Lors de la session Quantum in Industry d’hier à la réunion de mars 2022 de l’APS, Google, IBM, Intel, Quantinuum et Silicon Quantum Computing / University of South Wales (USW) ont présenté des points de progrès et des défis en cours dans la course à la réalisation de l’informatique quantique pratique. Alors qu’IBM a proclamé que 2023 serait l’année où elle atteindra un avantage quantique, les autres participants ont exprimé des points de vue plus modestes sur le moment où l’assurance qualité sera atteinte, mais ont offert des points de vue positifs sur les progrès réalisés dans la résolution des défis sous-jacents de la technologie quantique.

Le APS.org Réunion de mars est devenu un forum clé pour la recherche liée à l’informatique quantique et, au cours des dernières années, de nombreuses entreprises commerciales ont fait de multiples présentations. Google, par exemple, a au moins six autres présentations à MM cette année. IBM Aigu son indice de référence QV ici en 2019 et QV a depuis été adopté par quelques autres. Les présentations à la réunion de mars ont tendance à être granulaires et présentent les résultats de travaux récents. Les conférences invitées par Quantum in Industry sont généralement à cheval entre la vue d’ensemble et la plongée profonde avec des éléments de chacun.

Google a repris sa stratégie globale et son calendrier, puis a approfondi ses recherches et sa feuille de route en matière de correction d’erreurs. USW/Silicon Quantum Computing a discuté des progrès réalisés dans la fabrication de qubits à atome unique dans le silicium qui offrent des avantages en termes de mise à l’échelle et de performances. IBM a largement examiné le travail qu’il avait Discuté lors de sa conférence des utilisateurs en décembre. Intel a continué à mettre l’accent sur sa capacité à tirer parti de son expertise en matière de fabrication CMOS pour la fabrication de qubits à points quantiques ; il a également fourni plus de détails autour d’une impressionnante nouvelle sonde à plaquettes cryogéniques. Quantinuum, le présentateur isolé de pièges à ions, a examiné les progrès de l’architecture de base, du transport d’ions, des portes logiques et de l’initialisation et de la détection des qubits.

La question toujours présente de savoir quand nous aurons des ordinateurs quantiques corrigés d’erreurs a dessiné une gamme d’estimations – une diapositive de Google a montré 2029; une diapositive du Syndicat des Métallos/SQC suggérait 2033, et une diapositive d’IBM indiquait 2026-plus. Il semblait y avoir plus de consensus sur le fait que les systèmes capables de produire un avantage quantique pour quelques applications pourraient commencer à apparaître plus tôt.

La réunion de mars de cette année est un événement hybride en personne et virtuel. La session de l’industrie a été présidée par Andrew Cleland, chercheur quantique à l’Université de Chicago, et il y a un enregistrement vidéo (l’inscription peut être requise) de toutes les présentations. Voici une petite partie des commentaires de Google sur son approche de la correction des erreurs, ainsi que quelques points saillants des autres discussions. (Ma qualité Zoom était intermittente pour la présentation Quantinuum de sorte que la conversation n’est pas incluse). Comme toujours avec les sujets quantiques, il est préférable de regarder les présentations directement.

Correction et mise à l’échelle des attaques google
Google, bien sûr, parie sur des qubits supraconducteurs. Comme avec toutes les technologies qubit, une variété de système et de bruit aléatoire est un énorme problème et provoque des taux d’erreur inacceptables. Une approche consiste à utiliser ce que l’on appelle des codes de surface pour la correction d’erreurs, mais cela n’est pas anodin et nécessite des frais généraux. Kevin Satzinger, chercheur scientifique à l’ Google IA quantique, a passé un certain temps dans son exposé sur les efforts de Google avec les codes de surface (aussi parfois appelés codes de distance).

