Correção de erros quânticos e qubits lógicos, explicados

Como a correção de erros quânticos transforma muitos qubits físicos ruidosos em qubits lógicos mais confiáveis, e por que distância do código, limiares e surface codes são importantes.

Esta página foi traduzida do inglês. Os nomes de empresas e produtos e os links das fontes permanecem inalterados. Leia o original em inglês

A correção de erros quânticos é o conjunto de métodos usados para manter utilizável uma informação quântica frágil apesar de ruído, decoerência e operações imperfeitas. A ideia básica é codificar um ou mais qubits lógicos em um conjunto maior de qubits físicos, medir repetidamente verificações cuidadosamente escolhidas que revelem informações sobre erros, mas não sobre o estado quântico protegido, e então aplicar etapas de recuperação com base na síndrome observada.

Por que computadores quânticos precisam de correção de erros

A informação quântica é excepcionalmente delicada. Os erros podem vir da decoerência e de outras fontes de ruído quântico, e na computação quântica prática também é preciso lidar com portas defeituosas, preparação imperfeita de estados e erros de medição. Isso faz da correção de erros algo central não apenas para armazenar estados quânticos, mas também para executar computações longas.

A correção de erros clássica funciona adicionando redundância aos bits. A correção de erros quânticos busca algo semelhante, mas com uma grande restrição: a medição direta de um qubit em geral perturba o estado. Portanto, um código quântico precisa extrair informação sobre o que deu errado sem revelar a própria informação lógica. Em muitos códigos, isso é feito por meio de medições de operadores comutantes chamados estabilizadores.

Uma maneira útil de pensar na promessa da correção de erros quânticos é como uma camada de simulação: dado um canal físico ruidoso que se encaixa em algum modelo de erro, um código de correção de erros quânticos pode ser usado para aproximar um canal lógico sem ruído bem o suficiente para tornar prática a comunicação ou a computação.

Qubits físicos, qubits lógicos e distância do código

Uma notação padrão para um código quântico é [[n,k,d]], significando que o código codifica k qubits lógicos em n qubits físicos com distância do código d.

Esses três parâmetros capturam a maior parte dos trade-offs:

n: quantos qubits físicos o código usa
k: quantos qubits lógicos são protegidos
d: a distância do código, uma medida ligada à dificuldade de erros se comportarem como uma operação lógica

A taxa do código, k/n, é uma métrica básica de eficiência. Uma taxa mais alta significa menos overhead por qubit lógico. Mas maior distância e maior taxa em geral puxam em direções opostas, então projetar códigos é uma questão de equilibrar confiabilidade e custo de hardware.

Em termos gerais, um ciclo de correção de erros quânticos tem três etapas:

Codificação da informação lógica em um sistema físico maior
Armazenamento ou transmissão por um canal ruidoso
Extração da síndrome e recuperação, que identifica erros prováveis e os corrige

A síndrome é crucial. As medições dos estabilizadores são escolhidas para revelar apenas informações sobre erros, não sobre o estado quântico codificado. Caso contrário, o processo de correção destruiria as superposições que o computador está tentando preservar.

Que tipos de erro os códigos buscam corrigir?

Os erros dominantes dependem fortemente da plataforma de hardware. Exemplos importantes incluem:

Amortecimento de amplitude, ou perda de excitação, associado ao relaxamento em direção ao equilíbrio
Erros coerentes, decorrentes da dinâmica interna do sistema
Descoerência de fase (dephasing), que é um dos processos de ruído dominantes em muitas implementações de qubits

Ainda assim, muitos códigos quânticos trabalham com um modelo simplificado no qual os erros são tratados como combinações de operações de Pauli:

X para erros do tipo inversão de bit
Z para erros do tipo inversão de fase
Y para erros combinados de bit e fase

Essa visão baseada em Pauli não captura todos os processos realistas de ruído, mas é amplamente usada porque torna mais tratáveis a análise e a construção de códigos. Sob esse modelo, a extração da síndrome e a decodificação muitas vezes podem ser formuladas de maneiras que aproveitam ideias da teoria clássica de códigos.

Essa simplificação vem com uma ressalva: a decodificação ainda pode ser difícil. Um código com parâmetros [[n,k,d]] tem 2^(n-k) síndromes possíveis, o que rapidamente se torna grande demais para tabelas de consulta simples. Na prática, normalmente são necessários algoritmos eficientes de decodificação clássica.

Tolerância a falhas: corrigir erros sem piorar a situação

Só a correção de erros não basta para computação escalável. Em um computador, o próprio mecanismo de correção usa portas, medições e ancillas preparadas, e tudo isso pode falhar. É aí que entra a tolerância a falhas.

