Современные квантовые компьютеры уже достаточно мощны, чтобы решать задачи, неподвластные обычным машинам, но они по‑прежнему далеки от идеала. Каждое вычисление сопровождается малыми ошибками, которые быстро накапливаются, особенно при моделировании поведения электронов в материалах — ключевого шага на пути к новым технологиям и веществам. В этой работе представлен новый подход, названный адаптацией шума в субпространстве (subspace noise tailoring), который позволяет извлекать гораздо более надёжные ответы из зашумлённого квантового оборудования и показывает, как это может позволить ближайшим устройствам серьёзно конкурировать с продвинутыми классическими симуляциями.
Понимание работы зашумлённых квантовых машин
Каждая операция в квантовом компьютере может пройти неверно, и для полноценной коррекции ошибок требуется оборудование, которого пока не существует. Пока что исследователи применяют «смягчение ошибок», а не полную коррекцию: они запускают множество несовершенных схем и обрабатывают результаты, чтобы восстановить то, что выдала бы идеальная машина. Существующие подходы жертвуют стоимостью ради точности. Одни, основанные на контроле сохраняющихся величин или «симметрий», дешёвы, но улавливают лишь часть ошибок. Другие теоретически могут удалить почти все ошибки, но требуют такого большого числа дополнительных запусков, что быстро становятся непрактичными. Главная задача — найти золотую середину: достаточно точный метод, остающийся доступным на реальных устройствах.
Смешение двух идей в одну более умную схему Figure 1.
Авторы объединяют два ведущих направления смягчения ошибок в единый метод — адаптацию шума в субпространстве (SNT). Один компонент использует симметрии физической системы — например, сохранение числа частиц или спина — чтобы помечать запуски схем, которые обязательно ошибочны, поскольку выходят за пределы допустимого сектора состояния; такие запуски просто отбрасываются. Другой компонент применяет тщательно откалиброванную смесь дополнительных вентилей, которая статистически компенсирует определённые паттерны шума. SNT анализирует, где и какие ошибки можно обнаружить проверками симметрии, а затем применяет дорогой приём компенсации только к оставшимся, невыявляемым ошибкам. Таким образом большая часть очистки выполняется дешёвой фильтрацией, а лишь небольшой остаток обрабатывается затратной компенсацией.
Проектирование кодировок, помогающих ловить ошибки
Для проверки SNT команда сосредоточилась на модели Ферми–Хаббарда — стандартной площадке для изучения движения и взаимодействия электронов на решётке. Чтобы запустить эту задачу на квантовом процессоре, электронные степени свободы нужно закодировать в кубиты. Разные кодировки по‑разному реорганизуют задачу: это влияет не только на число кубитов и требуемых вентилей, но и на типы ошибок, которые можно заметить проверками симметрии. Авторы сравнивают традиционное кодирование Джордана–Вигнера с несколькими «локальными» кодировками, которые вводят дополнительные кубиты специально для создания множества короткодейственных проверок симметрии. Эти дополнительные проверки действуют как сеть локальных стражей, способных ловить гораздо больше ошибок без значительного увеличения глубины схемы.
Насколько далеко действительно могут зайти нынешние машины Figure 2.
С помощью подробных симуляций зашумлённых схем авторы составляют карту сочетаний кодировок и стратегий смягчения ошибок, которые работают лучше всего при широком диапазоне качества аппаратуры, размерности системы и бюджета измерений. Они обнаруживают богатую «фазовую диаграмму» оптимальных выборов: когда вентили достаточно шумны, выигрывают кодировки с меньшим числом операций; по мере улучшения аппаратуры и увеличения числа запусков схем кодировки с более сильными локальными проверками в сочетании с SNT становятся превосходными. Для двумерной решётки 6×6, эволюционируемой в течение 15 временных шагов — размера задачи, близкого к границе возможностей современных классических методов — они оценивают, что SNT может удерживать общий вклад ошибки в ключевых наблюдаемых на уровне примерно пяти процентов при двухкубитной точности вентилей порядка 99.95%. При тех же условиях применение только грубой схемы компенсации потребовало бы примерно в миллион раз больше запусков схем.
Что это означает для пути к квантовому преимуществу
Проще говоря, это исследование показывает, что за счёт продуманного сочетания проверок симметрии и целевой компенсации шума мы можем значительно расширить возможности несовершенных квантовых компьютеров по сравнению с прежними ожиданиями. Адаптация шума в субпространстве предлагает рецепт выбора как способа кодирования электронов в кубиты, так и методов очистки полученных данных, так что реалистичные устройства ближайшего будущего могут моделировать сильно взаимодействующие электроны на двумерных решётках в масштабах, которые серьёзно бросают вызов классическим алгоритмам. Вместо того чтобы ждать полностью корректирующих ошибок машин, эта работа описывает конкретный путь, по которому сегодняшнее развивающееся оборудование может приносить научно значимые результаты по изучению сложных квантовых материалов.
Цитирование: Papič, M., Algaba, M.G., Godinez-Ramirez, E. et al. Near-term fermionic simulation with subspace noise tailored quantum error mitigation.
npj Quantum Inf12, 72 (2026). https://doi.org/10.1038/s41534-026-01248-5
Ключевые слова: смягчение квантовых ошибок, модель Ферми–Хаббарда, кодирование фермионов в кубиты, защумленные квантовые вычисления, квантовое моделирование
