Quantinuums Helios senkt logische Fehler pro Distanzschritt um das 12-Fache

Quantinuum berichtet, dass ein logisches Qubit auf dem Ionenfallen-Computer Helios bei etwa fünf von einer Million Fehlerkorrekturrunden ausfällt. Das gilt für den größten Code, der sich unterbringen ließ: Distanz 7. Laut dem Preprint des Teams lagen die logischen Fehlerraten bei den Distanzen 3, 5 und 7 bei 5,5×10⁻⁴, 3,8×10⁻⁵ und 5×10⁻⁶ pro Syndromextraktionszyklus. Die Autoren legen daran einen Unterdrückungsfaktor von Λ = 12 an. Wichtiger als die Einzelzahl ist die Steigung. Jede Erhöhung der Code-Distanz beseitigte etwa eine Größenordnung des verbleibenden Fehlers – genau das Verhalten, das fehlertolerante Roadmaps voraussetzen.

Die Arbeit ist ein Preprint, kein begutachtetes Paper. Bei der Ankündigung war sie nicht peer-reviewed und wurde als PDF auf der Website von Quantinuum veröffentlicht. Es handelt sich zudem um ein Ergebnis des Unternehmens selbst und um ein Speicherexperiment, nicht um eine Berechnung. Die Einschränkungen werden weiter unten behandelt.

01Was „jenseits von Breakeven" bedeutet

Ein logisches Qubit verteilt die Information eines Qubits auf viele Hardware-Qubits. Einige davon halten Daten, andere werden wiederholt gemessen, um Syndromdaten zu erzeugen. Die Syndromextraktion ist eine Runde wiederholter Paritätsprüfungen, die Fehler erkennen. Ein Decoder schließt dann daraus, welche Fehler wahrscheinlich aufgetreten sind.

Zusätzliche Qubits sind ein Kompromiss. Ein größerer Code kann mehr gleichzeitige Fehler abfangen, hat aber auch mehr Komponenten, die ausfallen können. Ars Technica benennt die Konsequenz klar: Sind die Fehlerraten der Hardware zu hoch, verschlechtert ein größeres logisches Qubit die Lage. Der Begriff „Breakeven" wird in zwei Bedeutungen verwendet:

• Logisch gegenüber physikalisch. Eine codierte Operation schneidet besser ab als dieselbe Operation auf einem uncodierten physikalischen Qubit. Quantinuums Arbeit vom März 2026 mit 94 fehlererkennenden logischen Qubits verwendete diese Bedeutung. Codierte Operationen erzeugten dort bei derselben Aufgabe weniger Fehler als uncodierte.
• Skalierung mit der Distanz. Jeder Schritt nach oben bei der Code-Distanz senkt die logische Fehlerrate. Das angepasste Verhältnis pro Schritt, Λ, misst, wie weit die Hardware unterhalb der Schwelle liegt.

Die zweite Bedeutung bestimmt die Kosten. Der erwartete logische Fehler skaliert grob mit Λ hoch (d+1)/2, bis auf einen Vorfaktor. Eine 1.000-fache Reduktion erfordert daher etwa zehn Distanzschritte bei Λ = 2, bei Λ = 12 dagegen etwa drei. Diese Rechnung stammt von mir, nicht aus dem Paper. Ars weist darauf hin, dass bei den meisten früheren Demonstrationen unterhalb der Schwelle die Fehlerraten um einen Faktor sanken, der viel näher an zwei als an 10 lag. Bei einem solchen Wert wächst die Zahl der Hardware-Qubits pro logischem Qubit unpraktikabel stark an.

02Das Experiment

Helios ist eine Maschine mit 98 Qubits und ein Ionenfallen-Computer. Die Ionen werden um einen Ring und in zwei Arme verschoben, wo Laser auf sie wirken. Weil sich zwei beliebige Ionen zusammenbringen lassen, kann die Maschine laut Ars im Wesentlichen jeden Fehlerkorrekturcode beherbergen. Das Team verwendete dreieckige Color-Codes. Einschließlich der Mess-Qubits benötigen die Codes der Distanzen 3, 5 und 7 jeweils 13, 37 und 73 physikalische Qubits.

Jeder Durchlauf umfasste 20 Korrekturrunden vor der abschließenden Auslesung. Einzelne Runden schlagen zu selten fehl, um messbar zu sein. Der Wert für Distanz 7 beruht auf dünner Statistik: drei logische Fehler in 29.000 Durchläufen mit je 20 Runden, bei einem Ein-Sigma-Bereich von 3×10⁻⁶ bis 9×10⁻⁶. Damit die Gesamtzahl der Qubits über die Codes hinweg vergleichbar bleibt, liefen sechs Distanz-3-Speicher und zwei Distanz-5-Speicher parallel.

Das Λ = 12 der Schlagzeile ist ein Fit, und die einzelnen Schritte unterscheiden sich. Aus den berichteten Raten ergeben sich Verhältnisse zwischen benachbarten Messungen von etwa 14,5 (Distanz 3 auf 5) und etwa 7,6 (Distanz 5 auf 7). Der Fit hat eine Unsicherheit von +3 und −2. Eine saubere Exponentialfunktion ist mit den Daten vereinbar, doch drei Datenpunkte und drei Fehler bei Distanz 7 können eine gewisse Abflachung bei größeren Codes nicht ausschließen.

