Почти оптимальная коррекция ошибок раскрывает потенциал квантовых вычислений

Новые коды снижают уровень шума, препятствующего масштабированию квантовых компьютеров

30 сентября 2025 года группа исследователей из Токио опубликовала статью, описывающую квантовые коды с коррекцией ошибок, которые необычайно близки к давно установленному теоретическому пределу надежной квантовой связи и вычислений — так называемому пределу хэширования (hashing bound), оставаясь при этом эффективно декодируемыми. Результат, отмеченный в институциональных отчетах, не является простым магическим решением; это тщательная переработка конструкций с малой плотностью проверок на четность (LDPC) и их декодеров, которые вместе снижают частоту ошибок фреймов до практических уровней и обеспечивают низкие вычислительные затраты. Эти две характеристики — производительность, близкая к предельной пропускной способности, и стоимость декодирования, масштабируемая линейно вместе с машиной, — являются именно теми свойствами, которые необходимы для превращения квантовых процессоров из лабораторных курьезов в машины, способные решать реальные задачи в химии, криптографии и климатологии.

Код для шумного квантового канала с производительностью, близкой к предельной

Предел хэширования — это теоретико-информационный потолок: он определяет максимальную скорость, с которой квантовая информация может быть надежно передана по шумному каналу при использовании оптимального кодирования и декодирования. Исторически сложилось так, что доказуемо эффективные квантовые коды были далеки от этого предела или требовали практически нереализуемых декодеров. Продемонстрировав коды, которые одновременно приближаются к этому пределу и могут быть декодированы с помощью классических ресурсов, масштабируемых умеренно, Komoto и Kasai приводят убедительные аргументы в пользу того, что масштабирование оборудования — проект по объединению миллионов физических кубитов для создания множества логических кубитов — является реалистичной инженерной целью, а не теоретической несбыточной мечтой.

Декодеры: незаметное «узкое место» становится решаемой задачей

Коды с коррекцией ошибок — это только половина дела; быстрые и точные декодеры — вторая половина. За последний год несколько алгоритмических достижений помогли преодолеть проблему «узкого места» в декодировании. В июне 2025 года исследователи описали PLANAR — алгоритм точного декодирования для определенных топологий кода, который превращает кажущуюся неразрешимой задачу декодирования по методу максимального правдоподобия в эффективно вычисляемую статистическую сумму спинового стекла на планарных графах. При применении к экспериментальным данным PLANAR значительно снизил частоту логических ошибок и показал, что часть того, что казалось аппаратными ограничениями, на самом деле было результатом работы неоптимального декодера. Этот вывод важен, поскольку он означает, что лучшие декодеры могут извлечь более высокую производительность из существующих устройств без каких-либо изменений в квантовом оборудовании.

С инженерной точки зрения отраслевые команды переносят эти идеи декодирования в классическое оборудование реального времени. IBM недавно сообщила, что ключевой алгоритм коррекции ошибок может работать на обычных ПЛИС (FPGA) от AMD достаточно быстро для обеспечения обратной связи в реальном времени в сверхпроводящих системах, демонстрируя работу на скоростях, значительно превышающих необходимые для многих архитектур. Запуск декодеров на доступных классических чипах — важный шаг: он превращает коррекцию ошибок из автономного и дорогостоящего программного процесса в практичный сервис с низкой задержкой, который может быть встроен в стеки управления крупными машинами. Вместе с кодами, работающими на пределе пропускной способности, быстрые аппаратные декодеры замыкают цикл между теорией и готовыми к развертыванию системами.

Что эта конвергенция означает для реальных приложений

Квантовые приложения, обещающие прорывные результаты — моделирование молекул для создания лекарств, оптимизация логистики или новые криптографические примитивы — обычно требуют миллионов логических кубитов или крайне низкого уровня логических ошибок, сохраняющегося на протяжении длительных вычислений. До сих пор эти оценки ресурсов превращались в астрономическое количество физических кубитов, поскольку коррекция ошибок имела как плохие пороги, так и дорогостоящие декодеры. Сочетание кодовых конструкций Komoto и Kasai, улучшенных декодеров, таких как PLANAR, и стремления запускать декодирование на стандартном классическом оборудовании в принципе существенно снижает эти накладные расходы. Это меняет баланс: поколение квантового оборудования, которое ранее считалось непрактичным, теперь может оказаться в пределах досягаемости, если инженерные группы смогут создать массивы кубитов умеренного масштаба с ожидаемой физической точностью (fidelity) операций.