« Pour les algorithmes que nous rêvons tous d’exécuter sur nos ordinateurs quantiques, ils nécessitent des taux d’erreur de peut-être 10^-10 à 10^-12 afin d’obtenir les résultats dont nous avons besoin. Alors que le matériel moderne [has] taux d’erreur typiques approchant peut-être 10^-3, soit plusieurs ordres de grandeur [difference] – tout à fait le gouffre dans l’erreur. Le pont pour enjamber ce gouffre est la correction d’erreur quantique », a déclaré Satzinger. « L’idée est de créer des qubits logiques où nous distribuons les informations logiques sur un tableau de qubits, nous prêtons attention au code de surface ici. »

« Donc, ce serait un tableau de qubits physiques d carrés, les qubits bleus ici, où d est la distance du code et en distribuant l’information quantique comme ça, nous pouvons le rendre immunisé contre les erreurs locales. Mais cela a un coût parce que nous avons un tas de choses supplémentaires, un tas de frais généraux et un tas d’opérations supplémentaires que nous devons faire pour effectuer la correction d’erreur. Et à cause de cette surcharge, si vos composants ne fonctionnent pas assez bien, il est possible que vous fassiez plus de mal que de bien en faisant toutes ces corrections d’erreurs supplémentaires », a-t-il déclaré.

Il y a un seuil de rentabilité, a déclaré Satzinger, où la correction d’erreur commence à « vous aider ».

« Ce concept (d’équilibre) est lié au battagevieux », a-t-il déclaré. Considérons cette expression au bas de la diapositive (ci-dessus) où l’erreur par porte logique est proportionnelle à ce rapport, l’erreur par démarche physique, divisée par un seuil de correction d’erreur élevé à cette puissance dans la distance du code. Si cette quantité, un sur Lambda est un petit nombre, vous l’élevez à une puissance dans la distance de code, [and] vous pouvez réduire de façon exponentielle l’erreur logique. C’est exactement ce dont nous avons besoin pour franchir ce gouffre d’ordres de grandeur. »

« Mais celui-ci sur lambda compte vraiment pour les frais généraux dont vous aurez besoin. Par exemple, considérez le cas où vous voulez que ce côté droit (voir diapositive) ici soit 10^-12. Eh bien, dans ce cas, nous pouvons examiner une valeur particulière d’un sur Lambda et calculer pour le code de surface combien de qubits physiques aurions-nous besoin pour un qubit logique. Si lambda est égal à un, vous avez à peine atteint le seuil de rentabilité et la quantité diverge.

Satzinger a noté qu’à mesure que vous améliorez les performances, en vous déplaçant vers la gauche sur le graphique (diapositive ci-dessus), les besoins en ressources diminuent considérablement, jusqu’à environ mille qubits physiques par qubit logique à lambda égal à 10. « C’est notre objectif pour le moment. Dans ce contexte, je peux maintenant élaborer un peu plus sur nos deux prochaines étapes. La première consiste à construire un prototype de qubit logique. Et l’idée ici est de construire un appareil où nous pouvons exécuter une distance de trois codes de surface, et une plus grande distance de cinq codes de surface et comparer leurs performances. L’objectif pour que le code de surface de distance cinq soit meilleur que le code de distance trois en termes d’erreur logique est assez difficile », a-t-il déclaré.

Il y a eu beaucoup de travail dans la communauté autour des codes de distance à utiliser dans la correction d’erreur quantique.

« Je ferais remarquer qu’il y a souvent une sorte de critique de ces trois codes de distance, qui vient d’une comparaison entre le temps de cohérence des qubits physiques et le temps de cohérence logique effective de la distance trois, qubit logique. Mais vous savez quoi, cela ne me dérange pas un peu si un qubit logique de distance trois a une durée de vie plus courte que les qubits physiques. Ce serait formidable s’il avait une durée de vie plus longue. Mais considérez cet exemple: vous pourriez avoir un ordinateur quantique corrigé d’erreur avec glorieux 10^-12 et qu’il soit toujours le cas, en fonction des paramètres particuliers, que si vous faisiez un code de distance trois sur cet appareil, cela n’aurait pas une durée de vie plus longue que les qubits physiques, donc cela n’a pas vraiment d’importance », a déclaré Satzinger.

