Ein Fluss-Qubit oder "Supraleitender Flussqubit" ist ein künstliches Zwei-Niveau-Quantensystem, dessen Zustände durch in entgegengesetzte Richtungen fließende Persistenzströme in einer supraleitenden Schleife realisiert werden. Die Schleife enthält typischerweise Josephson-Kontakte, die dem System eine nichtlineare Induktivität verleihen und ein doppelmuldenförmiges Potential erzeugen. In geeigneter magnetischer Vorspannung nahe einem halben Flussquantum lassen sich die beiden persistierenden Stromrichtungen als logische Zustände interpretieren, während Quantenüberlagerungen und Tunnelprozesse zwischen diesen Mulden die Manipulation auf der Ebene einzelner Qubits erlauben.
Kurzdefinition und Einordnung
Was ein Fluss-Qubit ist
Ein Fluss-Qubit besteht aus einer supraleitenden Schleife mit ein bis drei Josephson-Kontakten (klassisch sind drei; sogenannte 3JJ-Flussqubits). Die relevante Skala ist das Flussquantum \(\Phi_0 = h/(2e)\). Wird die Schleife mit einem äußeren Magnetfluss \(\Phi_{\mathrm{ext}}\) vorgespannt, so entsteht bei \(\Phi_{\mathrm{ext}} \approx \Phi_0/2\) ein nahezu symmetrisches Doppelmulden-Potential für die makroskopische Phasenvariable der Schleife. Die linke und rechte Mulde entsprechen Zuständen mit entgegengesetztem Persistenzstrom \(\pm I_p\). Quantentunnelprozesse koppeln beide Mulden und erzeugen eine energienahe Aufspaltung zwischen dem Grund- und dem ersten angeregten Zustand.
Das Minimalmodell in der Persistenzstrom-Basis \({|{\circlearrowleft}\rangle, |{\circlearrowright}\rangle}\) ist das effektive Zwei-Niveau-Hamiltonian \(\hat H = -\tfrac{1}{2}\big(\varepsilon(\Phi),\sigma_z + \Delta,\sigma_x\big),\) wobei \(\Delta\) die Tunnelaufspaltung (bei exakt halbem Flussquantum) und \(\varepsilon(\Phi)\) die Fluss-Detuning-Energie ist. In linearer Näherung gilt \(\varepsilon(\Phi) \approx 2 I_p\big(\Phi_{\mathrm{ext}} - \tfrac{\Phi_0}{2}\big).\) Die Übergangsfrequenz folgt zu \(E_{01}(\Phi) = \hbar\omega_{01} = \sqrt{\Delta^2 + \varepsilon(\Phi)^2}.\) Am sogenannten Sweet Spot \(\Phi_{\mathrm{ext}} = \Phi_0/2\) ist \(\partial E_{01}/\partial \Phi = 0\), wodurch das Qubit in erster Ordnung gegenüber langsamem Flussrauschen unempfindlich ist.
Mikrowellenantriebe entlang \(\sigma_x\) oder \(\sigma_y\) realisieren Drehungen in der Bloch-Kugel; quasistatische Fluss-Offsets entlang \(\sigma_z\) dienen als schnelle Z-Rotationen. Rabi-Oszillationen, Ramsey-Interferometrie und Spin-Echo werden analog zu anderen supraleitenden Qubits umgesetzt. Für einen resonanten Antrieb mit Rabi-Frequenz \(\Omega_R\) ergibt sich beispielhaft \(P_{|1\rangle}(t) = \sin^2!\big(\tfrac{\Omega_R t}{2}\big).\)
Abgrenzung zu Ladungs-, Phasen-, Transmon- und Fluxonium-Qubits
Fluss-Qubits unterscheiden sich vor allem durch ihre Primärsensitivität: Während Ladungs-Qubits primär auf Offset-Ladungen reagieren und Phasen-Qubits auf Phasenschwankungen in der Josephson-Dynamik, koppeln Fluss-Qubits stark an magnetischen Fluss. Das hat mehrere Konsequenzen:
- Gegenüber Ladungs-Qubits: Fluss-Qubits sind deutlich robuster gegen Ladungsrauschen, da ihre Logik in Persistenzströmen und magnetischer Flussvorspannung kodiert ist. Dafür ist Flussrauschen (typisch mit \(1/f\)-Spektrum) die dominierende Dephasierungsquelle.
