Ein am 5. Oktober 2026 eingereichtes Preprint stellt ein Benchmark-Verfahren vor, das zehn Quantenprozessoren von IBM, IQM und Quantinuum anhand von Abläufen für die Quantenfehlerkorrektur vergleicht. Es misst, wie sich die Qualität eines strukturierten Quantenalgorithmus mit wachsender Schaltungstiefe verändert, und leitet daraus einen effektiven Hardwarefehler ab.
Quantenfehlerkorrektur nutzt wiederholte Prüfungen, um Fehler in Quanteninformationen aufzuspüren und zu korrigieren. Das Benchmark soll schon vor aufwendigen Experimenten mit logischen Speichern zeigen, wie Prozessoren mit wichtigen Bausteinen solcher Abläufe zurechtkommen.
Ein Benchmark für fehlerkorrekturrelevante Abläufe
Die Studie vergleicht zehn Quantenprozessoren (QPUs) von IBM, IQM und Quantinuum. Dafür verwendet sie LR-QAOA, eine Variante des Quantum Approximate Optimization Algorithm (QAOA, etwa: quantenbasierter Näherungsalgorithmus zur Optimierung) mit festgelegten Parametern.
Das Verfahren bildet ausgewählte Strukturen eines Fehlerkorrekturcodes nach. Dessen Prüfungen bestimmen den Aufbau des Schaltkreises, damit dieser Verbindungen und Messmuster der sogenannten Syndromextraktion nachahmt. Bei diesem Schritt werden Messungen genutzt, um Hinweise auf mögliche Fehler zu gewinnen.
Wie LR-QAOA die Belastung sichtbar macht
Ein wichtiger Baustein sind Mid-Circuit-Messungen: Messungen, die stattfinden, während ein Quanten-Schaltkreis bereits läuft. Die Studie verfolgt, wie sich das Approximationsverhältnis r verändert, wenn der LR-QAOA-Schaltkreis mit jeder zusätzlichen Schicht tiefer wird. Das Verhältnis beschreibt die Qualität der vom Algorithmus gefundenen Lösung.
Aus dem Rückgang dieses Werts leitet das Verfahren einen effektiven Hardwarefehler ab und überführt ihn in eine äquivalente Fehlerrate für depolarisierende Zwei-Qubit-Operationen, bezeichnet als λ_eff. Die Schichten des Benchmark-Schaltkreises spielen dabei eine ähnliche Rolle wie wiederholte Runden der Syndromextraktion in einem Fehlerkorrekturexperiment.
