Quantum computers are getting too powerful to check - here's how scientists can measure trustKwantumcomputers worden te krachtig om te controleren - zo meten wetenschappers hun betrouwbaarheidLes ordinateurs quantiques deviennent trop puissants pour être vérifiés - voici comment mesurer leur fiabilité
ScienceDaily · 17 November 2026, at 20:30
As quantum computers tackle bigger problems, checking their answers with conventional computers is becoming increasingly difficult. Now, an international research team has developed a way to use experimental measurements to model how a quantum simulator behaves and estimate how uncertainty affects its results. They tested the approach first on 10 trapped ions, then demonstrated it on a 51-ion simulator in Innsbruck. And here's the thing: instead of offering a result alone, this method also gives researchers error margins that help them judge how much to trust it.Naarmate kwantumcomputers grotere problemen aanpakken, wordt het steeds moeilijker om hun antwoorden met gewone computers te controleren. Een internationaal onderzoeksteam ontwikkelde nu een manier om met experimentele metingen het gedrag van een kwantumsimulator in kaart te brengen en te schatten hoe onzekerheden de resultaten beïnvloeden. Ze testten de aanpak eerst met 10 opgesloten ionen en toonden haar daarna aan op een simulator met 51 ionen in Innsbruck. En dit is het mooie: de methode levert niet alleen een resultaat op, maar ook foutmarges waarmee onderzoekers de betrouwbaarheid ervan kunnen inschatten.À mesure que les ordinateurs quantiques s’attaquent à des problèmes plus complexes, vérifier leurs réponses avec des ordinateurs classiques devient de plus en plus difficile. Une équipe internationale a mis au point une méthode qui s’appuie sur des mesures expérimentales pour modéliser le fonctionnement d’un simulateur quantique et estimer l’effet des incertitudes sur ses résultats. Elle a d’abord testé cette approche avec 10 ions piégés, puis l’a démontrée sur un simulateur de 51 ions à Innsbruck. Et voilà ce qui est prometteur : la méthode fournit non seulement un résultat, mais aussi des marges d’erreur qui aident les chercheurs à en évaluer la fiabilité.