A ideia central é projetar a codificação, a medição da síndrome e a recuperação de modo que um pequeno número de falhas físicas não se espalhe e vire uma falha lógica incorrigível. A correção de erros quânticos afirma que isso está ligado ao teorema do limiar quântico: computações quânticas arbitrariamente longas são possíveis pela concatenação recursiva de códigos, desde que a taxa de erro das portas quânticas individuais permaneça abaixo de um limiar.

A correção de erros quânticos traz uma estimativa histórica de 2004 de que esse limiar poderia ser tão alto quanto 1–3%, supondo a disponibilidade de qubits suficientes. Também oferece a intuição de por que um limiar importa: abaixo dele, a correção remove mais erros do que introduz; acima dele, o processo de correção pode se tornar prejudicial no saldo líquido.

Esse conceito de limiar é uma das razões pelas quais qubits lógicos são uma abstração tão útil. Um qubit lógico não é um único elemento do dispositivo, mas um objeto codificado cuja taxa efetiva de erro pode, em princípio, ser reduzida pela adição de mais recursos físicos e pelo uso de procedimentos melhores de tolerância a falhas.

Principais famílias de códigos e o que elas otimizam

Diferentes famílias de códigos fazem diferentes trade-offs entre overhead, distância, estrutura e facilidade de implementação.

Família de código	Ideia central	Trade-off ou característica notável
Código de Shor	Generaliza para `[[d^2,1,d]]`; usa códigos de repetição internos e externos para lidar separadamente com erros de inversão de bit e de fase	Aumenta a distância, mas com menor taxa de código
Códigos de Steane / Hamming quânticos	Substitui a estrutura de repetição pelo código clássico de Hamming `[7,4]` e trata erros `X` e `Z` de forma simétrica	Melhor taxa de código do que a repetição no estilo Shor
Códigos CSS	Estrutura geral derivada de construções relacionadas de Calderbank, Shor e Steane	Separa estabilizadores `X` e `Z`, o que ajuda na medição de síndrome com tolerância a falhas
Código de cinco qubits	Usa quatro estabilizadores misturando `X` e `Z`; não é um código CSS	Menor código possível que protege um qubit lógico contra erros arbitrários em um único qubit
Surface code	Código topológico de estabilizadores em uma rede 2D	Verificações locais e layout planar são experimentalmente atraentes

O código de cinco qubits é especialmente importante do ponto de vista conceitual. Ele é o menor código possível capaz de proteger um qubit lógico contra erros arbitrários em um único qubit, fato relacionado ao limite de Hamming quântico.

A correção de erros quânticos também menciona os códigos não aditivos, que vão além do formalismo de estabilizadores usado pelos códigos aditivos [[n,k,d]]. Em alguns casos, eles podem atingir taxas de código mais altas, mas são consideravelmente mais difíceis de construir e analisar, por isso seguem menos explorados.

Por que os surface codes se tornaram tão importantes

Entre as famílias modernas de códigos, os surface codes são centrais para a correção de erros quânticos escalável em 2025. A principal razão é arquitetural: eles são definidos usando medições locais de estabilizadores em uma rede bidimensional, algo mais amigável a muitas plataformas de hardware do que códigos que exigem interações de longo alcance.

O surface code é um código topológico de estabilizadores. Na versão tórica introduzida por Alexei Kitaev em 1997, os qubits ficam nas arestas de uma rede 2D, e os estabilizadores estão associados a vértices e plaquetas. Os erros aparecem como violações desses estabilizadores.

Uma imagem útil é a de que um erro cria ou move defeitos localizados, descritos como anyons:

um erro Z inverte estabilizadores de vértices vizinhos
um erro X inverte estabilizadores de plaquetas vizinhas

A correção equivale a emparelhar esses defeitos e aniquilá-los novamente. Se os caminhos resultantes forem topologicamente triviais, o efeito líquido é apenas um estabilizador e a informação lógica permanece inalterada. Se um caminho for topologicamente não trivial, o processo atua como um operador lógico e a informação codificada é alterada.

Essa interpretação geométrica é uma das razões pelas quais os surface codes são tão intuitivos. A distância do código passa a ser o comprimento mínimo de um caminho ou laço não trivial que implementa um erro lógico.

Surface codes tóricos, planares e planares rotacionados

Várias geometrias relacionadas são importantes.

O código tórico usa condições periódicas de contorno, topologicamente equivalentes a um toro. Para uma rede d × d, ele tem 2d^2 qubits, e seu espaço de código é quadridimensional, portanto armazena dois qubits lógicos.

