NISQ-Ära: Rauschanfällige Quantencomputer verstehen

Die heutigen Quantenprozessoren befinden sich noch in einer frühen Entwicklungsphase. Sie umfassen meist nur einige Dutzend bis wenige Hundert Qubits und sind anfällig für Störungen. Diese Entwicklungsphase wird in der Fachwelt als NISQ-Ära bezeichnet – kurz für Noisy Intermediate-Scale Quantum (rauschbehaftete Quantencomputer mittlerer Größe).

„Intermediate-Scale“ deutet darauf hin, dass diese Systeme bereits zu groß sind, um von klassischen Supercomputern effizient simuliert zu werden. „Noisy“ weist darauf hin, dass die physikalischen Qubits sehr empfindlich auf ihre Umgebung reagieren und fehlerbehaftet sind. Die NISQ-Ära erlaubt zwar erste bahnbrechende Experimente, erfordert aber spezialisierte Algorithmen und Methoden zur Fehlerminderung (Fehlermitigation), um trotz des Rauschens sinnvolle Ergebnisse zu erzielen.

In diesem Beitrag beleuchten wir die Ursachen des Rauschens in heutigen Systemen, den Unterschied zwischen Fehlerkorrektur und Fehlermitigation, sowie die Funktionsweise hybrider variationaler Algorithmen. Anschließend betrachten wir die realen Chancen und Grenzen dieser Ära auf dem Weg zur fehlertoleranten Zukunft.

Warum sind NISQ-Geräte fehleranfällig (Noisy)?

Physikalische Qubits reagieren extrem empfindlich auf ihre Umwelt. Unabhängig davon, ob es sich um supraleitende Schaltkreise, gefangene Ionen, photonische Systeme oder Spin-Qubits handelt – alle leiden unter Dekohärenz und Rauschen. Dekohärenz bezeichnet den Verlust von Quanteninformationen durch Wechselwirkung mit der Umgebung. Typische Dekohärenzzeiten liegen heute im Mikro- bis Millisekundenbereich, was die Tiefe (Anzahl der nacheinander ausführbaren Operationen) von Quantenschaltkreisen stark begrenzt.

Zusätzlich erschweren weitere Fehlerquellen die Berechnungen:

• Gate-Fehler: Quantenlogikgatter erfordern präzise Laser- oder Mikrowellenpulse. Winzige Ungenauigkeiten bei der Pulsform oder Kalibrierung führen zu fehlerhaften Zustandsänderungen.
• Messfehler: Das Auslesen des Qubit-Zustands am Ende einer Berechnung ist unpräzise. Bei supraleitenden Systemen liegen die Auslesefehler typischerweise bei 1 bis 5 %.
• Crosstalk (Übersprechen): Operationen an einem Qubit beeinflussen ungewollt benachbarte Qubits auf dem Chip.
• Drifts: Umweltfaktoren wie Temperaturschwankungen oder winzige Änderungen im Magnetfeld verschieben die Resonanzfrequenzen der Qubits, weshalb die Hardware mehrmals täglich kalibriert werden muss.

Diese Fehler summieren sich mit jedem durchlaufenen Gatter. Ab einer bestimmten Schaltkreistiefe geht das Signal vollständig im Rauschen unter. Daher sind Berechnungen auf NISQ-Systemen heute auf relativ kurze Algorithmen beschränkt.

Fehlerkorrektur versus Fehlermitigation

Im idealen Quantencomputer der Zukunft schützt eine aktive Quantenfehlerkorrektur (Quantum Error Correction, QEC) die Daten. Dabei wird ein einziges logisches Qubit über einen ausgeklügelten Code (wie den Surface Code) auf Dutzende oder Hunderte physikalische Qubits verteilt. Über regelmäßige Syndrommessungen können Fehler erkannt und korrigiert werden, ohne den Quantenzustand selbst zu zerstören. Wenn Sie mehr darüber erfahren möchten, wie logische Qubits und Syndrommessungen funktionieren, lesen Sie unseren Beitrag zur Fehlerkorrektur in Quantencomputern.

Das Problem: Um die Fehlerkorrektur stabil zu betreiben, benötigt man Tausende extrem präzise physikalische Qubits. NISQ-Geräte besitzen weder die nötige Anzahl an Qubits noch ausreichend niedrige Fehlerraten, um diesen Overhead zu bewältigen.

