Der Quanten-Fehlerkorrektur-Rechner: Logische vs. Physische Qubits im direkten Vergleich

Wenn Hardware-Hersteller neue Quantenprozessoren mit 100, 1.000 oder gar 5.000 Qubits ankündigen, sorgt das regelmäßig für Schlagzeilen. Doch für echte industrielle Durchbrüche in der Quantenchemie, Materialforschung oder Kryptografie ist die reine Zahl an physischen Qubits fast bedeutungslos, solange man zwei entscheidende Faktoren ignoriert: die physische 2-Qubit-Gatter-Fehlerrate und die Architektur der Quanten-Fehlerkorrektur (Quantum Error Correction, QEC).

Nutze direkt unseren interaktiven Rechner, um selbst zu testen, wie viele physische Qubits und Kryo-Module für reale Meilensteine wie IBMs Starling-System oder das Knacken einer RSA-2048-Verschlüsselung tatsächlich benötigt werden:

1. Warum brauchen wir überhaupt tausende physische Qubits für ein logisches Qubit?

Klassische Computerbits kennen nur die Zustände 0 und 1. Selbst wenn kosmische Strahlung oder thermisches Rauschen ein klassisches Transistor-Signal minimal verändert, zieht ein Schwellenwert-Verstärker die Spannung sofort wieder sauber auf 0 oder 1. Bei Quantencomputern funktioniert dieser einfache Trick aus zwei fundamentalen Gründen der Quantenmechanik nicht:

• Das No-Cloning-Theorem: Ein unbekannter Quantenzustand in Superposition lässt sich physikalisch nicht einfach kopieren (Backup-Kopien wie beim klassischen Repetition-Code sind unmöglich).
• Kollaps durch Messung: Sobald du ein Daten-Qubit direkt ausliest, um zu prüfen, ob ein Bit-Flip (X-Fehler) oder Phasen-Flip (Z-Fehler) aufgetreten ist, zerstörst du augenblicklich seine Quanten-Superposition.

Die Lösung heißt Syndrom-Messung über Hilfs-Qubits (Ancilla Qubits): Statt die Daten-Qubits selbst zu messen, verschränkt man sie periodisch mit benachbarten Syndrom-Qubits. Diese verraten lediglich die Parität (also ob und wo sich ein Fehler eingeschlichen hat), ohne die eigentliche Quanteninformation zu verraten. Ein Verbund aus Daten- und Syndrom-Qubits bildet zusammen ein logisches Qubit.

2. Der Klassiker: 2D Surface Code und die 2d²-Kostenfalle

Über ein Jahrzehnt lang galt der planare 2D Surface Code (unter anderem genutzt in Googles Willow-Chip) als der unangefochtene Goldstandard für supraleitende Quantenprozessoren. Sein größter Vorteil: Er kommt komplett mit einem flachen Schachbrett-Gitter und Nächste-Nachbarn-Verbindungen (Nearest-Neighbor Coupling) aus. Jedes Qubit muss nur mit seinen vier direkten Nachbarn sprechen.

Doch diese einfache Chip-Verdrahtung erkauft man sich mit einer dramatisch schlechten Kodierungsrate (Encoding Rate):

• Ein einzelner Surface-Code-Patch der Code-Distanz d kann bis zu (d - 1) / 2 gleichzeitige Fehler korrigieren.
• Dafür benötigt dieser Patch exakt d² Daten-Qubits und d² - 1 Syndrom-Qubits – in der Praxis inklusive Routing- und Magic-State-Factory-Puffer rund 2,5 × d² physische Qubits für ein einziges logisches Qubit.
• Bei einer typischen Gatter-Fehlerrate von 10⁻³ (99,9 % Fidelity) erfordert eine Ziel-Fehlerrate von 10⁻¹² eine Code-Distanz von d = 27. Das bedeutet rund 1.800 physische Qubits pro logischem Qubit!

3. Die Revolution: Bivariate Bicycle qLDPC-Codes (IBM Gross Code)

Warum sollte man jedes logische Qubit auf einer eigenen „Insel“ isolieren? Genau hier setzen moderne qLDPC-Codes (Quantum Low-Density Parity-Check) an, die IBM im Frühjahr 2024 in Nature vorgestellt hat und bis 2029 im fehlertoleranten System IBM Starling kommerzialisieren will.

Durch eine mehrlagige Chip-Verdrahtung (Multi-Layer Couplers), bei der ein Qubit nicht nur mit seinen vier direkten Nachbarn, sondern auch mit einigen weiter entfernten Qubits auf dem Chip verbunden ist (Grad-6-Konnektivität im Torus-Layout), entsteht der sogenannte Gross Code (benannt nach dem englischen Zählmaß a gross = 144):

• Der [[144, 12, 12]] Gross Code speichert volle 12 logische Qubits bei einer Code-Distanz von d = 12 in nur 144 Daten- plus 144 Syndrom-Qubits (insgesamt 288 physische Qubits).
• Der größere [[288, 12, 18]] Two-Gross Code erreicht bereits eine Code-Distanz von d = 18 mit insgesamt 576 physischen Qubits für 12 logische Qubits.
• Um dieselben 12 logischen Qubits mit gleicher Sicherheit im klassischen Surface Code abzubilden, wären fast 3.000 bis 4.000 physische Qubits nötig – eine Einsparung von rund 90 % (Faktor ~10x)!

4. Vergleichstabelle: Surface Code vs. qLDPC im direkten Check

5. Was bedeutet der Overhead-Rechner für reale Anwendungen & Investoren?

Wenn du oben im Rechner zwischen den vier Presets wechselst, erkennst du sofort, warum die Jahre 2026 bis 2029 die spannendste Phase der Quantencomputer-Geschichte markieren:

• Quantenchemie & Stickstofffixierung (FeMoCo, ~100 logische Qubits): Mit klassischem Surface Code und einer Gatter-Fehlerrate von 5 × 10⁻⁴ bräuchte man noch über 120.000 physische Qubits. Mit qLDPC-Codes und präzisen Gattern rückt diese Schwelle in den Bereich von 10.000 bis 15.000 physischen Qubits – eine Größenordnung, die bereits auf wenige vernetzte Kryo-Module passt.
• IBM Starling (200 logische Qubits bis 2029): Um 100 Millionen Quantengatter fehlerfrei auszuführen, kombiniert IBM qLDPC-Speichermodule mit modularen L- und M-Kopplern. Unser Rechner zeigt: Bei einer Fidelity von 99,97 % genügen dafür knapp 20.000 physische Qubits statt fast 200.000 im Surface Code.
• RSA-2048 & Shor-Algorithmus (4.096 logische Qubits): Das Brechen moderner Public-Key-Kryptografie bleibt selbst mit qLDPC-Codes ein Mammutprojekt im sechs- bis siebenstelligen Qubit-Bereich – ist aber der Grund, warum Behörden (BSI, NIST) schon heute den Wechsel auf Post-Quanten-Kryptografie (PQC) vorschreiben.

Mehr zu den zugrundeliegenden Hardware-Plattformen findest du in unserem Technologie & Hardware Hub sowie in unserer detaillierten Analyse IonQ vs. Rigetti vs. D-Wave: Welche Quanten-Aktie hat das beste Geschäftsmodell für 2027?.