Quantencomputer machen Fehler – jede Menge davon. Ein typisches Gatter eines supraleitenden Qubits hat eine Fehlerrate von 0,1–1 %. Führt man eine Schaltung mit 1000 Gattern aus, ist es praktisch garantiert, dass man ein falsches Ergebnis erhält. Das ist kein Fehler in der aktuellen Hardware, sondern eine grundlegende Herausforderung. Die Quantenfehlerkorrektur (QEC) ist die Lösung – und sie zu verstehen ist der Schlüssel dazu, zu verstehen, wohin sich das Quantencomputing entwickelt.
Warum Quantenfehler anders sind
Auch klassische Computer machen Fehler, aber diese lassen sich leicht handhaben: Man kopiert das Bit dreimal und lässt eine Mehrheitsentscheidung treffen. Kippt eine Kopie, überstimmen die anderen beiden sie.
Qubits können nicht kopiert werden – das No-Cloning-Theorem verbietet es. Man kann ein Qubit nicht messen, um es auf Fehler zu prüfen, ohne seine Superposition zusammenbrechen zu lassen. Und Quantenfehler sind nicht nur Bit-Flips: Es gibt auch Phasenfehler (bei denen sich die relative Phase zwischen |0⟩ und |1⟩ verschiebt) und Kombinationen aus beidem.
Die drei Arten von Quantenfehlern
Jeder Quantenfehler lässt sich in Kombinationen der drei Pauli-Operatoren zerlegen:
- X-Fehler (Bit-Flip): |0⟩ → |1⟩ und |1⟩ → |0⟩. Wie ein klassischer Bit-Flip.
- Z-Fehler (Phasen-Flip): |0⟩ → |0⟩, |1⟩ → −|1⟩. Kein klassisches Analogon – betrifft die Phase.
- Y-Fehler: Kombinierter X- und Z-Fehler gleichzeitig.
Jeder Fehler an einem Qubit lässt sich als Linearkombination von X, Y, Z (und der Identität) ausdrücken. Das bedeutet: Wenn wir X- und Z-Fehler unabhängig voneinander korrigieren können, können wir jeden Fehler korrigieren – eine zentrale Erkenntnis für die QEC.
Die große Idee: Redundanz ohne Kopieren
Die QEC kodiert ein logisches Qubit über viele physische Qubits. Die Idee ähnelt klassischen Wiederholungscodes, ist aber an die Quantenmechanik angepasst.
Das einfachste Beispiel ist der 3-Qubit-Bit-Flip-Code: Man kodiert |0⟩ als |000⟩ und |1⟩ als |111⟩. Kippt ein Qubit, erkennt man dies, indem man die Parität zwischen Qubit-Paaren misst (ohne ihre tatsächlichen Werte zu messen), und korrigiert sie:
Logical |0⟩ = |000⟩
Logical |1⟩ = |111⟩
If qubit 1 flips: |100⟩ or |011⟩
Parity check: measure (q0 ⊕ q1) and (q1 ⊕ q2)
→ 10 → qubit 0 flipped → apply X to correct
Die Paritätsmessungen verwenden Ancilla-Qubits – Hilfs-Qubits, die die Fehlerinformation aufnehmen, ohne die Daten-Qubits zu stören. Das ist der Zaubertrick: Man kann Fehler erkennen, ohne den kodierten Zustand zusammenbrechen zu lassen.
Der Surface Code: Der heute führende Ansatz
Der Surface Code ist der vielversprechendste QEC-Code für Hardware der nahen Zukunft. Er kodiert ein logisches Qubit in einem 2D-Gitter physischer Qubits, das folgendermaßen angeordnet ist:
● — ● — ● — ●
| | | |
● — ● — ● — ●
| | | |
● — ● — ● — ●
| | | |
● — ● — ● — ●
Daten-Qubits (●) enthalten die Quanteninformation. Ancilla-Qubits zwischen ihnen messen kontinuierlich die Parität. Ein 7×7-Gitter (49 physische Qubits) kodiert 1 logisches Qubit mit einer Fehlerrate von ~p² – liegt die physische Gatter-Fehlerrate bei 1 %, sinkt die logische Fehlerrate auf ~0,01 %.