Deshalb nutzt man in der NISQ-Ära die pragmatische Fehlermitigation (Fehlerminderung). Hierbei werden Fehler nicht während der Laufzeit korrigiert, sondern im Nachhinein aus den statistischen Messergebnissen herausgerechnet. Zu den wichtigsten Verfahren gehören:

• Zero-Noise Extrapolation (ZNE): Der Schaltkreis wird absichtlich mit künstlich erhöhtem Rauschen ausgeführt (z. B. durch Dehnung der Steuerpulse). Aus den verschiedenen fehlerhaften Datenpunkten lässt sich mathematisch der hypothetische Wert bei Rauschen Null extrapolieren.
• Probabilistic Error Cancellation (PEC): Auf Basis eines detaillierten Fehlermodells der Hardware wird das ideale Gatter durch eine mathematische Linearkombination von fehlerbehafteten Gattern angenähert. Das verringert die Fehlerrate statistisch, erfordert jedoch eine deutlich höhere Anzahl an Messwiederholungen.
• Measurement Error Mitigation: Vor der eigentlichen Berechnung wird die Wahrscheinlichkeit für Auslesefehler bestimmt (z. B. wie oft eine 0 fälschlicherweise als 1 gemessen wird). Die resultierende Kalibrierungsmatrix wird anschließend genutzt, um die finalen Messergebnisse mathematisch zu korrigieren.

Hybride und variationale Quantenalgorithmen

Wegen der begrenzten Kohärenzzeiten sind tiefe, rein quantenbasierte Schaltkreise auf NISQ-Hardware nicht ausführbar. Stattdessen setzt man auf eine hybride Strategie: Ein klassischer Computer und ein Quantenprozessor arbeiten Hand in Hand. Man spricht hierbei von variationalen Quantenalgorithmen (Variational Quantum Algorithms, VQAs) oder variationalen Ansätzen.

Der allgemeine Ablauf eines solchen hybriden Algorithmus gestaltet sich wie folgt:

1. Ansatz-Definition: Es wird eine parameterisierte Quantenschaltung entworfen, die an die Topologie und Beschränkungen der Hardware angepasst ist.
2. Ausführung: Die Schaltung wird mit einem anfänglichen Satz von Parametern auf dem Quantencomputer ausgeführt, um eine Zielgröße (z. B. den Erwartungswert der Energie) zu messen.
3. Klassische Optimierung: Ein klassischer Algorithmus analysiert das Messergebnis und berechnet neue, optimierte Parameter, um die Zielgröße zu minimieren oder zu maximieren.
4. Konvergenz: Die Schritte 2 und 3 werden in einer Schleife so lange wiederholt, bis Konvergenz (der bestmögliche Näherungswert) erreicht ist.

Die ständige Kommunikation zwischen klassischem Rechner und Quantenprozessor macht diese Algorithmen vergleichsweise robust gegen Rauschen, da die Quantenschaltkreise kurz gehalten werden und Fehler durch die klassische Optimierungsschleife teilweise kompensiert werden können.

Bekannte Beispiele für solche variationalen Ansätze sind:

• Variational Quantum Eigensolver (VQE): Dient zur Berechnung der Grundzustandsenergie von Molekülen. Dies ist besonders für die chemische Industrie und die Materialforschung relevant.
• Quantum Approximate Optimization Algorithm (QAOA): Optimiert kombinatorische Probleme (wie das Max-Cut-Problem) durch ein Wechselspiel zweier Hamilton-Operatoren (Mixer und Cost). QAOA liefert bereits bei sehr flachen Schaltkreistiefen qualitativ gute Näherungslösungen.
• Variationale Klassifikatoren: Im Bereich des Quantum Machine Learning (QML) werden parameterisierte Schaltkreise genutzt, um Daten auf einer Bloch-Sphäre zu manipulieren und Klassifikationsaufgaben zu lösen.

Wenn Sie die Details variationaler Ansätze vertiefen möchten, empfehlen wir unseren Fachbeitrag zu den Variationalen Quantenalgorithmen (VQE und QAOA).

Weitere NISQ-Algorithmen und Anwendungen

Neben den variationalen Ansätzen gibt es weitere NISQ-kompatible Verfahren, die bestimmte Quanteneffekte mit reduzierten Anforderungen nutzen:

• Verkürzte Quantum Phase Estimation (QPE): Bestimmt Eigenwerte von Hamiltonianen oder unitären Operationen. Sie bildet das theoretische Fundament für komplexere Algorithmen, muss für NISQ-Geräte jedoch stark vereinfacht werden.
• Verkürzte Quantum Fourier Transform (QFT): Ein elementarer Baustein für Signalverarbeitung und Kryptografie, der mit Fehlermitigation bereits auf wenigen Qubits demonstriert werden kann.
• Random Circuit Sampling (RCS): Hierbei werden zufällige Gatterfolgen ausgeführt und statistisch ausgewertet. Berühmte Experimente wie Googles Sycamore-Demonstration zeigten, dass auch verrauschte Quantenchips Rechenaufgaben bewältigen, die klassische Supercomputer an ihre Grenzen bringen – ein Meilenstein, der als Quantum Supremacy (Quantenüberlegenheit) bekannt wurde.
• Simulationsalgorithmen: Trotter-Zerlegungen erlauben es, die Dynamik von Quantenmaterialien direkt auf dem Chip zu simulieren, um exotische physikalische Phasen zu erforschen.
• Quantenspaziergänge (Quantum Walks): Diese lassen sich in reduzierter Form auf NISQ-Prozessoren abbilden und demonstrieren Beschleunigungen bei Suchaufgaben gegenüber klassischen Zufallspfaden.

