Forskare vid University of Waterloo har utvecklat en metod som kan bana väg för att fastställa universella standarder för mätning av kvantdatorers prestanda.

Den nya metoden, kallad cykel benchmarking, tillåter forskare att bedöma potentialen för skalbarhet och att jämföra en kvantplattform med en annan.

"Detta fynd kan gå långt för att fastställa standarder för prestanda och stärka ansträngningarna att bygga en storskalig, praktisk kvantdator, "sa Joel Wallman, en biträdande professor vid Waterloos matematiska fakultet och Institute for Quantum Computing. "En konsekvent metod för att karakterisera och korrigera felen i kvantsystem ger standardisering för hur en kvantprocessor bedöms, så att framsteg i olika arkitekturer kan jämföras rättvist. "

Cykelbenchmarking ger en lösning som hjälper användare av kvantberäkning att både bestämma jämförande värde för konkurrerande hårdvaruplattformar och öka varje plattforms förmåga att leverera robusta lösningar för sina intressanta applikationer.

Genombrottet kommer när kvantberäkningsloppet snabbt värms upp, och antalet molnkvantdatorplattformar och erbjudanden växer snabbt. Bara under den senaste månaden, det har kommit betydande meddelanden från Microsoft, IBM och Google.

Denna metod bestämmer den totala sannolikheten för fel under varje given kvantberäkningstillämpning när applikationen implementeras genom randomiserad kompilering. Detta innebär att cykelbenchmarking tillhandahåller det första plattformsoberoende sättet att mäta och jämföra kvantprocessorernas kapacitet som är anpassad efter användarnas intressanta applikationer.

"Tack vare Googles senaste prestation av kvantöverlägsenhet, vi är nu i gryningen av det jag kallar 'quantum discovery era', sa Joseph Emerson, en fakultetsmedlem vid IQC. "Detta innebär att felbenägna kvantdatorer kommer att leverera lösningar på intressanta beräkningsproblem, men kvaliteten på deras lösningar kan inte längre verifieras av högpresterande datorer.

"Vi är glada eftersom cykel benchmarking ger en välbehövlig lösning för att förbättra och validera kvantdatalösningar i denna nya era av kvantupptäckt."

Emerson och Wallman grundade IQC spin-off Quantum Benchmark Inc., som redan har licensierat denna teknik till flera världsledande kvantdatorleverantörer, inklusive Googles Quantum AI -insats.

Kvantdatorer erbjuder ett grundläggande kraftfullare sätt att beräkna, tack vare kvantmekanik. Jämfört med en traditionell eller digital dator, kvantdatorer kan lösa vissa typer av problem mer effektivt. Dock, qubits - den grundläggande bearbetningsenheten i en kvantdator - är ömtåliga; varje bristfällighet eller bruskälla i systemet kan orsaka fel som leder till felaktiga lösningar under en kvantberäkning.

Att få kontroll över en liten kvantdator med bara en eller två qubits är det första steget i en större, mer ambitiös strävan. En större kvantdator kan utföra alltmer komplexa uppgifter, som maskininlärning eller simulering av komplexa system för att upptäcka nya farmaceutiska läkemedel. Att konstruera en större kvantdator är utmanande; spektrumet av felvägar blir mer komplicerat när qubits läggs till och kvantsystemet skalas.

Att karakterisera ett kvantsystem ger en profil av buller och fel, anger om processorn utför uppgifterna eller beräkningarna, det uppmanas att göra. För att förstå prestanda för en befintlig kvantdator för ett komplext problem eller att skala upp en kvantdator genom att minska fel, Det är först nödvändigt att karakterisera alla betydande fel som påverkar systemet.

Wallman, Emerson och en grupp forskare vid universitetet i Innsbruck identifierade en metod för att bedöma alla felfrekvenser som påverkar en kvantdator. De implementerade denna nya teknik för kvantdatorn för jonfällan vid universitetet i Innsbruck och fann att felprocenten inte ökar eftersom storleken på den kvantdatorn skalar upp ett mycket lovande resultat.

"Cykelbenchmarking är den första metoden för att på ett tillförlitligt sätt kontrollera om du är på rätt väg för att skala upp den övergripande designen av din kvantdator, "sa Wallman." Dessa resultat är betydande eftersom de ger ett omfattande sätt att karakterisera fel på alla kvantberäkningsplattformar. "

Papperet "Karakterisering av storskaliga kvantdatorer via cykelbenchmarking" visas i Naturkommunikation .