Een van de meest opvallende dingen aan quantum computing is dat het vakgebied, ondanks dat het niet bijzonder nuttig blijkt te zijn, een verzameling startups heeft voortgebracht die zich richten op het bouwen van iets anders dan qubits. Het is misschien gemakkelijk om dit af te doen als opportunisme – een poging om geld te verdienen aan de quantum computing-hype. Maar het kan nuttig zijn om te kijken naar waar deze startups naar streven, omdat ze indicatief kunnen zijn voor moeilijke problemen in quantum computing die geen van de grote bedrijven die in de ruimte betrokken zijn – bedrijven als Amazon, Google, IBM of Intel – tot nu toe heeft opgelost. .
In het geval van een in Groot-Brittannië gevestigd bedrijf genaamd Riverlane is het opmerkelijke stuk dat wordt aangepakt de enorme hoeveelheid klassieke berekeningen die nodig zullen zijn om kwantumhardware te laten werken. Het richt zich met name op de enorme hoeveelheid gegevensverwerking die nodig zal zijn voor een belangrijk onderdeel van de kwantumfoutcorrectie: het herkennen wanneer er een fout is opgetreden.
Foutdetectie tegen gegevens
Alle qubits zijn kwetsbaar en hebben de neiging hun status te verliezen tijdens operaties of gewoon na verloop van tijd. Ongeacht de technologie (koude atomen, supergeleidende transmonen, wat dan ook) stellen deze foutenpercentages een harde grens aan de hoeveelheid berekeningen die kunnen worden gedaan voordat fouten onvermijdelijk worden. Dit sluit het uitvoeren van vrijwel elke nuttige berekening uit die rechtstreeks op bestaande hardwarequbits werkt.
De algemeen aanvaarde oplossing hiervoor is om te werken met zogenaamde logische qubits. Het gaat om het verbinden van meerdere hardware-qubits en het onderling verspreiden van kwantuminformatie. Er worden extra hardwarequbits aangesloten zodat ze kunnen worden gemeten om fouten in de gegevens op te sporen, zodat ze kunnen worden gecorrigeerd. Er kunnen tientallen hardware-qubits nodig zijn om één enkele logische qubit te maken, wat betekent dat zelfs de grootste bestaande systemen slechts ongeveer 50 robuuste logische qubits kunnen ondersteunen.
Riverlane-oprichter en CEO Steve Brierley vertelde Ars dat foutcorrectie niet alleen de nadruk legt op qubit-hardware; het benadrukt ook het klassieke deel van het systeem. Elk van de qubit-metingen die worden gebruikt om het systeem te monitoren, moet worden verwerkt om eventuele fouten te detecteren en te interpreteren. We hebben grofweg honderd logische qubits nodig om enkele van de eenvoudigste interessante berekeningen uit te voeren, wat betekent dat we duizenden hardwarequbits moeten volgen. Het uitvoeren van meer geavanceerde berekeningen kan duizenden logische qubits betekenen.
Die foutcorrectiegegevens (in het veld syndroomgegevens genoemd) moeten tussen elke bewerking worden gelezen, wat veel gegevens zijn. “Op schaal hebben we het over honderd terabytes per seconde”, zei Brierley. “Bij een miljoen fysieke qubits verwerken we ongeveer honderd terabytes per seconde, wat de Netflix van wereldwijde streaming is.”
Het moet ook in realtime worden verwerkt, anders stoppen de berekeningen met wachten tot de fout is gecorrigeerd. Om dit te voorkomen moet foutdetectie in realtime plaatsvinden. Voor op transmon gebaseerde qubits worden syndromale gegevens ongeveer elke microseconde gegenereerd, dus realtime betekent de voltooiing van de gegevensverwerking (waarschijnlijk terabytes) met een frequentie van ongeveer een megahertz. En Riverlane is opgericht om hardware te leveren die dit aankan.
Gegevensverwerking
Het systeem dat het bedrijf heeft ontwikkeld, wordt beschreven in een artikel dat op arXiv is gepubliceerd. Het is ontworpen om syndromale gegevens te verwerken nadat andere hardware de analoge signalen al naar digitale vorm heeft omgezet. Hierdoor kan de hardware van Riverlane buiten de lage-temperatuurhardware vallen die nodig is voor sommige vormen van fysieke qubits.
Die gegevens worden door een algoritme geleid dat in de krant een ‘collision cluster decoder’ wordt genoemd en dat zich bezighoudt met foutdetectie. Om de effectiviteit ervan aan te tonen, hebben ze het geïmplementeerd op basis van een typische reeks programmeerbare poorten van Xilinx, waar het slechts ongeveer 5 procent van de chip in beslag neemt, maar een logische qubit kan verwerken die is opgebouwd uit bijna 900 hardware-qubits (in dit geval gesimuleerd).
Het bedrijf demonstreerde ook een op maat gemaakte chip die werkte met een nog grotere logische qubit, terwijl hij slechts een klein deel van een vierkante millimeter in beslag nam en slechts 8 milliwatt aan stroom verbruikte.
Beide versies zijn zeer gespecialiseerd; ze voeren eenvoudigweg foutinformatie in waarop andere delen van het systeem kunnen reageren. Het is dus een zeer gerichte oplossing. Maar het is ook behoorlijk flexibel en werkt met een verscheidenheid aan foutopsporingscodes. Cruciaal is dat het ook kan worden geïntegreerd met systemen die zijn ontworpen om de qubit te besturen op basis van zeer verschillende fysica, waaronder het koude atoom, gevangen ionen en transmonen.
“Ik denk dat het in eerste instantie een beetje een raadsel was”, zei Brierley. “Je hebt al deze verschillende soorten natuurkunde, hoe gaan we dat doen?” Het bleek niet zo’n grote uitdaging te zijn. “Een van onze ingenieurs was in Oxford bezig met supergeleidende qubits, en ‘s middags werkte hij met ijzerval-qubits. Hij kwam terug naar Cambridge en was helemaal opgewonden. Hij zei: ‘Ze gebruiken dezelfde besturingselektronica.’ ‘” Het bleek dat ze, ongeacht de fysica die betrokken was bij het besturen van de qubits, allemaal dezelfde hardware uit een ander veld leenden (Brierley zei dat het een Xilinx-radiofrequentiesysteem-op-een-chip was, gebouwd voor prototyping van 5G-basisstations ). Hierdoor is het relatief eenvoudig om de maatwerkhardware van Riverlane te integreren met diverse systemen.