- Gegenüber Phasen-Qubits: Klassische Phasen-Qubits arbeiteten häufig fern eines Sweet Spots und litten an Mess-induzierten Verlusten; Fluss-Qubits lassen sich systematisch im Sweet Spot betreiben und eignen sich daher besser für kohärente Gatesequenzen.
- Gegenüber Transmons: Transmon-Qubits sind stark gegen Ladungsrauschen geshunted und zeichnen sich durch hohe Kohärenz und sehr gut kontrollierbare, kapazitiv gekoppelte Architekturen aus. Fluss-Qubits bieten dafür von Natur aus starke induktive Kopplungen und große Anharmonizität, nützlich für schnelle Zwei-Qubit-Operationen oder analog/adiabatische Protokolle.
- Gegenüber Fluxonium: Fluxonium-Qubits ist ein fluss-sensitives Verwandtes mit einer großen effektiven Induktivität (Superinduktor). Es kann Kohärenzvorteile bieten, arbeitet oft bei tieferen Frequenzen und nutzt andere Sweet-Spot-Topologien. Fluss-Qubits klassischer Bauart bleiben jedoch kompakter und für induktiv starke Kopplungen besonders attraktiv.
Zusammengefasst: Fluss-Qubits sind die natürliche Wahl, wenn starke, lokal einstellbare induktive Kopplungen, hohe Anharmonizität und direkte Hamiltonian-Programmierung gewünscht sind, während Transmons oft bei großskaligen, frequenzgekachelten Prozessoren dominieren.
Gate-basierte Quantenrechner vs. Quanten-Annealer: die Rolle von Fluss-Qubits
Gate-basierte Prozessoren zielen auf universelle Quantengatter, Fehlerkorrektur und algorithmische Breite. Hier wurden Fluss-Qubits vor allem in kleineren Registern eingesetzt, um schnelle Zwei-Qubit-Gates und analoge Simulationsprotokolle zu demonstrieren. Quanten-Annealer dagegen realisieren eine zeitabhängige Hamiltonian-Evolution
\(\hat H(t) = A(t),\hat H_{\mathrm{init}} + B(t),\hat H_{\mathrm{problem}},\)
wobei \(\hat H_{\mathrm{problem}}\) typischerweise ein Ising- oder QUBO-Modell beschreibt. Fluss-Qubits in rf-SQUID-Architektur eignen sich hervorragend dafür, weil lokale Flüsse und Kopplerströme die effektiven Feld- und Kopplungsstärken direkt setzen:
\(\hat H_{\mathrm{Ising}} = -\sum_i h_i \sigma_i^z - \sum_{i Ende der 1990er Jahre wurden supraleitende Schleifen mit Josephson-Kontakten als makroskopische Zwei-Niveau-Systeme vorgeschlagen. Die Kerngleichungen ergeben sich aus der Josephson-Energie \(E_J = (\hbar I_c/2e)\cos\varphi\), der Schleifeninduktivität \(L\) und der Flussquantisierung \(\Phi = L I + \Phi_{\mathrm{ext}} = n\Phi_0 + \delta\Phi\). Aus diesen Zutaten entsteht für die effektive Phasenkoordinate ein Doppelmulden-Potential, dessen Tunnelaufspaltung \(\Delta\) durch die Junction-Parameter und das kapazitive Shunting kontrolliert wird. Das 3JJ-Flussqubit wurde zum Archetyp, weil es eine günstige Balance zwischen Anharmonizität, Tunnelrate und Fabrication-Toleranzen bietet. Frühe 2000er-Experimente demonstrierten Rabi-Oszillationen, Ramsey-Interferometrie und Spin-Echo an einzelnen Fluss-Qubits. Unter resonantem Mikrowellenantrieb gilt für die Anregungswahrscheinlichkeit
\(P_{|1\rangle}(t) = \frac{\Omega_R^2}{\Omega^2}\sin^2!\Big(\frac{\Omega t}{2}\Big), \quad \Omega = \sqrt{\Delta^2 + \delta^2 + \Omega_R^2},\)
