Surface Codes

Surface Codes stellen derzeit die führende Archi­tek­tur für prakti­ka­ble Quanten­feh­ler­kor­rek­tur dar und werden insbe­son­dere aufgrund ihrer guten Verein­bar­keit mit moder­nen Hardware‑Randbedingungen bevor­zugt. Sie operie­ren auf einem zweidi­men­sio­na­len Gitter und nutzen ausschließ­lich Wechsel­wir­kun­gen zwischen nächst­ge­le­ge­nen Nachbar­qu­bits. Dieses lokale Design ermög­licht eine hohe Fehler­schwelle (≈ 1 %) und lässt sich zugleich gut auf Platt­for­men wie supra­lei­ten­den Quanten­schalt­krei­sen skalie­ren. Das Gitter besteht aus „Daten­qu­bits“, die die Quanten­in­for­ma­tion tragen, sowie dazwi­schen angeord­ne­ten „Messqu­bits“ (Ancilla‑Qubits), die in einem schach­brett­ar­ti­gen Muster verteilt sind. Die Messqu­bits überprü­fen ihre unmit­tel­ba­ren Nachbarn auf Fehler, indem sie sogenannte Stabi­li­sa­to­ren messen, ohne dabei die gespei­cherte Infor­ma­tion zu stören. Auf diese Weise entsteht eine Fehler­karte, das sogenannte Syndrom. Die eigent­li­che Fehler­kor­rek­tur erfolgt mithilfe klassi­scher Algorith­men, insbe­son­dere des Minimum‑Weight‑Perfect‑Matching‑Verfahrens (MWPM). Der Decoder inter­pre­tiert das Syndrom als Graphen und berech­net die wahrschein­lichs­ten Fehler­ket­ten, die sogenannte Defekt­kno­ten mitein­an­der verbin­den. Dadurch kann das System Fehler in Echtzeit identi­fi­zie­ren und korri­gie­ren und so eine zuver­läs­sige Quanten­be­rech­nung gewährleisten.

Surface codes repre­sent the leading archi­tec­ture for practi­cal quantum error correc­tion, favored for their compa­ti­bi­lity with modern hardware constraints. They operate on a 2D grid using only nearest-neigh­bor inter­ac­tions. This local design creates a high error thres­hold (~1%) while remai­ning easy to scale on devices like super­con­duc­ting circuits. The grid consists of “data qubits” (holding infor­ma­tion) and “measu­re­ment qubits” (or ancilla) inter­lea­ved in a checker­board pattern. The measu­re­ment qubits check their immediate neigh­bors for errors (stabi­li­zers) without distur­bing the data, creating a map of errors known as a “syndrome”. Correc­tions rely on classi­cal algorithms, most notably Minimum Weight Perfect Matching (MWPM). The decoder inter­prets the syndrome as a graph, calcu­la­ting the most proba­ble error chains connec­ting “defect” nodes. This allows the system to identify and fix faults in real-time, ensuring relia­ble computation.