Kwantumfoutcorrectie: hoe een kwantumcomputer leert om zijn eigen fouten te herstellen
Stel je een fluistertelefoontje voor, maar dan met duizend deelnemers, allemaal in een lawaaierige ruimte. Na een paar doorgeefbeurten is de oorspronkelijke boodschap onherkenbaar vervormd. Iets vergelijkbaars gebeurt in een kwantumcomputer: de kleinste trilling, een beetje warmte of een stray elektromagnetisch signaal is al genoeg om de informatie in een qubit — de kwantumversie van een bit — te verstoren. Hoe langer een berekening duurt en hoe meer qubits erbij betrokken zijn, hoe groter de kans dat er ergens een fout sluipt.
Kwantumfoutcorrectie is de verzameling technieken waarmee onderzoekers proberen die fouten op te sporen en te herstellen, zonder de kwetsbare kwantuminformatie zelf te verstoren. Het is geen bijzaak: vrijwel alle experts zijn het erover eens dat een kwantumcomputer die daadwerkelijk nuttige, grootschalige berekeningen kan uitvoeren — denk aan het kraken van encryptie of het simuleren van nieuwe medicijnen — pas mogelijk is als foutcorrectie goed werkt. Zonder die correctie blijft een kwantumcomputer een indrukwekkend maar beperkt laboratoriuminstrument.
Wat is het precies?
Een gewone computer slaat informatie op in bits: nullen en enen. Fouten daarin corrigeer je relatief eenvoudig door informatie te dupliceren — sla drie keer dezelfde bit op en neem bij een fout de meerderheid als waarheid aan. Bij qubits werkt dat niet zo simpel, om twee redenen.
Ten eerste kan een qubit niet alleen 0 of 1 zijn, maar ook een superpositie: een combinatie van beide tegelijk, met bepaalde kansen. Ten tweede verbiedt een fundamentele natuurwet, het no-cloning theorem, dat je een onbekende kwantumtoestand exact kunt kopiëren. Je kunt een qubit dus niet zomaar drie keer dupliceren zoals bij een klassieke bit.
De oplossing is slimmer: in plaats van één qubit te kopiëren, verdeel je de informatie over meerdere fysieke qubits samen, zodanig dat de gecombineerde toestand van die groep één betrouwbare logische qubit vormt. Een veelgebruikt schema heet de surface code: een raster van fysieke qubits waarbij een deel de eigenlijke informatie draagt en een deel voortdurend metingen doet die aangeven of, en waar, er een fout is opgetreden — zonder de onderliggende informatie zelf af te lezen (wat de superpositie zou vernietigen). Dat noemen onderzoekers een syndroommeting: je meet niet de data, maar de symptomen van een fout.
Een aparte klassieke computer verwerkt die syndromen voortdurend en berekent, razendsnel, welke correctie waarschijnlijk nodig is. Hoe groter het raster van fysieke qubits per logische qubit — de zogeheten code distance — hoe beter het systeem fouten kan opvangen, mits de fysieke qubits zelf onder een bepaalde foutdrempel presteren. Onder die drempel geldt: hoe groter de code, hoe kleiner de kans op een onherstelbare fout. Boven de drempel werkt het averechts en voegt meer hardware juist meer fouten toe dan het oplost. Deze zogeheten drempelstelling (threshold theorem) is al decennia bekend, maar experimenteel aantonen dat je er echt onder zit, bleek lange tijd lastig.
Wat wil men ermee bereiken?
Het einddoel heet foutbestendig kwantumrekenen (fault-tolerant quantum computing): een machine die miljoenen tot miljarden rekenstappen achter elkaar kan uitvoeren zonder dat opgehoopte fouten de uitkomst waardeloos maken. Voor algoritmes met wetenschappelijke of praktische impact — zoals het simuleren van moleculen voor medicijn- of batterijontwikkeling, het kraken van bepaalde vormen van encryptie, of complexe optimalisatieproblemen — is dat niveau van betrouwbaarheid een harde vereiste.
De huidige generatie kwantumchips wordt vaak aangeduid met de term NISQ (Noisy Intermediate-Scale Quantum), geïntroduceerd door natuurkundige John Preskill in 2018: relatief kleine, foutgevoelige systemen die weliswaar indrukwekkende demonstraties kunnen doen, maar niet betrouwbaar genoeg zijn voor de grote, economisch relevante toepassingen. Foutcorrectie is de brug tussen dat NISQ-tijdperk en een toekomstige, werkelijk bruikbare kwantumcomputer.
Het probleem is de overhead: om één stabiele logische qubit te maken, zijn er met huidige technieken vaak honderden tot duizenden fysieke qubits nodig. Een groot deel van het onderzoek richt zich dan ook op het terugdringen van die overhead, bijvoorbeeld met efficiëntere coderingsschema's dan de klassieke surface code.
Voorbeelden uit de praktijk
De afgelopen jaren zijn er concrete doorbraken geboekt, al blijft de schaal nog bescheiden.
Google Quantum AI presenteerde in december 2024 zijn chip Willow, met 105 supergeleidende qubits. Het team liet zien dat de logische foutkans afneemt naarmate de surface code groter wordt gemaakt — het eerste overtuigende experimentele bewijs dat een systeem daadwerkelijk onder de eerdergenoemde foutdrempel werkt. De resultaten werden gepubliceerd in Nature.