« En revanche, le comportement de mise à l’échelle est critique. Si nous ne pouvons pas devenir plus grands pour être meilleurs, toute l’entreprise ne fonctionnera pas. Et c’est pourquoi nous nous concentrons sur cette comparaison de mise à l’échelle consistant à examiner un code de distance trois et une distance cinq et à essayer d’obtenir des performances aussi bonnes que possible pour obtenir de meilleures performances afin que la distance cinq ne soit pas, en fait, meilleure que la distance trois, ce qui nécessitera des performances nettement meilleures que ce qui a été publié. », a déclaré Satzinger.

Silicon Quantum Computing/USW – Qubits à atome unique dans le silicium
Michelle Simmons, fondatrice et directrice de la start-up Silicon Quantum Computing et chercheuse de longue date en physique quantique et en matière condensée, a discuté du travail constant de l’USW / SQC pour comprendre et développer des techniques permettant de créer des qubits à atome unique (phosphore) dans le silicium. Travailler avec la microscopie à effet tunnel à balayage (STM), elle et son équipe sont capables de fabriquer et d’aligner avec précision ces atomes uniques. Ils ont également développé la technologie des nanofils.

Simmons est le lauréat de la conférence 2022 de l’American Physical Society Beller, qui finance d’éminents physiciens de l’étranger pour donner des conférences invitées lors de réunions de l’APS. Son discours, Fabrication de qubits en silicium avec une précision atomique, était fascinant. Elle et ses collaborateurs sont allés jusqu’à imager la « position » de l’électron qui, selon elle, s’est avérée ne pas être floue. « La plupart des gens pensent que le nuage d’électrons autour d’un atome donneur est à peu près comme une sorte de boule floue. Mais en réalité, vous pouvez entrer avec l’embout STM, et vous pouvez réellement imager directement à quoi ressemble la fonction d’onde. Et c’est un outil très puissant car il vous indique où se trouve l’électron dans le cristal », a-t-elle déclaré.

« Nous avons vraiment compris comment mettre de manière déterministe des dopants dans la surface des cristaux de silicium, comment les connecter avec les états de plomb, comment mesurer où ils se trouvent, créer des capteurs dans lesquels nous pouvons entrer et faire les états de spin. Vous pouvez obtenir des prises de vue uniques lues, être capable de faire du transport de spin à travers ces appareils, regarder la métrologie de l’endroit où ils sont assis, les lire indépendamment, puis arriver essentiellement au point où nous commençons à obtenir des portes de qubit unique de haute qualité. Nous pouvons les coupler RF. Nous avons constaté que ces fils ont une très faible capacité parce qu’ils sont épais en monocouche, de sorte que vous obtenez peu de diaphonie entre eux à la surface. Et parce qu’ils sont très petits, vous pouvez obtenir une lecture très haute fidélité. Nous avons des portes rapides à deux qubits, nous avons compris comment comparer la lecture afin de pouvoir l’optimiser à l’aide de nos appareils en examinant le couplage de cavité, le contrôle cohérent », a déclaré Simmons.

IBM – Tricot de circuit pour améliorer les performances
IBM a présenté des progrès constants dans plusieurs domaines (matériel, logiciels, outils) avec IBM quantum researcher Hanhee Paik gérer la présentation. Elle a examiné brièvement l’ordre du jour à court terme. IBM a été l’un des premiers entrants dans le domaine de l’informatique quantique et dispose actuellement de 24 systèmes quantiques de différentes tailles en ligne. Sa feuille de route prévoit la fourniture d’un système de 433 qubits cette année et d’un système de plus de 1000 qubits en 2023.

Paik a souligné le besoin continu de recherche sur les matériaux en tant que catalyseurs nécessaires pour les progrès dans les températures froides de travail. Elle a également cité les travaux d’IBM sur la création d’environnements conviviaux tels que son architecture sans serveur.

