Quantencomputer: KI soll im Betrieb aus Fehlern lernen

Qubits reagieren deutlich empfindlicher auf ihre Umgebung als klassische Bits. Schon kleine Störungen können ihren Zustand verändern und damit das Ergebnis einer Berechnung verfälschen. Um das zu verhindern, werden mehrere physikalische Qubits zu einem logischen Qubit zusammengefasst.

Fehler einzelner Bausteine lassen sich so bis zu einem gewissen Grad erkennen und korrigieren. Das allein reicht jedoch nicht, die Steuerung eines Quantenprozessors muss laufend sehr präzise eingestellt werden. Verändern sich Umgebungsbedingungen oder einzelne Parameter, steigt die Fehlerrate. Bislang wird der Rechenvorgang für eine Neukalibrierung in der Regel unterbrochen. Für künftige Quantenalgorithmen, die möglicherweise Tage oder sogar Monate laufen müssen, wäre das ein erhebliches Problem.

Das Team um Google Quantum AI verfolgt deshalb einen neuen Ansatz. Die bei der Quantenfehlerkorrektur ohnehin anfallenden Fehlersignale dienen zusätzlich als Lernsignal für einen KI-Agenten. Dieser basiert auf Reinforcement Learning und passt die Kontrollparameter des Quantenprozessors während der Berechnung fortlaufend an. Mit großen Sprachmodellen wie ChatGPT hat der eingesetzte Agent allerdings nichts zu tun.

Willow wird während des Betriebs nachjustiert

Getestet wurde das Verfahren auf Googles supraleitendem Quantenprozessor Willow. Der KI-Agent verwaltete dabei mehr als 1.000 Kontrollparameter. Um seine Reaktion bewerten zu können, erzeugten die Forscher gezielt Veränderungen im System. Gegen diese künstlich hervorgerufene Drift verbesserte der Ansatz die Stabilität der logischen Fehlerrate zunächst um das 2,4-Fache, zusammen mit einer zusätzlichen Anpassung des Decoders stieg der Faktor auf 3,5.

Auch bei einem bereits gut kalibrierten Prozessor brachte das Reinforcement Learning noch einen Vorteil. Laut der in Nature, eine der weltweit ältesten, renommiertesten und meistzitierten wissenschaftlichen Fachzeitschriften, veröffentlichten Studie sank die logische Fehlerrate durch die weitere Feinabstimmung um 20 Prozent.

Simulationen deuten zudem darauf hin, dass sich der Ansatz auf größere Systeme übertragen lässt. Die Forscher simulierten Fehlerkorrektur-Codes mit Zehntausenden Kontrollparametern. Die Geschwindigkeit der Optimierung soll dabei nicht von der Größe des Systems abhängig gewesen sein.

Noch kein Durchbruch zum praktischen Quantencomputer

Trotz der Ergebnisse handelt es sich zunächst nur um eine technische Demonstration. Die Versuche konzentrierten sich darauf, einen logischen Quantenzustand über längere Zeit stabil zu halten. Gegenüber dem Science Media Center (SMC) sagt Prof. Dr. Stefan Filipp von der Technischen Universität München, der nächste Schritt bestehe darin, die automatische Neukalibrierung auch bei tatsächlichen Quantenalgorithmen mit mehreren logischen Qubits zu erproben.

Auch grundlegende Hardwareprobleme verschwinden durch die KI-Unterstützung nicht. Quantenfehlerkorrektur funktioniert nur, wenn die physikalischen Qubits bereits eine ausreichend geringe Fehlerrate erreichen. Zudem kann der Agent langsame Veränderungen ausgleichen, bei plötzlich auftretenden Störungen aber an Grenzen stoßen.