IBM werkt aan een routekaart naar een foutbestendig systeem, met als mijlpaal een machine genaamd Starling, gepland voor rond 2029. In plaats van uitsluitend de standaard surface code te gebruiken, zet IBM in op zogeheten qLDPC-codes (quantum low-density parity check), die in theorie met minder fysieke qubits per logische qubit toekunnen. Tussenstappen op deze weg zijn testchips zoals Loon en Kookaburra.
De onderzoeksgroep van natuurkundige Mikhail Lukin aan Harvard University demonstreerde, samen met het bedrijf QuEra Computing en het MIT, in december 2023 een systeem met 48 logische qubits, opgebouwd uit 280 individuele, met laserlicht vastgehouden atomen (een aanpak die bekendstaat als neutrale-atoomtechnologie). De resultaten verschenen eveneens in Nature en golden als een belangrijke stap omdat het aantal logische qubits ruim boven wat eerder gangbaar was uitkwam.
Quantinuum (voortgekomen uit Honeywell) kondigde in april 2024, in samenwerking met Microsoft, aan dat het logische qubits had gerealiseerd op zijn ionenval-hardware (trapped-ion) met een foutpercentage dat ordes van grootte beter was dan dat van de onderliggende fysieke qubits, met behulp van Microsofts foutcorrectiesoftware. Het liet zien dat foutcorrectie ook op andere hardwareplatforms dan supergeleidende chips werkt.
Ook Nederland draagt bij: QuTech in Delft, een samenwerking tussen de TU Delft en onderzoeksinstituut TNO, experimenteert met surface codes op supergeleidende en spin-qubitchips, als onderdeel van het nationale programma Quantum Delta NL.
Hoe ver is de techniek?
De vooruitgang is de laatste twee, drie jaar duidelijk versneld, maar het is belangrijk de resultaten niet te overschatten. Er zijn nu experimenten met tientallen logische qubits die aantoonbaar beter presteren dan de losse fysieke qubits waaruit ze zijn opgebouwd — dat is op zich al een mijlpaal, want lange tijd gold het omgekeerde: foutcorrectie voegde netto meer ruis toe dan ze wegnam.
Voor werkelijk nuttige, grootschalige toepassingen zijn echter naar schatting honderden tot duizenden logische qubits nodig, met foutpercentages die nog vele ordes van grootte lager liggen dan wat vandaag haalbaar is. De meeste serieuze routekaarten van grote spelers mikken op functionerende, bruikbare foutbestendige systemen ergens in de tweede helft van de jaren 2030, met tussentijdse mijlpalen eerder dit decennium. Dergelijke voorspellingen zijn in het verleden vaker naar achteren geschoven en moeten met de nodige voorzichtigheid worden gelezen.
Een aparte vermelding verdient Microsoft, dat in februari 2025 de chip Majorana 1 presenteerde, gebaseerd op zogeheten topologische qubits — een aanpak die in theorie van nature veel fouttoleranter zou zijn omdat de informatie op een fysiek robuustere manier wordt opgeslagen. De bijbehorende publicatie in Nature en de onderliggende claims over het bestaan van de benodigde deeltjestoestand (verwant aan wat bekendstaat als Majorana-quasideeltjes) stuitten echter op scepsis binnen de wetenschappelijke gemeenschap, mede omdat een eerdere, vergelijkbare claim van hetzelfde onderzoeksveld in 2018 later moest worden teruggetrokken. Onafhankelijke replicatie en aanvullend bewijs worden hier nog afgewacht.
Naast de wetenschappelijke vooruitgang blijft er een praktisch obstakel: de klassieke elektronica die de foutsyndromen in real time moet uitlezen en verwerken, moet extreem snel zijn en meeschalen met steeds grotere systemen — een uitdaging die minstens zoveel ingenieurskunst vergt als de kwantumhardware zelf.
Wie werken eraan?
Het veld wordt gedomineerd door een combinatie van techbedrijven, gespecialiseerde start-ups en universitaire onderzoeksgroepen. Aan de bedrijfskant lopen Google Quantum AI, IBM Quantum, Microsoft (met zijn Azure Quantum-platform), Quantinuum, IonQ, Rigetti Computing en het op lichtdeeltjes (fotonen) gebaseerde PsiQuantum voorop, elk met een eigen hardware-aanpak: supergeleidende circuits, ionenvallen, neutrale atomen, fotonica of topologische qubits.
Aan de academische kant spelen onder meer Harvard University, het MIT en het bedrijf QuEra Computing (dat voortkomt uit dat Harvard/MIT-onderzoek) een vooraanstaande rol op het gebied van neutrale-atoomqubits. In China is de University of Science and Technology of China (USTC) een belangrijke speler in kwantumonderzoek in bredere zin.
In Nederland is QuTech in Delft — een samenwerking tussen de TU Delft en TNO — het centrale onderzoeksinstituut, ingebed in het nationale programma Quantum Delta NL, dat mede door de Nederlandse overheid wordt gefinancierd. Op Europees niveau ondersteunt het Quantum Flagship-programma van de Europese Unie onderzoek naar kwantumtechnologie, terwijl in de Verenigde Staten het National Quantum Initiative Act de publieke financiering coördineert.