wobei \(\delta\) die Antriebsdetuning-Frequenz ist. Das Sichtbarmachen kohärenter Oszillationen in einem makroskopischen System mit Milliarden von Cooper-Paaren war ein wissenschaftlicher Meilenstein und ebnete den Weg für systematische Gate-Experimente. Parallel verbesserten neue Auslesetechniken die Messfidelität: zunächst schaltende dc-SQUIDs, später dispersive Auslese mit gekoppelten Resonatoren und rauscharme Josephson-Parametrische Verstärker. Mit der Verfügbarkeit größerer Arrays aus rf-SQUID-basierten Fluss-Qubits wurden Quanten-Annealer realisiert, die programmierbare Ising-Hamiltonians auf Problemgraphen implementieren. Zentral ist die Fähigkeit, Kopplungen \(J_{ij}\) und lokalen Bias \(h_i\) über tunbare, induktive Koppler und Flux-Lines zu setzen. Die analoge Zeitschaltfunktion \(A(t),B(t)\) bestimmt die Adiabatik der Lösungssuche. Diese Plattform war die erste, die tausend- bis zehntausendfache Qubit-Zahlen physikalisch integrierte, wenn auch mit anderer Zielsetzung als universelle, fehlerkorrigierbare Gate-Prozessoren. Die Empfindlichkeit gegenüber \(1/f\)-Flussrauschen motivierte Varianten, die das Verhältnis von Josephson- zu Ladeenergie sowie die wirksame Induktivität modifizieren. C-Shunt-Flussqubits erhöhen gezielt die Kapazitivität, glätten das Potential und reduzieren Dephasierung, ohne die für schnelle Gates nützliche Anharmonizität vollständig einzubüßen. Fluxonium führt stattdessen eine große effektive Induktivität ein (Superinduktor, etwa durch Ketten vieler kleiner Junctions) und positioniert Betriebsmodi an Sweet Spots mit flussschwacher Dispersion. Dadurch verschiebt sich das Rauschbudget, und längere Kohärenzzeiten werden erreichbar, allerdings bei teils niedrigeren Qubitfrequenzen und komplexerer Mode-Struktur. Mit der Reifung der Technologie wandelte sich der Fokus von der reinen Demonstration kohärenter Dynamik auf architektonische Fragen: systematische Sweet-Spot-Layouts, gradiometrische Schleifen zur Unterdrückung globaler Flussstörungen, skalierbare Koppler mit großer Dynamik, paket- und filterseitige Rauschreduktion sowie verbesserte Materialprozesse zur Minimierung dielektrischer Verluste und Quasiteilchen-Dichten. In Gate-basierten Laborprozessoren etablierten sich charakteristische Zwei-Qubit-Gates (etwa CZ- und iSWAP-Pfade) auf Basis induktiver oder resonatorvermittelter Kopplung; im Annealing-Kontext wurden Koppler-Topologien und Einbettungsverfahren verfeinert, um dichtere Problemgraphen effektiv adressieren zu können. Die Funktionsweise von Fluss-Qubits basiert auf den Prinzipien der Supraleitung, des Josephson-Effekts und der Flussquantisierung. Aus diesen Bausteinen ergibt sich die charakteristische Potentiallandschaft, in der die beiden logischen Zustände als makroskopische Persistenzströme existieren. Ein Josephson-Kontakt besteht aus zwei supraleitenden Elektroden, getrennt durch eine dünne isolierende Barriere, die den Tunnelprozess von Cooper-Paaren erlaubt. Die beiden fundamentalen Beziehungen sind: Die Josephson-Energie der Junction ist definiert als
\(E_J = \frac{\hbar I_c}{2e}\)
und bestimmt die Tiefe des Potentials, das die Phasendynamik der supraleitenden Schleife prägt. In einer supraleitenden Schleife ist der gesamte magnetische Fluss quantisiert in Einheiten des Flussquantums
\(\Phi_0 = \frac{h}{2e}\)
