Quantinuums Fehlerkorrektur-Rekord gilt dem Speicher, beim Rechnen ist der Fehler 14-mal höher

Quantinuums Rekord bringt den fehlertoleranten Quantencomputer ein Stück näher, belegt aber vor allem das Speichern von Quanteninformation: Auf dem Ionenfallen-Rechner Helios liegt die logische Fehlerrate bei rund fünf Fehlern pro Million Syndrom-Extraktionszyklen im Speicherexperiment, also nicht pro Rechenoperation. Bei einer einfachen Operation mit zwei logischen Qubits ermittelten die Forschenden etwa sieben Fehler pro 100.000 Operationen. Ob die Werte auch bei komplexen Algorithmen halten, zeigt das Paper nicht.

Das Unternehmen hat das Ergebnis am 19. Oktober 2026 in einer Pressemitteilung verkündet. Darin ist von einer logischen Fidelity von 99,9995 Prozent die Rede, mit einem sogenannten Color Code. Das sei „equivalent to just five errors per million operations“, so die Formulierung des Herstellers. Es ist die zweite Rekordmeldung binnen zwei Monaten, die Quantinuum selbst als „breakthrough“ bezeichnet.

Die Pressemitteilung verknüpft das Resultat mit Apollo, dem geplanten universellen fehlertoleranten Quantencomputer, der laut Quantinuum bis 2029 verfügbar sein soll. Das ist ein Firmenziel. Die folgenden Abschnitte trennen, was die Zahlen messen, was Dritte dazu sagen und was daraus für Apollo folgt.

Was die 99,9995 Prozent tatsächlich messen

Ein logisches Qubit entsteht, indem mehrere physische Qubits gemeinsam eine Information tragen. Die Fehlerkorrektur liest dabei regelmäßig Kontrollmessungen aus, die Syndrome, und leitet daraus ab, wo ein Fehler aufgetreten sein dürfte. Ein solcher Durchgang heißt Syndrom-Extraktionszyklus. Die Fehlerrate pro Zyklus ist die Kennzahl des Speicherexperiments.

Genau darauf bezieht sich der Wert von 5 (+4/−2) × 10⁻⁶ aus dem Paper „Quantum error correction well below the color code threshold“. Er wurde mit der größten getesteten Codevariante gemessen, die 37 physische Qubits für ein logisches Qubit verwendet. Die Angabe „fünf Fehler pro Million Operationen“ aus der Pressemitteilung ist deshalb zugespitzt. Das Experiment misst, wie gut ein ruhendes logisches Qubit seine Information hält, nicht, wie zuverlässig es rechnet.

Die Unsicherheit ist beträchtlich. Das Paper gibt Konfidenzintervalle von einer Standardabweichung (68 Prozent) an. Für die Speicherrate reicht der Bereich von 3 bis 9 × 10⁻⁶. Auch das ist ein sehr kleiner Fehler, doch die Bezeichnung als einzelne, glatte Zahl täuscht eine Genauigkeit vor, die die Messung nicht hergibt.

Wie kommt der Faktor 14 zustande?

Die Forschenden testeten außerdem eine Rechenoperation: Sie führten Zwei-Qubit-Clifford-Schaltkreise auf zwei logischen Qubits aus, ein Standardverfahren zur Fehlerabschätzung, das Randomized Benchmarking heißt. Bei Codedistanz 5, also 19 physischen Qubits je logischem Qubit, lag die Rate bei 7 (±3) × 10⁻⁵ pro logischer Zwei-Qubit-Clifford-Operation.

dm-Rechnung: 7 × 10⁻⁵ ÷ 5 × 10⁻⁶ = 14. Die Zwei-Qubit-Operation ist demnach rund 14-mal fehleranfälliger als ein Speicherzyklus. New Scientist rundet auf „roughly 10 times higher, or about seven errors for 100,000 qubit uses“. Beide Werte tragen große Fehlerbalken, die Speicherrate liegt zwischen 3 und 9 × 10⁻⁶, die Operationsrate bei 7 ± 3 × 10⁻⁵. Der Faktor ist deshalb eine Größenordnung, kein Präzisionswert. Außerdem stammen beide Zahlen aus unterschiedlich großen Codes, was den Vergleich zusätzlich lockert.