Diese Bandbreite zeigt, dass die NISQ-Ära nicht nur eine Wartehalle für die Zukunft ist, sondern ein eigenständiges Forschungs- und Entwicklungsfeld etabliert hat. Die Kunst liegt darin, Aufgaben zu finden, die trotz Fehlern einen echten Vorteil bieten.

Chancen der NISQ-Ära

Trotz der hardwareseitigen Einschränkungen bietet diese Ära signifikante Vorteile:

1. Technologische Beschleunigung: Die Entwicklung von NISQ-Prozessoren treibt die Praxis voran. Ingenieure lernen, bessere Qubits zu fertigen, die Verkabelung im Kryostaten zu optimieren und Signalstörungen zu minimieren.
2. Algorithmische Innovation: Der Zwang zur Ressourceneffizienz hat zu hochoptimierten variationalen und fehlertoleranz-armen Ansätzen geführt, die auch für spätere Generationen wertvoll bleiben.
3. Ökosystem-Wachstum: Da echte Hardware über Cloud-Anbieter verfügbar ist, entsteht ein breites Ökosystem. Frameworks wie Qiskit, Cirq oder AWS Braket machen Quantencomputer für Entwickler weltweit zugänglich. Einen Vergleich aktueller Plattformen finden Sie im Beitrag Quantencomputing in der Cloud.
4. Nachwuchsförderung: Universitäten und Forschungsinstitute können direkt auf echter Hardware lehren und lernen, wie Rauschen in der Realität wirkt, statt nur theoretische Gleichungen zu lösen.

Herausforderungen und Grenzen

Trotz der Aufbruchstimmung stehen der NISQ-Ära fundamentale Hürden im Weg:

• Statistischer Overhead: Fehlermitigation beseitigt Fehler nicht physikalisch, sondern benötigt eine enorme Anzahl zusätzlicher Messungen. Ab einer bestimmten Gatteranzahl explodiert die benötigte Messzeit exponentiell.
• Barren Plateaus (Karge Hochebenen): Beim Training variationaler Algorithmen flacht die mathematische Optimierungslandschaft bei steigender Qubit-Zahl oft ab. Der klassische Optimierer findet dann keine Richtung mehr, in die er die Parameter anpassen soll.
• Fehlende Standardisierung: Unterschiedliche Plattformen nutzen verschiedene Qubit-Typen und Gatter-Sets, was die Portierung von Algorithmen erschwert.
• Kommerzieller Nutzen: Bisher wurde noch kein klarer wirtschaftlicher Vorteil („Quantum Advantage“) für ein praxisrelevantes Industrieproblem nachgewiesen. Die meisten Erfolge sind rein akademischer Natur.

Der Weg zur fehlertoleranten Zukunft (FTQC)

Die NISQ-Ära ist ein notwendiges Sprungbrett, um die Ära des fehlertoleranten Quantencomputings (Fault-Tolerant Quantum Computing, FTQC) zu erreichen. Der Übergang erfordert Fortschritte in drei Bereichen:

1. Bessere physikalische Qubits: Die Gate-Fidelitäten müssen von derzeit ~99 % auf über 99,9 % steigen, um die mathematische Schwelle für Fehlerkorrekturcodes zu überschreiten.
2. Innovative Hardware-Designs: Topologische Ansätze, wie zum Beispiel Majorana-Fermionen, besitzen eine eingebaute physikalische Fehlerresistenz. Mehr dazu erfahren Sie im Artikel zu Topologischen Qubits.
3. Skalierbare Chip-Architekturen: Modulare Systeme, die über photonische Netzwerke gekoppelt sind, müssen Millionen physikalischer Qubits steuern, ohne den Kühlungsaufwand unendlich zu steigern.

Fazit

Die NISQ-Ära ist eine faszinierende Phase des Übergangs: Sie konfrontiert uns mit den ungeschminkten physikalischen Realitäten von Quantensystemen und zwingt uns, das Beste aus fehlerhaften Ressourcen herauszuholen. Durch die Kombination von kompakter Quantenhardware mit klassischen Optimierungsschleifen und intelligenter Fehlermitigation machen wir heute bereits Schritte, die noch vor wenigen Jahren undenkbar waren. NISQ bereitet den Weg für die fehlertoleranten Systeme der Zukunft.

Praxisbrücke: Wenn Sie wissen möchten, in welchen Branchen diese fehleranfälligen Systeme heute schon erprobt werden, lesen Sie weiter im Anwendungs-Hub.

Häufige Fragen zur NISQ-Ära (FAQ)