Dies führt zur Bedingung
\(\oint \nabla\varphi \cdot dl = 2\pi n - \frac{2\pi}{\Phi_0}\Phi_{\mathrm{ext}}\)
wobei \(n\) eine ganze Zahl und \(\Phi_{\mathrm{ext}}\) der externe Magnetfluss ist. Die Kombination dieser Quantisierungsbedingung mit den Josephson-Gleichungen führt zu einer gekoppelten Dynamik von Phasen und Strömen in der Schleife. Ein Superconducting Quantum Interference Device (SQUID) besteht aus einer supraleitenden Schleife mit zwei Josephson-Kontakten. Es dient in Fluss-Qubits sowohl als Auslese-Element als auch als einstellbarer Koppler. Der effektive kritische Strom des SQUID hängt vom eingeschlossenen Magnetfluss ab:
\(I_{c,\mathrm{eff}}(\Phi_{\mathrm{ext}}) = 2I_c\left|\cos\left(\frac{\pi\Phi_{\mathrm{ext}}}{\Phi_0}\right)\right|\)
Dadurch wirkt das SQUID als nichtlineare, flussabhängige Induktivität:
\(L_J(\varphi) = \frac{\Phi_0}{2\pi I_c \cos\varphi}\)
Diese nichtlineare Induktivität ist zentral für die Bildung der Doppelmulden-Potentiale im Fluss-Qubit. Ein klassisches 3-Josephson-Junction-Flussqubit lässt sich durch eine effektive Phasenvariable \(\varphi\) beschreiben, deren Potentialform durch die Josephson-Energien und die Schleifeninduktivität entsteht. Für einen äußeren Fluss \(\Phi_{\mathrm{ext}} \approx \Phi_0/2\) ergibt sich ein nahezu symmetrisches Doppelmulden-Potential. Die beiden Mulden entsprechen Zuständen mit entgegengesetztem Persistenzstrom \(\pm I_p\). Quantentunnelprozesse ermöglichen Übergänge zwischen den beiden Mulden. Das resultierende effektive Zwei-Niveau-System hat die Energieniveaus:
\(E_{01} = \sqrt{\varepsilon^2 + \Delta^2}\)
Hierbei ist
\(\varepsilon(\Phi) \approx 2I_p\left(\Phi_{\mathrm{ext}} - \frac{\Phi_0}{2}\right)\)
die Flussabhängigkeit der Energiedifferenz zwischen den klassischen Stromzuständen, und \(\Delta\) ist die Tunnelaufspaltung am Symmetriepunkt. Der Sweet Spot ist der Arbeitspunkt \(\Phi_{\mathrm{ext}} = \Phi_0/2\), an dem \(\varepsilon = 0\) und damit
\(\frac{\partial E_{01}}{\partial \Phi} = 0\)
In diesem Punkt ist das Qubit in erster Ordnung unempfindlich gegenüber langsamem Flussrauschen, was die Kohärenzzeit deutlich verbessert. Von hier aus können Mikrowellenpulse genutzt werden, um gezielt Rabi-Oszillationen zwischen den Zuständen zu induzieren. In der Basis der beiden klassischen Stromrichtungen \({|{\circlearrowleft}\rangle, |{\circlearrowright}\rangle}\) beschreibt das effektive Zwei-Niveau-Hamiltonian das Fluss-Qubit als:
\(\hat{H} = -\frac{1}{2}\left[ \varepsilon(\Phi),\sigma_z + \Delta,\sigma_x \right]\)
Hierbei steht \(\sigma_z\) für die Energiedifferenz der beiden Persistenzstromzustände und \(\sigma_x\) für die Tunnelkopplung zwischen ihnen. Mit Antriebsterme lässt sich das gesteuerte Hamiltonian schreiben als:
\(\hat{H}(t) = -\frac{1}{2}\left[ \varepsilon(\Phi),\sigma_z + \Delta,\sigma_x \right] + A(t)\cos(\omega t + \phi),\sigma_x\)
