Riverlane und NVIDIA nutzen KI, um die Quantendecoder-Kalibrierung zu beschleunigen und damit die Fehlerkorrektur zu verbessern—ein wichtiger Schritt auf dem Weg zum praktischen Quantencomputing.

Riverlane und NVIDIA nutzen KI, um die Quantendecoder-Kalibrierung zu beschleunigen und damit die Fehlerkorrektur zu verbessern—ein wichtiger Schritt auf dem Weg zum praktischen Quantencomputing.
Demonstriert universelle logische Operationen auf Cornucopia-Codes mit nur 4,1 physischen Qubits pro logischem Qubit – eine modulare Architektur, die ultrahohe Codierungsraten bewahrt und fehlertolerante Quantencomputation ermöglicht.
Neuartige Konstruktion von Quanten-LDPC-Codes unter Verwendung von 2×3-Polynommatrizen und Minoren. Ergibt CSS-Quantencodes mit verifizierten Mindestabständen, einschließlich [[255,80,12]]. Dimension wird durch GCD-Residuumbedingungen gesteuert.
Das Lifting-Framework verbessert die Mid-Circuit-Messzuverlässigkeit auf supraleitenden Prozessoren um ~13,5% durch gemeinsame Auslesignale und kontextangepasste neuronale Dekodierung und adressiert fundamentale Bayes-Risikogrenzen.
Demonstration der Quantenfehlerkorrektur mit logischen Fehlerraten 50x niedriger als physikalische Raten für Single-Bit-Addition unter Verwendung von [[8,3,2]]- und [[4,2,2]]-Codes auf Quantinuums Helios-1 Trapped-Ion-Prozessor.
Alice & Bob demonstrierte die GPU-beschleunigte Dekodierung von LDPC-Kat-Quantenfehlerkorrekturcodes mit NVIDIA NVQLink und treibt die praktische Implementierung der Fehlerkorrektur für Quantencomputer voran.
Quanten-Tanner-Codes erreichen optimale Raumzeit-Skalierung für zuverlässiges Quantengedächtnis mit rauschbehafteter Fehlerkorrektur – und entsprechen dabei theoretischen Grenzen, während sie kohärente und korrelierte Fehler tolerieren.
Erstes fehlertolerantes Schema, das Injektion und Auswerfung in Quantencodes mit konstantem Raum-Zeit-Overhead unter lokal stochastischem Rauschen ermöglicht und die praktische Quantenfehlerkorrektur vorantreibt.
Entwickeltes algebraisches Verfahren zur Bestimmung minimaler Distanzen in Quantenfehlerkorrekturcodes, das eine genaue Distanzanalyse bivariabler Fahrradcodes ohne numerische Suche ermöglicht.
Beweist, dass optimale Quantenlöschung auf festen Spinregionen den grundlegenden kollektiven Interferenzverlust nicht beseitigen kann—Orthogonalitätsexponenten bleiben trotz bestmöglicher lokaler Kontrolle in Quantenspinumgebungen bestehen.
Forscher formulieren kontinuierliche Quantenfehlerkorrektur als eine Informationsmaschine und offenbaren einen grundlegenden Kompromiss: Stärkeres Feedback verbessert den Schutz von Qubits, erfordert aber zunehmend mehr Energieressourcen.
Eine automatisierte Suchmethode reduziert Quantenfehlerkorrekturschaltungen um 40% bei Hilfsqubits und um 22% bei Gattern, während die Fehlertoleranz bewahrt bleibt, und erreicht 21% niedrigere logische Fehlerquoten für den [[7,1,3]] Steane-Code.
Neutralatom-Quantenfehlerkorrektur-Codes erreichten ultra-hohe Codierungsraten (~1/2) und reduzierten physische Qubits pro logischem Qubit von Hunderten auf knapp zwei, mit Fehlerraten, die einer pro Billion Operationen nahekommen.
Eine neue entropiebasierte Heuristik ermöglicht schnelle Schwellwertvorhersagen für QEC-Protokolle ohne teure Simulationen und erfasst genau die Leistung über Oberflächen-, Farb- und andere topologische Codes.
Die Wirksamkeit der Quantenfehlerkorrektur hängt kritisch von frühen Hardwaredesignentscheidungen ab. Die Werkzeuge von Riverlane messen die logische Treue und helfen, QEC-Schemata für verschiedene Quantencomputer-Architekturen zu optimieren.
Meridian AI von QC Design erreicht eine Reduzierung der Logikfehlerquoten um über das Zehnfache bei fehlertoleranter Quantencomputer-Designs und übertrifft veröffentlichte Methoden sowie allgemeine KI-Systeme in über 100+ Design-Aufgaben.
Erste explizite Konstruktion von Quantenlokalen Testcodes, die gleichzeitig konstante Rate, lineare Distanz und konstante Soundness erreichen – Lösung eines jahrzehntelangen offenen Problems in der Quantenfehlerkorrektur.
IonQ hat gezeigt, dass Standard-CPUs Echtzeit-Fehlerdecodierung für 408 logische Qubits und über 31 Millionen Operationen bewältigen können, was darauf hindeutet, dass Fehlerkorrektur kein primärer Engpass bei der Quantenskalierung sein wird.
Der Quantenfehlerkorrektur-Decoder von IonQ verarbeitete erfolgreich über 31,5 Millionen Quantenoperationen auf Standard-CPU-Hardware und fördert die Skalierbarkeit der Quantenfehlerkorrektur-Technologie.
IonQ demonstrierte den industrie-ersten echtzeitfähigen Quantenfehlerdecoder, der auf Standard-CPUs läuft – ein großer Fortschritt für fehlertolerante Quantencomputer.