Уже существуют направления, ориентированные на приложения, которые опираются на эту работу. Например, исследователи, изучающие квантовое машинное обучение, показали, что частичная или приближенная коррекция ошибок может сделать краткосрочные квантовые модели гораздо более практичными, чем раньше, снижая требования к оборудованию, необходимые для получения преимущества. Такая синергия между теорией кодирования, приближенной отказоустойчивостью и дизайном алгоритмов может ускорить практическое использование на промежуточных машинах еще до появления полной отказоустойчивости.

Оставшиеся барьеры

Несмотря на прогресс, остается ряд сложных инженерных и физических проблем. Коды и декодеры в работе Komoto и Kasai продемонстрированы в симуляциях и численных исследованиях; их перенос на кремний, сверхпроводящие цепи, ловушки ионов или фотонные установки требует разработки конвейеров декодирования с жесткими гарантиями реального времени, маршрутизации миллионов сигналов через криогенные системы и подавления редких, но разрушительных эффектов, таких как коррелированные ошибки, вызванные космическими лучами. Реализация недвоичной арифметики конечных полей в аппаратном обеспечении, интеграция извлечения синдромов без внесения шума и проверка производительности в реалистичных моделях шума устройств — это нетривиальные задачи, которые определят, станет ли численное обещание операционной реальностью.

Также существуют конкурирующие аппаратные стратегии. Некоторые группы работают над повышением внутренней устойчивости оборудования к ошибкам — например, фотонные подходы и подходы на основе кот-кубитов (cat-qubits) заявляют о различных компромиссах между естественным смещением шума и количеством ресурсов — и бенчмаркинг между этими архитектурами будет иметь важное значение по мере появления масштабируемых декодеров. Не каждая архитектура сможет одинаково эффективно использовать любой код или декодер, поэтому сообществу по-прежнему необходима кросс-платформенная валидация.

От теории к инженерии: следующие шаги

Путь вперед представляется как скоординированная трехэтапная программа. Во-первых, разработчики кодов будут совершенствовать конструкции для работы с более реалистичными моделями шума и коррелированными ошибками, а также для дальнейшего снижения порогов ошибок. Во-вторых, команды разработчиков декодеров продолжат сокращать задержки и энергопотребление, а также переносить алгоритмы на ПЛИС (FPGA), специализированные интегральные схемы (ASIC) и, при необходимости, криогенную логику. В-третьих, аппаратные группы будут проводить бенчмаркинг кодов и декодеров на реальных устройствах, сообщая не только о частоте логических ошибок, но и о скрытых затратах на инфраструктуру: классических вычислениях, проводке, охлаждении и обслуживании. Если эти три направления сойдутся, сообщество сможет превратить абстрактное обещание квантового превосходства в конкретные дорожные карты для машин, выполняющих полезную работу.

Короче говоря, недавняя работа над LDPC-кодами, близкими к пределу хэширования, — это не изолированный триумф, а последний убедительный признак того, что сочетание более интеллектуальных кодов, лучших декодеров и интеграции с практичным классическим оборудованием может сократить разрыв между теорией и применением. Сроки появления широко полезных квантовых вычислений остаются неопределенными, но эти достижения существенно улучшают инженерные обоснования для создания следующего поколения машин, которые попытаются выполнять реальную работу для промышленности и науки.

Источники

• npj Quantum Information (Komoto & Kasai: "Quantum error correction near the coding theoretical bound").
• Physical Review Letters (Cao et al.: "Exact Decoding of Quantum Error‑Correcting Codes").
• Информационные материалы Institute of Science Tokyo, обобщающие работу Komoto & Kasai.
• Раскрытие информации об исследованиях IBM и отчетность о реализациях квантовых декодеров на ПЛИС (FPGA).