wobei \(A(t)\) die zeitabhängige Antriebsamplitude und \(\omega\) die Antriebsfrequenz ist. Die gezielte Wahl von \(A(t)\) und \(\omega\) erlaubt die Realisierung aller benötigten Ein-Qubit-Gatteroperationen. Die konkrete Ausführung eines Fluss-Qubits bestimmt maßgeblich seine Betriebsfrequenz, Kohärenzeigenschaften, Kopplungsstärken und Rauschanfälligkeit. Verschiedene Topologien haben sich etabliert, die jeweils für bestimmte Anwendungen – von Gate-basierten Architekturen bis zu Quanten-Annealern – optimiert sind. Das klassische 3JJ-Flussqubit besteht aus einer supraleitenden Schleife, die von drei Josephson-Kontakten unterbrochen wird. Zwei Junctions sind identisch mit kritischem Strom \(I_c\), während die dritte etwas kleiner dimensioniert ist (\(\alpha I_c\) mit \(0.5 < \alpha < 1\)). Diese Asymmetrie schafft ein asymmetrisches Doppelmulden-Potential, das eine stabile Tunnelaufspaltung ermöglicht. Typische Parameter: Bei Betrieb im Sweet Spot liegen die Qubit-Übergangsfrequenzen oft zwischen 4 und 12 GHz. Durch gezielte Wahl von \(\alpha\) und der Junction-Flächen kann man Frequenz und Anharmonizität an gewünschte Betriebsbedingungen anpassen. Ein rf-SQUID besteht aus einer supraleitenden Schleife mit nur einem Josephson-Kontakt und einer ausgeprägten Schleifeninduktivität. Je nach Verhältnis von \(\beta_L = 2\pi L I_c / \Phi_0\) kann das Potential monostabil (\(\beta_L < 1\)) oder bistabil (\(\beta_L > 1\)) sein. In Quanten-Annealern wird die rf-SQUID-Architektur bevorzugt, da sie eine einfache, stark induktiv gekoppelbare Struktur bietet und gut mit Flux-Lines steuerbar ist. Die Tunnelbarriere und damit \(\Delta\) lässt sich durch einen im SQUID integrierten zweiten, kleinen SQUID („CCJJ“) einstellbar machen. Gradiometrische Schleifen bestehen aus zwei entgegengesetzt gewickelten Schleifenhälften, sodass uniformes Störfeldrauschen (z. B. durch Umgebungsfelder) sich weitgehend kompensiert. Dieses Design reduziert globales Flussrauschen und erhöht die Stabilität am Sweet Spot. Das C-Shunt-Flussqubit fügt große Parallelkapazitäten zu den Josephson-Kontakten hinzu. Dies erhöht die effektive Masse der Phasenvariable, glättet das Potential und senkt die Empfindlichkeit gegenüber hochfrequentem Rauschen. Gleichzeitig bleibt die Anharmonizität höher als bei Transmons. Fluxonium ersetzt die kleine Schleifeninduktivität des klassischen Flussqubits durch eine sehr große „Superinduktivität“, realisiert durch eine Serie vieler kleiner Josephson-Kontakte. Diese Anordnung erhöht die Induktivität um Größenordnungen gegenüber klassischen Designs. Die große Induktivität führt zu einer starken Anharmonizität und verschiebt die Betriebsfrequenzen oft in den Bereich von 0,5 bis 2 GHz. Dies kann die Kopplung zu thermischen Anregungen reduzieren, erfordert jedoch sehr rauscharme Messumgebungen. Fluxonium bietet oft längere Kohärenzzeiten und besseren Schutz gegen Flussrauschen, ist aber komplexer zu fertigen und benötigt mehr Chipfläche. Für skalierbare Architekturen muss das erhöhte Design- und Steuerungsaufkommen berücksichtigt werden. Die präzise Steuerung und zuverlässige Auslese sind entscheidend für die Leistungsfähigkeit von Fluss-Qubits. Aufgrund ihrer starken Kopplung an magnetischen Fluss werden sie sowohl über resonante Mikrowellenantriebe als auch über quasistatische Fluss-Bias-Leitungen kontrolliert. Die Auslese kann auf verschiedenen Prinzipien beruhen – vom schaltenden DC-SQUID bis zur rauscharmer dispersiven Messung. Die Ein-Qubit-Steuerung erfolgt meist durch resonante