The Signal
Quantum X registra il 12,7% di errori in meno sui dati di Google
Quantum X Labs afferma che il suo decoder ha prodotto meno errori logici di PyMatching sui dati pubblici di Google relativi ai codici di superficie, sia in un test di cinque cicli sia in una valutazione separata in streaming. L’azienda prev
Quantum.world Team · Scritto con l’IA · verificato ·
Il 12,7% di errori in meno con distanza del codice pari a 3
Quantum X Labs afferma che il suo decoder ha prodotto il 12,7% di errori logici in meno rispetto a PyMatching sui dati pubblici di Google relativi ai codici di superficie, con distanza del codice pari a 3. Con distanza pari a 5, la riduzione riportata è stata del 12,1%. L’azienda ha annunciato i risultati il 21 ottobre 2026, dichiarando che il suo decoder per la correzione degli errori quantistici è implementato e in esecuzione sulla piattaforma CUDA-Q di NVIDIA, che supporta la computazione ibrida quantistica-classica.
Il confronto ha utilizzato 10.000 esecuzioni tenute da parte, ciascuna comprendente cinque cicli di correzione degli errori, alle due distanze del codice. Quantum X afferma di aver eseguito ciascun decoder sugli stessi dati attraverso la medesima interfaccia CUDA-Q QEC, così da ottenere un confronto a parità di condizioni. Il comunicato descrive risultati riportati dall’azienda e non riferisce di una replica indipendente.
BP+OSD è rimasto vicino
PyMatching non è stato l’unico termine di confronto. Quantum X ha descritto le prestazioni del proprio decoder come paragonabili a quelle di BP+OSD, riportando circa il 2% di errori in meno con distanza pari a 3 e l’1,5% in meno con distanza pari a 5. Nelle simulazioni, il decoder ha superato il matching standard in tutte le 108 combinazioni testate di dimensione del codice e livello di rumore.
Un decoder elabora le misurazioni per la correzione degli errori, dette sindromi, e determina le correzioni mentre procede una computazione quantistica. Secondo l’azienda, migliorare la decodifica potrebbe rendere più affidabili le operazioni logiche sullo stesso hardware fisico. Questi risultati provengono dal dataset sui codici di superficie reso pubblico da Google, registrato su un processore quantistico superconduttore. Non dimostrano quali siano le prestazioni su altri dispositivi, configurazioni del codice o condizioni operative.
Quantum X afferma che l’integrazione con CUDA-Q QEC è pensata per consentire ai team che sviluppano hardware quantistico sulla piattaforma quantistica di NVIDIA di scegliere il suo decoder accanto ai decoder CUDA-Q esistenti, senza predisporre un flusso di lavoro separato. L’azienda presenta l’integrazione come un passo dalla ricerca sui decoder e dai benchmark offline verso la correzione accelerata degli errori in tempo reale. Si tratta di una direzione dichiarata, non dell’affermazione che sia già stato dimostrato il funzionamento in tempo reale insieme all’hardware quantistico.
I risultati in streaming provengono da un test diverso
Quantum X ha testato anche una versione in streaming che riceve i dati sugli errori ciclo dopo ciclo mentre un computer quantistico è in funzione e restituisce correzioni in modo continuo. In una valutazione separata, estesa su 25 cicli e condotta su shot tenuti da parte dello stesso dataset di Google, l’azienda ha riportato tassi di errore logico osservati inferiori di circa il 6% rispetto a PyMatching con distanza pari a 3 e del 9% con distanza pari a 5.
Per questo confronto in streaming, QXL afferma che il suo decoder ha registrato anche tassi di errore osservati inferiori rispetto al riferimento a finestra scorrevole di CUDA-Q QEC e a PyMatching applicato all’intero esperimento, con prestazioni paragonabili a BP+OSD. Questi dati relativi allo streaming sono distinti dalle riduzioni rilevate nella valutazione di cinque cicli: il comunicato descrive test e metriche separati.
«Questo traguardo dimostra che la tecnologia dei decoder di QXL può funzionare all’interno di un importante ambiente software per la computazione quantistica e fornire risultati incoraggianti su dati sperimentali reali», ha dichiarato il professor Nir Sharon, direttore scientifico di Quantum X Labs.
Il funzionamento con hardware in attività resta un test da svolgere
Il prossimo passo dichiarato dall’azienda è eseguire il decoder in una pipeline di correzione degli errori in tempo reale su un sistema che utilizzi NVIDIA NVQLink, con l’obiettivo di avvicinarlo al funzionamento diretto insieme all’hardware quantistico. Quantum X afferma inoltre di collaborare con fornitori di sistemi di controllo quantistico a una possibile integrazione direttamente nelle loro piattaforme. Si tratta di progetti, non di prove che il decoder funzioni già direttamente insieme a un processore quantistico: i test riportati hanno utilizzato il dataset reso pubblico da Google.
Il decoder testato con CUDA-Q QEC è una delle implementazioni della più ampia piattaforma adattiva di Quantum X per la correzione degli errori quantistici. L’azienda afferma che la propria roadmap è progettata per supportare diverse architetture di decoder, codici di correzione degli errori e tecnologie hardware quantistiche, con l’obiettivo di adattare le soluzioni di decodifica a sistemi differenti. Il comunicato non riporta risultati di benchmark per le altre implementazioni o piattaforme hardware.