Para hardware, contornos abertos costumam ser mais práticos, o que leva ao código planar. Mas o projeto das fronteiras importa. Um surface code com apenas um tipo de fronteira não codifica um qubit lógico. Para criar um espaço de código não trivial, são necessárias fronteiras lisas e rugosas alternadas. Com fronteiras superiores e inferiores lisas e fronteiras esquerda e direita rugosas, o código planar armazena um qubit lógico, e os caminhos topologicamente não triviais mínimos têm comprimento d, resultando em distância do código d.

O código planar rotacionado é uma melhoria de eficiência. Surface code afirma que um código planar rotacionado de distância d usa d^2 qubits físicos, contra d^2 + (d − 1)^2 na versão planar não rotacionada, mantendo a mesma distância do código.

Limiares, decodificação e o que significa “abaixo do limiar”

Os surface codes também se destacam por limiares relativamente altos sob modelos padrão de ruído. Para um modelo em que erros de bit e de fase acontecem independentemente em cada qubit com probabilidade p, Surface code informa:

uma probabilidade crítica de cerca de 11% a partir de um mapeamento de física estatística
cerca de 10,5% ao usar o decodificador amplamente adotado de minimum weight perfect matching

Esses números são importantes, mas precisam de interpretação. Primeiro, dependem do modelo de erro assumido. Segundo, o limite teórico só é útil se houver um decodificador prático que chegue perto dele. Terceiro, alguns decodificadores têm desempenho pior quando erros de bit e de fase são correlacionados, como sob ruído despolarizante.

Portanto, “abaixo do limiar” não significa que um sistema esteja livre de erros. Significa que, em princípio, aumentar o tamanho do código pode reduzir a taxa de erro lógico, em vez de piorar a situação.

Além dos códigos de bloco com qubits

A correção de erros quânticos é mais ampla do que códigos de bloco qubit-a-qubit. A informação quântica pode ser codificada em qudits ou em osciladores, que têm infinitos níveis de energia. Abordagens bosônicas como ideias no estilo cat, GKP e binomial exploram redundância dentro de um único oscilador, em vez de espalhar um qubit lógico por muitos sistemas de dois níveis.

Isso destaca uma importante questão de projeto ainda em aberto no campo: a redundância deve viver distribuída por muitos qubits físicos, dentro de sistemas de dimensão mais alta, ou em híbridos dos dois?

Em que ponto o campo está em 2025

Os surface codes são especialmente consequentes em 2025. A correção de erros quânticos afirma que eles permitem qubits lógicos abaixo do limiar com fidelidade melhorada em sistemas supercondutores, e observa separadamente que o Google Quantum AI implementou um código planar de distância 7 em seu processador supercondutor Willow, demonstrando uma taxa de erro físico abaixo do limiar.

Isso não significa que o desafio mais amplo esteja resolvido. Qubits lógicos ainda exigem overhead substancial, a decodificação continua sendo um problema real de sistemas, e o desempenho depende de combinar a escolha do código com o ruído real do hardware. Mas isso indica por que qubits lógicos agora são um objetivo prático de engenharia, e não apenas um construto teórico.

Principais pontos

A correção de erros quânticos protege informação quântica frágil ao codificar qubits lógicos em sistemas físicos maiores e extrair repetidamente síndromes de erro.
A notação padrão [[n,k,d]] captura o principal trade-off: overhead físico versus capacidade lógica protegida e distância do código.
Os códigos mais usados simplificam o ruído do hardware em erros de Pauli X, Y e Z, embora dispositivos reais também apresentem efeitos como amortecimento de amplitude e descoerência de fase.
A tolerância a falhas importa porque o próprio processo de correção é ruidoso; o teorema do limiar diz que a computação escalável só é possível abaixo de uma certa taxa de erro físico.
O código de cinco qubits é o menor código capaz de proteger um qubit lógico contra erros arbitrários em um único qubit.
Os códigos CSS são valorizados porque separam estabilizadores X e Z, o que ajuda na medição de síndrome com tolerância a falhas.
Os surface codes se destacam porque seus estabilizadores são locais em uma rede 2D, o que os torna experimentalmente atraentes.
Em surface codes, a falha lógica corresponde a caminhos de erro topologicamente não triviais; a distância do código é o tamanho mínimo desse tipo de caminho.
Surface codes planares rotacionados reduzem a contagem de qubits em relação aos códigos planares não rotacionados, preservando a distância.
Valores de limiar reportados e demonstrações recentes são animadores, mas o desempenho prático ainda depende do ruído do hardware, da qualidade do decodificador e de grandes overheads de qubits físicos.