Mikrowellenpulse, die über Kopplungsleitungen in das Qubit eingekoppelt werden. Diese Pulse realisieren Rotationen in der x-y-Ebene der Bloch-Kugel. Ein ideal resonanter, rechteckförmiger Puls der Dauer \(t_p\) und Amplitude \(A\) erzeugt eine Rotation um den Winkel \(\theta = \Omega_R t_p\), wobei \(\Omega_R\) die Rabi-Frequenz ist. Zur Minimierung von Anregungen in höhere Energieniveaus wird oft die DRAG-Technik (Derivative Removal by Adiabatic Gate) eingesetzt. Hierbei erhält der Puls eine Korrekturkomponente in Quadraturphase, die das Leckage-Niveau kompensiert. Ein DRAG-Puls hat die Form:
\(I(t) = A \cdot f(t), \quad Q(t) = \beta \frac{df(t)}{dt}\)
wobei \(f(t)\) eine glatte Pulsform (z. B. Gauß oder cos²) ist und \(\beta\) der DRAG-Korrekturfaktor. Rotationen um die z-Achse werden besonders effizient durch eine temporäre Verschiebung des Arbeitsflusses \(\Phi_{\mathrm{ext}}\) realisiert. Eine kleine Abweichung vom Sweet Spot ändert die Energie \(E_{01}\) und akkumuliert eine Phasenverschiebung:
\(\phi_z = \frac{1}{\hbar} \int \delta E_{01}(t) , dt\)
Da keine resonante Anregung notwendig ist, sind solche Z-Rotationen extrem schnell und nahezu verlustfrei. Die Kalibrierung erfolgt typischerweise in drei Schritten: In frühen Fluss-Qubit-Experimenten erfolgte die Auslese über ein schaltendes DC-SQUID, das an das Qubit gekoppelt ist. Der Persistenzstromzustand des Qubits verschiebt den kritischen Strom des SQUIDs. Wird ein Bias-Strom durch das SQUID erhöht, so „schaltet“ es bei einer flussabhängigen Schwelle in den normalen Widerstandszustand. Vorteile: Moderne Auslese verwendet oft einen supraleitenden Resonator, der induktiv mit dem Fluss-Qubit gekoppelt ist. Im dispersiven Regime ist das Qubit vom Resonator weit detuned, was eine frequenzabhängige Verschiebung des Resonators bewirkt:
\(\omega_r' = \omega_r + \chi \sigma_z\)
wobei \(\chi\) die dispersive Kopplung ist. Ein Messsignal nahe \(\omega_r\) wird in Phase und Amplitude abhängig vom Qubit-Zustand moduliert. Vorteile: Zur Erhöhung der Messfidelität kommen rauscharme, supraleitende Verstärker zum Einsatz: Die Kombination aus dispersiver Messung und quantenlimitierten Verstärkern ermöglicht Messfidelitäten >99 % bei Messzeiten unter 200 ns. Die Leistungsfähigkeit eines Fluss-Qubits wird maßgeblich durch Rauschquellen und dissipative Prozesse begrenzt. Diese bestimmen sowohl die Energie-Lebensdauer \(T_1\) als auch die Kohärenzzeit \(T_2\), welche die Verfügbarkeit für fehlerarme Quantenoperationen direkt beeinflussen. Die dominierende Dephasierungsquelle in Fluss-Qubits ist niederfrequentes magnetisches Rauschen mit einem Spektrum \(S_\Phi(f) \propto 1/f^\alpha\), typischerweise mit \(\alpha \approx 1\). Es entsteht vor allem durch: Zur Charakterisierung von Flussrauschen werden verschiedene Messmethoden eingesetzt: Im Arbeitspunkt fern vom Sweet Spot führt Flussrauschen zu einer linearen Empfindlichkeit \(\partial E_{01} / \partial \Phi \neq 0\), wodurch selbst kleine Schwankungen eine schnelle Dephasierung verursachen. Im Sweet Spot reduziert sich der Einfluss auf höhere Ordnungen, was \(T_2\) deutlich verlängert. Die Energie kann in verlustbehaftete Dielektrika im Substrat oder in der