Een op 5 oktober 2026 bij arXiv ingediende preprint vergelijkt 10 quantumprocessors van IBM, IQM en Quantinuum met LR-QAOA, een benchmark voor bewerkingen die nodig zijn bij kwantumfoutcorrectie. De methode volgt hoe de kwaliteit van de benadering verandert als circuits dieper worden, en vertaalt die verandering naar een maat voor hardwarefouten.
Een benchmark voor foutcorrectiehandelingen
Kwantumfoutcorrectie is bedoeld om fouten in kwantuminformatie op te sporen en te corrigeren. Daarvoor zijn onder meer herhaalde controles en metingen midden in een circuit nodig. LR-QAOA is een voorgestelde, relatief hulpbronnarme manier om te meten hoe processors omgaan met zulke foutcorrectieachtige bewerkingen.
De preprint past de methode toe op 10 quantumprocessors. Het doel is het gedrag van hardware te beoordelen onder circuits die zijn opgebouwd rond foutcorrectiecodes, vóór uitgebreidere experimenten met logisch geheugen.
Hoe LR-QAOA circuitgedrag omzet in een signaal
De methode gebruikt een vaste-parameter-versie van het quantum approximate optimization algorithm (QAOA). De onderzoekers bouwen de Hamiltoniaan van het circuit op uit de controlestructuur van een gekozen foutcorrectiecode. Zo bootsen de verbindingen en metingen in het circuit patronen na die bij foutcorrectie horen.
Het circuit bevat metingen midden in het circuit, ook aangeduid als MCM. De test verhoogt vervolgens de circuitdiepte: het aantal opeenvolgende lagen, dat een rol speelt die vergelijkbaar is met herhaalde rondes van foutcorrectiecontroles. Bij elke diepte volgt LR-QAOA de approximatieratio, een maat voor de kwaliteit van de berekende benadering. De afname daarvan wordt omgezet in een effectieve hardwarefout, uitgedrukt als een equivalente depolarisatiefoutparameter voor een tweequbitpoort.
Wat de aantallen metingen en qubits betekenen
De totale vergelijking omvat circuits met maximaal 2.950 MCM-bewerkingen. Dat is een andere testscope dan de codegestructureerde runs op Quantinuum Helios-1 en H2-1, waarvoor de preprint maximaal 480 MCM-bewerkingen rapporteert.
In die codegestructureerde tests gebruikte de benchmark drie foutcorrectiestructuren: de surface code, de driehoekige kleurcode en de bivariate-bicycle-qLDPC-code. De gerapporteerde circuitbreedtes liepen op tot respectievelijk 81, 91 en 48 dataqubits. Dit zijn aantallen dataqubits in benchmarkcircuits voor veeleisende bewerkingen.
De vergelijking met logisch geheugen op ibm_phoenix
De preprint rapporteert ook een correlatie tussen de respons van de surface-codebenchmark en de prestaties van experimenten met logisch geheugen in verschillende regio’s van IBM ibm_phoenix. Die vergelijking betreft dus de relatie tussen twee metingen op één processor: de LR-QAOA-respons en de prestaties van het logische geheugen.
