Dekodierung degenerierter Quanten-Erasure-Fehler

Warum das Verschwinden von Qubits ein großes Problem ist

Zukünftige Quantenrechner werden aus fragilen Quantenbits, sogenannten Qubits, aufgebaut, die ständig Gefahr laufen, aus dem System zu verschwinden oder „auszulaufen“. In vielen führenden Hardwareplattformen – von ultrakalten Atomen bis zu supraleitenden Schaltkreisen – ist der dominierende Fehlermodus kein feiner Störer, sondern ein vollständiger Verlust: Ein Qubit verschwindet einfach. Diese Arbeit stellt eine praktische Frage mit weitreichenden Konsequenzen: Lassen sich Quanten-Fehlerkorrekturcodes und schnelle Dekodierer entwerfen, die diese Art von Verlust nahezu perfekt rückgängig machen, dabei aber so wenig zusätzliche Hardware und Rechenzeit wie möglich benötigen?

Qubitverlust in eine sauberere Form von Rauschen verwandeln

Moderne Experimente können oft erkennen, wenn ein Qubit entweicht, und seine Position markieren. Das nennt man Erasure-Konversion: das unordentliche physikalische Austreten wird in ein gut definiertes „Erasure“ an einer bekannten Stelle umgewandelt. Auf einem solchen Erasure-Kanal gibt es eine scharfe theoretische Grenze dafür, wie effizient man Quanteninformation schützen kann: Höchstens ein Anteil von 1 − 2p der Hardware-Qubits kann nützliche Information speichern, wenn jedes Qubit mit Wahrscheinlichkeit p gelöscht wird. Bislang erreichte nur eine besondere Klasse zweidimensionaler topologischer Codes diese Grenze unter Erasure, und zwar auf Kosten einer verschwindenden Informationsrate, wenn die Systeme größer werden. Das macht sie hardwareintensiv und motiviert die Suche nach besseren Codes und schnelleren, speziell auf Erasures zugeschnittenen Dekodierern.

Hochrate-Codes bauen, die an die ultimative Grenze herankommen

Die Autoren zeigen, dass mehrere Familien von quantenmechanischen Low-Density-Parity-Check-(QLDPC-)Codes – namentlich Bicycle-Codes und Lifted-Product-Codes – tatsächlich die Erasure-Kapazität erreichen oder sich ihr über ein breites Spektrum von Coderaten annähern können. Mit mathematisch optimaler Maximum-Likelihood-Dekodierung, umgesetzt via Gaußsche Eliminierung, korrigieren diese Codes Erasures so gut, wie es die Theorie zulässt: Die erreichbare Rate folgt für praxisnahe Fehlerwahrscheinlichkeiten eng der Grenze 1 − 2p. Dasselbe Rahmenwerk erfasst auch vertraute zweidimensionale topologische Codes und bestätigt, dass deren bestmögliche Erasure-Leistung bei optimaler Dekodierung wiederhergestellt wird.

Von langsamer optimaler Dekodierung zu schnellen, nahezu optimalen Verfahren

Der Haken ist, dass Maximum-Likelihood-Dekodierung schlecht skaliert: Die benötigte lineare Algebra wächst etwa mit dem Würfel der Qubitanzahl und ist für den Echtzeitbetrieb in einem großen Quantenprozessor zu langsam. Um das zu überwinden, entwickelt die Arbeit eine Familie von Belief-Propagation-(BP-)Dekodierern, die praktisch in linearer Zeit in der Systemgröße laufen. Diese Dekodierer betrachten den Code als ein grafisches Netzwerk von Randbedingungen und geben iterativ „Nachrichten“ entlang der Kanten weiter, um das plausibelste Fehlerbild zu ermitteln. Entscheidend ist, dass sie ein rein quantenmechanisches Merkmal ausnutzen: Degenerazität – viele verschiedene Fehlerkonfigurationen können genau die gleiche Wirkung auf die kodierte Information haben. Indem die BP-Updates auf ein beliebiges Mitglied dieser großen, symmetrischen Äquivalenzklassen von Fehlern gelenkt werden, finden die Dekodierer gute Lösungen, ohne das exakte mikroskopische Fehlerereignis isolieren zu müssen.

