Vier Entwicklungen aus der Quantum-Tech-Branche, die heute Ihre Aufmerksamkeit verdienen – eine team-kuratierte Zusammenfassung unserer Redaktion.
Infleqtion erhält 9 Millionen Pfund von Innovate UK für ein einsatzfähiges Quanten-Funkpeilsystem
Infleqtion hat von Innovate UK, Teil von UKRI (UK Research and Innovation), im Rahmen des Programms Quantum Missions Primer 9 Millionen Pfund (rund 12 Millionen Dollar) erhalten. Das Geld finanziert die zweite Phase des Projekts Quantum Direction Finding (QuDiFi, Quanten-Richtungspeilung), in der das Unternehmen einen bereits erprobten Prototyp zum robusten Produkt Quantum Spectrum-DF weiterentwickelt. Das System nutzt Rydberg-Atome (Atome in hoch angeregten, besonders empfindlichen Zuständen), um Funksignale optisch statt mit klassischen Antennen zu erfassen. So sollen Sender – vor allem bei niedrigen Frequenzen – ohne die sonst nötigen großen Antennenfelder geortet werden. Der Rüstungs- und Technologiekonzern Leonardo ist Projektpartner; Zielanwendungen sind sowohl militärisch als auch zivil, etwa Spektrumüberwachung, Passive Radar (passives Radar) und ausfallsichere Navigation. Phase zwei konzentriert sich auf Leistung, Zuverlässigkeit und Tests unter realistischen Einsatzbedingungen; einen Termin für den Einsatz nannte das Unternehmen nicht.
Quelle: The Quantum Insider (Pressemitteilung von Infleqtion)
Rutgers und IBM bringen 100 Qubits mit Tausenden Mid-Circuit-Resets vom Chaos unter Kontrolle
Forschende der Rutgers University und von IBM berichten gemeinsam mit Partnern vom Flatiron Institute, dem City College of New York, dem CUNY Graduate Center, der Iowa State University, dem Ames National Laboratory, der Pennsylvania State University und der Louisiana State University in Nature Physics über eine der bislang größten Demonstrationen von Real-Time Feedback (Echtzeit-Rückkopplung) auf einem Quantencomputer. Auf einer Kette von bis zu 100 Qubits eines 156-Qubit-Prozessors vom Typ IBM Heron wechselten zufällige verschränkende Gatter, die Information durchmischen, mit Mid-Circuit-Messungen (Messungen während der laufenden Berechnung) und Resets ab – insgesamt knapp 5.000 Zwei-Qubit-Gatter und knapp 5.000 Prüf- und Rücksetzvorgänge. Überwogen die Resets, kippte das System abrupt von chaotischem in kontrolliertes Verhalten – ein Phasenübergang, der mit wachsender Systemgröße schärfer wurde und den theoretischen Vorhersagen entsprach. Gezeigt wurde damit Rückkopplungssteuerung als Baustein für Fehlertoleranz, nicht Quantenfehlerkorrektur selbst.
Quelle: Pressemitteilung der Rutgers University (Fachartikel: Nature Physics)
SkyWater und D-Wave verlängern Fertigungspartnerschaft für supraleitende Quantenchips um mehrere Jahre
Die US-Foundry SkyWater Technology und D-Wave haben eine mehrjährige Vereinbarung unterzeichnet, die ihre seit mehr als zehn Jahren bestehende Fertigungspartnerschaft im SkyWater-Werk in Minnesota fortsetzt. SkyWater übernimmt weiterhin Prozessentwicklung und Fertigung der supraleitenden Quantenprozessoren von D-Wave – darunter die Advantage2-Reihe; ein solches System kam in einer 2025 in Science veröffentlichten Studie zum Einsatz. Die Vertragsbedingungen sollen laut den Unternehmen das geistige Eigentum von D-Wave schützen. Zudem berichteten beide von einem früheren Proof-of-Technology, bei dem D-Waves Annealing-System die Wartungsplanung im Werk optimierte und Los-Verzögerungen um bis zu 30 % senkte; ein weiterer Proof of Concept ist geplant. Finanzielle Details wurden nicht genannt. Bemerkenswert ist der Deal, weil SkyWater inzwischen zum D-Wave-Konkurrenten IonQ gehört.
Quelle: Pressemitteilung von SkyWater/D-Wave (via HPCwire)
Alice & Bob dekodiert LDPC-Cat-Codes auf GPUs über NVIDIA NVQLink
Der Cat-Qubit-Entwickler Alice & Bob mit Sitz in Paris und Boston hat gezeigt, dass sich seine LDPC-Cat-Fehlerkorrekturcodes auf GPUs dekodieren lassen, die über die Architektur NVQLink von NVIDIA angebunden sind. Eingesetzt wurden der OPX1000-Controller und der Open Acceleration Stack von Quantum Machines, die die Steuerelektronik mit Round-Trip-Latenzen im Mikrosekundenbereich an GPUs koppeln. Geprüft wurde, ob sich Messdaten für die Dekodierung an die GPU übergeben lassen. Die Dekodierung wurde effizienter, wenn mehrere Syndrome (Fehlermessdaten) parallel verarbeitet wurden – ein Hinweis darauf, dass die Dekodierkapazität mit der Maschinengröße mitwachsen kann. Das Unternehmen betont, dass es sich um einen Proof of Concept mit synthetischen Daten handelt, nicht um Echtzeit-Dekodierung; als Nächstes soll die Datenpipeline auf Echtzeit-Tempo optimiert werden.
Quelle: Pressemitteilung von Alice & Bob
Dieser Digest wurde von unserem KI-Redaktionsteam recherchiert und verfasst (Quark & Prism), unter Supervision von Mischa Hammann. Mehr dazu auf unserer Team-Seite. Keine Anlageberatung.