Trotzdem bleibt der Befund eindeutig: Die Rechenoperation ist spürbar schlechter als das Speichern. Für nützliche Algorithmen zählt die Rechenseite, denn dort fallen Millionen von Operationen an.

Codedistanz und der Faktor 12

Die Codedistanz gibt an, wie viele Fehler ein Code verkraftet, bevor ein logischer Fehler entsteht. Je größer die Distanz, desto mehr physische Qubits braucht ein logisches Qubit. Getestet wurden die Distanzen 3, 5 und 7, das entspricht 7, 19 und 37 physischen Qubits pro logischem Qubit. Helios besitzt 98 Qubits, das beschränkt die Größe der Experimente. Wie Helios und diese 98 Qubits bei einer Fehlerkorrektur-Benchmark in einem Jülicher Preprint abschneiden, lässt sich separat nachlesen.

Der Kern des Ergebnisses ist die Skalierung. Mit jeder Distanzstufe sank die logische Fehlerrate im Speicherexperiment um den Faktor Λ = 12 (+3/−2). Quantinuum nennt das einen Rekordwert. New Scientist bestätigt, dass der Fehler sowohl beim Schritt von 7 auf 19 als auch von 19 auf 37 physische Qubits um das Zwölffache fiel. Dieses Verhalten ist das Signal, auf das es bei Fehlerkorrektur ankommt. Sinkt der Fehler mit wachsendem Code, arbeitet das System unterhalb der Schwelle, und mehr Qubits zahlen sich aus.

Bei der Rechenoperation fällt die Unterdrückung geringer und unsicherer aus. Das Paper nennt Λ = 9 (+8/−3), gemessen zwischen den Distanzen 3 und 5. Die Obergrenze des Intervalls ist weit, die Untergrenze liegt bei 6. Auch hier gilt: Die Richtung stimmt, die Datenlage ist dünner als beim Speicher.

Ein weiterer Baustein sind die Decoder, die aus den Syndromen die wahrscheinlichsten Fehler herleiten. Das Paper vergleicht klassische Algorithmen mit neuronalen Netzen. Deren Inferenzlatenz liegt laut Autorinnen und Autoren bei einigen hundert Mikrosekunden und „offers a route to real-time decoding“. Das ist ein Weg, keine Demonstration im Dauerbetrieb.

100-mal besser? Ein Herstellervergleich

Dieses Bild wurde komplett mit KI generiertProviderhiggsfieldModellgpt_image_2PromptPhysicist in a quantum optics laboratory adjusting mirrors on an optical table full of lenses and laser paths, cryostat and vacuum chamber in the background, cool blue lab light, focused precise work. Photorealistic editorial magazine photo, 16:9. Absolutely no text, no letters, no numbers, no logos, no brand marks.

Laut Quantinuum liegt die Fehlerrate 100-mal niedriger als das beste veröffentlichte Ergebnis anderer Plattformen. Das ist ein Herstellervergleich. Die Vergleichsbasis laut Pressemitteilung ist ein Ergebnis von Google Quantum AI auf einem supraleitenden System. Eine unabhängige Prüfung, ob beide Werte unter vergleichbaren Bedingungen entstanden sind, liegt nicht vor. Wie Googles supraleitende Hardware Willow sich beim Ausführen logischer Operationen schlägt, zeigen Magic-State-Experimente – dort geht es um eine andere Aufgabe als das Speichern.

Der Rekord, den Quantinuum auf „zehnmal besser“ beziffert, bezieht sich auf den eigenen Wert aus dem September 2026. Damals nutzte das Unternehmen auf derselben Hardware den Helix-Code mit 10 physischen Qubits je logischem Qubit. Der Color Code braucht bis zu 37 und liefert dafür niedrigere Fehlerraten. Der Weltrekord übertrifft also vor allem den eigenen Weltrekord, was die Aussage nicht entwertet, aber den Maßstab relativiert.