Die Schwelle des Surface Codes liegt bei ~1 %: Liegen die Gatter-Fehler der Hardware darunter, macht das Hinzufügen weiterer physischer Qubits die logische Fehlerrate beliebig klein. Die besten Systeme von IBM nähern sich dieser Schwelle.
Wie viele physische Qubits braucht man?
Um Shors Algorithmus fehlerfrei auszuführen und RSA-2048 zu brechen, legen Schätzungen nahe:
- ~20 Millionen physische Qubits
- Jedes logische Qubit benötigt ~1000–10.000 physische Qubits
- Die Gatter-Fehlerraten müssen unter 0,1 % liegen
Aktuelle Hardware: ~1000 Qubits, ~0,1–1 % Gatter-Fehler. Die Kluft ist real – wir sind ungefähr 10–15 Jahre von fehlertoleranten, RSA-brechenden Quantencomputern entfernt.
Für einen Quantenvorteil in der Chemie oder Optimierung in naher Zukunft sind die Anforderungen deutlich geringer: ~100 logische Qubits könnten ausreichen, um Moleküle jenseits der klassischen Reichweite zu behandeln.
Was das heute für NISQ-Geräte bedeutet
Aktuelle NISQ-Geräte verfügen über keine QEC. Jedes Gatter fügt Rauschen hinzu. Der Ansatz ist stattdessen:
- Schaltungen flach halten – weniger Gatter = weniger akkumuliertes Rauschen
- Fehlerminderung (nicht Korrektur) einsetzen – Nachbearbeitungstechniken wie Zero Noise Extrapolation (ZNE), die die Auswirkung von Fehlern statistisch reduzieren, ohne zusätzliche Qubits
- Rauschtolerante Algorithmen entwerfen – VQE, QAOA und andere variationelle Methoden sind darauf ausgelegt, gegenüber moderatem Rauschen robust zu sein
HLQuantum enthält eine integrierte Fehlerminderung, die auf jede Schaltung angewendet werden kann:
result = hlq.run(
qc,
backend="qiskit",
device="ibm_sherbrooke",
error_mitigation="zne", # Zero Noise Extrapolation
shots=8192
)
ZNE verstärkt das Rauschen absichtlich auf mehreren Ebenen und extrapoliert zurück zum rauschfreien Grenzwert. Es ist keine QEC – es ist ein statistischer Trick – aber es funktioniert bei kurzen Schaltungen bemerkenswert gut.
Die kurzfristigen Meilensteine, die man im Auge behalten sollte
Demonstration der Fehlerkorrektur im großen Maßstab – IBM, Google und Microsoft liefern sich ein Wettrennen, um zu zeigen, dass logische Surface-Code-Qubits physische Qubits übertreffen (Fehlerrate unterhalb der Schwelle). Google beanspruchte Ende 2024 eine Demonstration unterhalb der Schwelle.
Magic State Distillation – Non-Clifford-Gatter (wie T-Gatter) erfordern in fehlertoleranten Architekturen spezielle Distillationsprotokolle. Dies ist derzeit hinsichtlich des Qubit-Overheads extrem teuer.
Geschwindigkeit logischer Gatter – Logische Gatter in Surface Codes sind deutlich langsamer als physische Gatter. Sie zu beschleunigen ist eine zentrale Hardware-Herausforderung für 2026–2030.
Für einen tieferen Einblick, wie die Fehlerkorrektur mit bestimmten SDKs zusammenwirkt, siehe den Glossareintrag zur Quantenfehlerkorrektur und den Leitfaden zur NISQ-Ära.