Intel – La sonde de plaquette cryogénique accélère le débit et la rétroaction
Au cœur de la poussée d’Intel dans l’informatique quantique se trouve l’idée que l’exploitation de sa formidable expertise en matière de fabrication CMOS lui permettra d’évoluer plus rapidement.

Dans ce qui était l’un des commentaires les plus intrigants de la session, Otto Zeitz, ingénieur en matériel quantique chez Intel, a déclaré: « Vous savez qu’Intel expédie plus de 800 quadrillions de transistors chaque année. Et d’ici 2025, on s’attend à ce qu’il y ait plus de transistors sur Terre que de cellules humaines. Il ne s’agit que d’un nombre massif d’appareils qui sont fabriqués, puis livrés et utilisés dans la communauté. Et il s’avère que [Intel’s] les dispositifs de qubit de spin de silicium sont très similaires à ces transistors.

Il a dit peu de nouvelles sur le processus de fabrication réel pour ses qubits de points quantiques, qui, selon Intel, utilise depuis longtemps sa ligne de processus 14nm existante. Intel crée des qubits de points avec du silicium-germanium sur la technologie du silicium. Des nouvelles plus intéressantes et plus fraîches ont été les progrès d’Intel dans l’évaluation de ses plaquettes.

Considérez le processus pour les transistors réguliers. Intel produit environ 10 000 appareils sur des plaquettes de 300 mm.  « Traditionnellement, notre flux de processus ressemblait à une plaquette qui sortait, et vous faisiez la caractérisation de la température ambiante et c’est très similaire à ce que nous faisons dans notre gamme CMOS avancée dans nos processus HBM. Et ici, vous pouvez obtenir des métriques de transistor en environ deux heures à travers la plaquette en regardant des milliers d’appareils », a déclaré Zeitz.

« Alors que nous commençons à nous déplacer dans l’espace des qubits de spin, les informations qui nous intéressent sont vraiment plus pertinentes aux températures cryogéniques. Dans un dispositif silicium-germanium/ silicium, vous formez votre jonction à l’interface de ce puits de silicium enfoui, de sorte que vous n’avez aucune information à ce sujet aujourd’hui à température ambiante, et vous devez aller à des températures plus basses pour vraiment caractériser vos caractéristiques de point quantique. Ceci est effectué à travers nos réfrigérateurs à rotation rapide et ils sont d’environ 1,6 Kelvin. Nous pouvons découper, emballer et charger un appareil individuel à partir de la plaquette, puis le mesurer en environ 12 heures. Il faut environ 12 heures pour mesurer chaque appareil.  Ensuite, nous pouvons échantillonner la plaquette individuellement pour avoir une idée des performances de la plaquette. Ensuite, nous pouvons déplacer nos dispositifs les plus prometteurs dans nos réfrigérateurs à dilution, où la formation de qubits et la caractérisation cubique ont lieu », a déclaré Zeitz.

Intel a travaillé avec son fournisseur Bluefors pour développer une sonde cryo wafer qui, selon Zeitz, est maintenant disponible dans le commerce chez Bluefors.

« Cet outil est en fait arrivé au tout début de la pandémie, et nous avons pu l’installer et commencer à collecter des données tout au long de cette période. En bref, la façon dont le système fonctionne est que vous avez ces deux systèmes de refroidissement de Bluefors attachés à un système de vide de Afore (chambre à vide) et à l’intérieur de ce système se trouve votre carte de sonde et votre plaquette et votre étage qui vous permet de vous déplacer à travers la plaquette. De plus, ce système dispose d’un verrou de charge, et ce verrou de charge nous permet de transférer des plaquettes dans le système sans le réchauffer de manière significative. Il faut environ deux heures entre le moment où une plaquette sort de notre usine de R & D, et je l’ai placée dans cet outil jusqu’à ce que je puisse commencer à collecter des informations ci-dessous à Kelvin et commencer à obtenir ces informations pertinentes sur la physique des points quantiques et des basses températures. »

Lien vers APS.org : https://www.aps.org