretycznym.

Najważniejsze wnioski

Korekcja błędów kwantowych chroni kruchą informację kwantową przez kodowanie kubitów logicznych w większych układach fizycznych i wielokrotną ekstrakcję syndromów błędów.
Standardowa notacja [[n,k,d]] opisuje główny kompromis: fizyczny narzut kontra chroniona pojemność logiczna i odległość kodu.
Najszerzej stosowane kody upraszczają szum sprzętowy do błędów Pauliego X, Y i Z, mimo że rzeczywiste urządzenia wykazują też zjawiska takie jak tłumienie amplitudy i defazowanie.
Tolerancja błędów ma znaczenie, ponieważ sam proces korekcji jest zaszumiony; twierdzenie progowe mówi, że skalowalne obliczenia są możliwe tylko poniżej pewnej fizycznej stopy błędów.
Kod pięciokubitowy jest najmniejszym kodem, który może chronić jeden kubit logiczny przed dowolnymi błędami pojedynczego kubitu.
Kody CSS są cenione, ponieważ rozdzielają stabilizatory X i Z, co pomaga w odpornym na błędy pomiarze syndromu.
Kody powierzchniowe są ważne, ponieważ ich stabilizatory są lokalne na 2D siatce, co czyni je atrakcyjnymi eksperymentalnie.
W kodach powierzchniowych awaria logiczna odpowiada topologicznie nietrywialnym ścieżkom błędów; odległość kodu jest minimalnym rozmiarem takiej ścieżki.
Obrócone planarne kody powierzchniowe zmniejszają liczbę kubitów względem nieobróconych kodów planarnych przy zachowaniu tej samej odległości.
Raportowane wartości progowe i niedawne demonstracje są zachęcające, ale praktyczna wydajność nadal zależy od szumu sprzętowego, jakości dekodera i dużego narzutu w liczbie kubitów fizycznych.