Nachrichtenpassierung verfeinern, um schwierige Fehlerbilder zu bewältigen

Die Autoren führen Varianten der BP ein, die Ideen aus Gradientenabstieg-Optimierung und neuartig anmutenden Speicher-Effekten (ähnlich neuronalen Netzen) integrieren. Eine einfache „Flip“-Version aktualisiert harte Bit-Werte und unternimmt gelegentlich einen gierigen Schritt, wenn der Fortschritt stockt, während weiterentwickelte „weiche“ Versionen mit abgestuften Vertrauenswerten statt strikten 0/1-Entscheidungen arbeiten. Diese weichen Dekodierer dämpfen und recyclen frühere Nachrichten, passen ihre Schrittgrößen an und behandeln in einigen Fällen unterschiedliche Typen quantenmechanischer Fehler gemeinsam statt getrennt. Das Ergebnis ist eine Suite von Algorithmen, die für die untersuchten Codefamilien Schwellwerte erreichen, die sehr nahe an denen der Maximum-Likelihood-Dekodierung liegen, dabei aber eine Laufzeit haben, die nur linear mit der Qubitzahl wächst und nur schwach mit sinkender Fehlerwahrscheinlichkeit zunimmt.

Ausdehnung auf realistischere und gemischte Rauschmodelle

Reale Hardware leidet selten nur unter reinen Erasures. Daher testen die Autoren ihre Dekodierer in komplexeren Szenarien: Kanäle, die bekannte Erasures mit gewöhnlichen zufälligen Flip-Fehlern kombinieren, und Kanäle, bei denen Qubits gelöscht werden können, ohne dass ihre Positionen markiert werden. Durch die Verkettung von QLDPC-Codes mit kleinen permutationsinvarianten Innen-Codes werden lokale Löschereignisse zunächst in effektive Erasures umgewandelt, die dann von den BP-Dekodierern effizient behandelt werden. Numerische Experimente zeigen, dass dieselbe Dekodierer-Familie diese gemischten Fehlermodelle mit hoher Genauigkeit meistern kann, was darauf hindeutet, dass der Ansatz deutlich robuster ist als das idealisierte reine Erasure-Szenario.

Was das für zukünftige Quantenmaschinen bedeutet

Insgesamt schließt die Arbeit eine zentrale Lücke zwischen Theorie und Praxis für Quantensysteme, in denen Qubitverlust dominiert. Sie zeigt, dass kapazitätsnahe oder kapazitätserreichende Leistungen auf Erasure-Kanälen mit strukturierten Quanten-Codes möglich sind, die nicht verschwindende Informationsraten haben, und – am wichtigsten – dass dies mit Dekodierern erreicht werden kann, deren Kosten nur linear mit der Systemgröße wachsen. Für eine interessierte Leserschaft lautet die Kernaussage: Indem man die Symmetrien quantenmechanischer Fehler geschickt ausnutzt, können wir Quanteninformationen nahezu so gut schützen, wie es die Gesetze der Physik zulassen, ohne die Hardware mit zusätzlichen Qubits oder schwerer klassischer Berechnung zu überlasten. Das stärkt die Argumente für den Bau großskaliger Quantencomputer und -netzwerke auf Plattformen, bei denen Qubitverlust erkannt und in Erasures umgewandelt werden kann.

Zitation: Kuo, KY., Ouyang, Y. Degenerate quantum erasure decoding. npj Quantum Inf 12, 75 (2026). https://doi.org/10.1038/s41534-026-01212-3

Schlüsselwörter: Quanten-Fehlerkorrektur, Erasure-Fehler, Belief-Propagation-Dekodierung, Quanten-LDPC-Codes, fehlertolerantes Quantencomputing