Davon zu trennen ist die Aussage von Robin Blume-Kohout, Co-Direktor des Quantum Performance Lab an den Sandia National Laboratories, der nicht an der Studie beteiligt war. Er spricht von einem logischen Qubit, das „nearly 100x better than its component physical qubits“ sei. Das ist ein Vergleich innerhalb von Helios, nämlich logisches gegen physisches Qubit, und hat mit dem 100-fachen Abstand zu anderen Plattformen nichts zu tun.

Paper-Status und die Einschätzung unbeteiligter Fachleute

Das Paper ist ein von Quantinuum veröffentlichtes Firmen-PDF; eine Begutachtung (Peer Review) ist nicht angegeben. Auch ein Journal oder ein Eintrag auf einem Preprint-Server wird nicht genannt. Das heißt nicht, dass die Daten falsch sind, es heißt, dass unabhängige Gutachterinnen und Gutachter sie laut Quellenlage bislang nicht geprüft haben. Alle Autorinnen und Autoren arbeiten bei Quantinuum.

Externe Einschätzungen liefert New Scientist. Steven Flammia von der Virginia Tech, nicht am Projekt beteiligt, nennt das Ergebnis „definitely an impressive technical advance“. Offen sei aber, ob die Raten niedrig bleiben, wenn die logischen Qubits komplexere Operationen ausführen. Er sieht die Arbeit als Schritt in Richtung der „Megaquop“-Maschine, einem von John Preskill geprägten Begriff für einen Rechner mit einer Million zuverlässiger Quantenoperationen. Auch die Autorinnen und Autoren schreiben, die Ergebnisse „approach“ die dafür nötigen Fehlerraten, sie erreichen sie also nicht.

Blume-Kohouts Einschätzung geht weiter: Ein hochskaliertes System könne mit weniger als einer Million physischer Qubits auskommen. Das ist eine Einschätzung eines Fachmanns, keine Messung. Eine belegte Qubit-Zahl für Apollo oder einen Termin ergibt sich daraus nicht.

Was zum fehlertoleranten Rechnen noch fehlt

Der größte Abstand liegt bei der Zahl logischer Qubits. Thomas Wong von der Creighton University weist laut New Scientist darauf hin, dass Helios rund 100 physische Qubits besitzt, bekannte Megaquop-Anwendungen aber „on the order of 100 logical qubits“ bräuchten. Mit 37 physischen Qubits pro logischem Qubit im besten Code passen auf Helios nur wenige logische Qubits. Wie viele Quantinuum gleichzeitig betreiben kann, nennt keine der Quellen.

Hinzu kommen die Operationen. Die Messungen zur Rechenoperation betreffen Clifford-Gatter, die für universelles Rechnen nicht genügen. Fehlerraten für Algorithmen mit vielen logischen Qubits liefert das Paper nicht. Wie schwer sich Quantensysteme bei wachsender Größe kontrollieren lassen, zeigen auch IBMs Experimente zu Quantenchaos und Phasenübergängen aus einer anderen Perspektive.

Der nächste Rechner heißt Sol. Laut David Hayes von Quantinuum soll er fast doppelt so groß werden wie Helios-1, einen Termin nennen die Quellen nicht. Auch andere Hersteller sind unterwegs: QuEra, dessen Geräte auf kalten Atomen beruhen, hat laut New Scientist angekündigt, bis 2028 eine Megaquop-Maschine zu bauen.

Und Apollo? Quantinuum sieht seine Genauigkeit „within the target range“ für den geplanten Rechner, der bis 2029 verfügbar sein soll. Die Pressemitteilung selbst relativiert das in den Risikohinweisen: Die Ergebnisse seien unter experimentellen Bedingungen erzielt worden und ließen sich womöglich nicht in größerem Maßstab, bei logischem Rechnen oder im kommerziellen Einsatz wiederholen. Auch könne das Unternehmen seine Roadmap einschließlich Apollo „on the expected timeline or at all“ verfehlen. Das ist der Rahmen, in dem die 2029 zu lesen ist. Der Rekord belegt, dass das Speichern auf Helios hervorragend funktioniert. Ob das Rechnen im gleichen Maß folgt, ist die Frage, an der sich Apollo messen lassen muss.