Honeywell und Cambridge Quantum gehen weiter in Richtung Quantencomputing

Update: 6. August 2023

Honeywell und Cambridge Quantum gehen weiter in Richtung QuantencomputingHoneywell und Cambridge Quantum haben drei Fortschritte gemacht, die darauf hindeuten, dass Quantencomputer näher dran sind als erwartet.

Zunächst demonstrierten Forscher von Honeywell Quantum Solutions wiederholte Runden der Quantenfehlerkorrektur (QEC) in Echtzeit.

Zweitens erreichte das Unternehmen ein Quantenvolumen von 1,024, das höchste, das jemals auf einem Quantencomputer gemessen wurde.

Drittens stellte Cambridge Quantum Einzelheiten eines proprietären Quantenalgorithmus vor, der weit weniger Qubits verwendet, als bisher als notwendig angenommen wurde, um kritische Optimierungsprobleme zu lösen, die für industrielle und finanzielle Anwendungen von entscheidender Bedeutung sind.

Laut Honeywell hat sich die Leistung seines Systemmodells H1 in den letzten vier Monaten verdoppelt.

Forscher haben aus zehn im System H1-Modell verfügbaren physikalischen Qubits ein einziges logisches Qubit erstellt und mehrere Runden von QEC angewendet – Protokolle, die zum Schutz von Quanteninformationen erforderlich sind.

Dieses logische Qubit ist vor den wichtigsten Arten von Fehlern geschützt, die in einem Quantencomputer auftreten – Bit- und Phasenumdrehungen – und bekämpft Fehler, die sich während der Berechnungen anhäufen.

Honeywell und Cambridge Quantum gaben im Juni bekannt, dass sie sich zu einem eigenständigen Quantencomputerunternehmen zusammenschließen.

Der neue Quantenalgorithmus zeigt, wie die Kombination der beiden Unternehmen die Konvergenz, Genauigkeit und Skalierbarkeit von Quantenalgorithmen für kombinatorische Optimierungsprobleme wie Lieferkettenherausforderungen in der Fertigung oder Routenoptimierungsszenarien in der Logistik beschleunigt.

Genauer gesagt hat Cambridge Quantum neue Methoden entwickelt, um die Konvergenz bis zu 100-mal schneller zu beschleunigen, die Lösungsqualität zu verbessern und den Hardware-Ressourcenbedarf im Vergleich zu Standard-Variations-Quanten-Eigenlösern und Quanten-Approximate-Optimierungsalgorithmen zu reduzieren.