03Leakage-Kontrolle und Decodierung

Die Autoren nennen Leakage als eines der Hauptprobleme. Sie tritt auf, wenn ein Ion die beiden für die Berechnung genutzten Zustände verlässt. Helios setzt jetzt einen optischen Rückpumpprozess ein, der Barium-137-Ionen nach einem Leakage-Ereignis parallel zur Grundzustandskühlung in den Rechenunterraum zurückführt. Das ergibt eine 6,5-fache Leakage-Unterdrückung pro Zyklus ohne zusätzliche Laufzeit der Schaltung. Ein Softwareverfahren tauscht zudem Daten-Qubits, die Leakage erlitten haben, gegen Mess-Qubits aus, die sich dann zurücksetzen lassen. In kleineren Tests senkte das Rückpumpen in der Hardware die Fehlerraten des Speichers bei Distanz drei um das Vierfache und bei Distanz fünf um das Achtfache, verglichen mit einer reinen Leakage-Reduktion auf Schaltungsebene. Der Gewinn wächst mit der Distanz, weshalb Leakage für Λ eine Rolle spielt.

Die Decodierung ist der Teil, der noch nicht live gezeigt wurde. Das Team testete eine Streaming-Version des Frontier-Decoders und zwei neuronale Decoder. Die neuronalen Decoder wurden ausschließlich mit Daten eines Helios-Emulators trainiert. Sie verarbeiteten jede Runde in 0,22 bis 0,52 Millisekunden auf einer NVIDIA-H100-GPU. Im Speicherexperiment decodierten die Forscher die Messungen jedoch erst nach den Durchläufen. Eine vollständige Schaltung mit Live-Decodierung muss noch getestet werden. Die Zeiten wurden außerdem an aufgezeichneten Daten gemessen und enthalten daher weder die Kommunikation mit dem Quantengerät noch Verzögerungen durch Rückkopplung.

04Gatter, Vergleiche und was unbewiesen bleibt

Der Speicher ist der einfache Fall. Quantinuum hat auch logische Gatter getestet und dazu zufällige Zwei-Qubit-Clifford-Sequenzen auf codierten Paaren ausgeführt. Der Fehler pro logischem Gatter lag bei 7×10⁻⁴ mit Distanz-3-Codes und bei 7×10⁻⁵ mit Distanz-5-Codes, gegenüber 9,5×10⁻⁴ für dieselben Schaltungen auf uncodierten Qubits. Das Unternehmen nennt einen durchschnittlichen Unterdrückungsfaktor von 9 für Gatter. Gatter bei Distanz 7 wurden nicht ausgewertet, weil Helios dafür nicht genug physikalische Qubits hat.

Die Vergleiche des Unternehmens kommen mit Einschränkungen:

• Das Unternehmen gibt an, das bisher beste Color-Code-Ergebnis bei Distanz 5 habe bei 0,819 % pro Zyklus gelegen.
• Bei gleicher Distanz war der bisherige Bestwert ein Surface Code. Er erreichte bei Distanz 7 0,0772 % pro Zyklus. Quantinuum nennt das eigene Ergebnis eine 154-fache Verbesserung.
• Laut Pressemitteilung liegt das Ergebnis um das 100-Fache unter dem besten veröffentlichten Ergebnis auf anderer Hardware, nämlich von Google Quantum AI auf einem supraleitenden System.

Dies sind Werte pro Runde, gewonnen mit verschiedenen Codes und auf verschiedenen Plattformen. Runden auf Ionenfallen dauern in der Wanduhrzeit weit länger als auf supraleitenden Systemen. Ein Sekundärbericht beziffert eine Helios-Runde auf etwa eine Fünftelsekunde. Dieser Wert ließ sich im von mir einsehbaren Primärmaterial nicht bestätigen. Der Fehler pro Runde lässt sich daher nicht direkt in einen Fehler pro Recheneinheit Zeit übersetzen.

Für die Roadmaps stellt sich die Frage, wie weit Λ = 12 trägt. Quantinuum verknüpft das Ergebnis mit Apollo, seiner geplanten fehlertoleranten Maschine. Die Genauigkeit liegt nun im Zielbereich für Apollo, das nach den Plänen des Unternehmens 2029 verfügbar sein soll. Laut der Mitteilung des Unternehmens könnte eine hochskalierte Version bei machbarer Größe, unter einer Million physikalischer Qubits, nützliche Zuverlässigkeit erreichen. Craig Gidney von Google Quantum AI hat aus der Skalierung Berichten zufolge abgeschätzt, dass praxistaugliche Fehlerraten bei einer Code-Distanz von etwa 21 erreicht würden. Diese Zahl ist eine informelle Schätzung, kein Ergebnis aus dem Paper.

Die Autoren führen noch offene Meilensteine auf. Einer ist die Skalierung unterhalb der Schwelle bei der hochpräzisen Präparation von Magic States im Color-Code. Magic States sind für universelle Berechnungen nötig. Die weiteren sind schnelle Live-Decodierung, logische Gatter bei Distanz 7 und darüber sowie Maschinen mit weit mehr als 98 Qubits. Das Experiment zeigt, dass die Skalierung unterhalb der Schwelle auf dieser Hardware steil und nicht knapp ist. Das verringert ein wesentliches Risiko, doch der Schritt von einem geschützten Speicher zu einem geschützten Algorithmus muss erst noch demonstriert werden.