Oxidschicht der Josephson-Kontakte abfließen. Solche Verluste werden oft durch die Tangens-Delta-Verlustzahl \(\tan\delta\) beschrieben. Die dominanten Verlustorte sind: Gebrochene Cooper-Paare (Quasiteilchen) können durch thermische Anregung, kosmische Strahlung oder Strahlung aus dem Messsystem entstehen. Sie tunneln durch die Junctions und führen zu Relaxationsprozessen. Ihre Dichte \(x_{qp}\) ist stark temperaturabhängig und kann durch Quasiteilchenfallen (z. B. normalleitende Inseln) reduziert werden. Kopplung an nicht gewünschte Moden (z. B. Paketresonanzen, Leitungseffekte) kann Energie aus dem Qubit abstrahlen. Effektive Filter, Absorber und elektromagnetische Abschirmungen sind nötig, um diese Pfade zu blockieren. Langsame Drifts im externen Magnetfluss oder im lokalen Feld verschieben die Qubitfrequenz und erzeugen Phasenrauschen. Besonders kritisch sind Fluktuationen nahe der Inversionssymmetrie, wo kleine Änderungen über die zweite Ableitung wirken. Fluktuationen des kritischen Stroms \(I_c\) in den Josephson-Kontakten modulieren die Josephson-Energie \(E_J\) und damit indirekt die Qubitfrequenz. Diese Prozesse können aus Materialalterung, Defektumschaltungen oder Mikroskopischen Zwei-Niveau-Systemen (TLS) resultieren. Durch Betrieb bei \(\Phi_{\mathrm{ext}} = \Phi_0/2\) wird die lineare Kopplung an Flussrauschen unterdrückt, wodurch \(T_2\) oft nahe \(2T_1\) kommt. Allerdings verbleiben Dephasierungseinflüsse höherer Ordnung sowie andere Rauschquellen. Sequenzen wie CPMG, XY-8 oder Uhrwerk-artige Pulsfolgen verlängern \(T_2\), indem sie spektral selektiv Rauschkomponenten herausfiltern. Die Wahl der Sequenz hängt vom Spektrum des dominanten Rauschkanals ab. Die Stärke, Form und Steuerbarkeit der Kopplung bestimmen, wie schnell und fehlerarm sich Entanglement erzeugen lässt. Bei Fluss-Qubits stehen dafür vor allem induktive Koppler, resonatorvermittelte Wechselwirkungen und parametrisierte Modulationen zur Verfügung. Entscheidend sind neben der Ziel-Kopplungsrate auch Linearität, Nebenkopplungen und die Unterdrückung von Leakage. Zwei Fluss-Qubits koppeln über eine gegenseitige Induktivität M, die die Persistenzströme verknüpft. In der Persistenzstrom-Basis ergibt sich im einfachsten Modell
\(\hat H_{\text{int}} \approx M, I_{p,1}, I_{p,2}; \sigma_z^{(1)} \sigma_z^{(2)}.\)
Der Betrag der Kopplung skaliert mit den Persistenzströmen und der Geometrie der Schleifen. Feste, rein geometrische Koppler nutzen die statische gegenseitige Induktivität der Leitungen. Vorteile sind Einfachheit und geringe Komplexität; Nachteile sind fehlende Abschaltbarkeit und potenzieller Crosstalk. Frequenz-Detuning kann die effektive Austauschwechselwirkung verringern, aber statische ZZ-Verschiebungen bleiben bestehen. Ein rf-SQUID zwischen den Qubits dient als fluss-tunbarer Koppler mit effektiver, durch Fluss steuerbarer Suszeptibilität. In linearer Näherung
\(J(\Phi_c) \propto \frac{\partial I_{\text{circ}}}{\partial \Phi_c},\)
wobei \(\Phi_c\) der Koppler-Flux ist. Über CCJJ-Elemente lässt sich der effektive kritische Strom und damit das Vorzeichen und der Betrag der Kopplung einstellen, bis hin zu nahezu kompletter Abschaltung. In der Qubit-Eigenbasis resultiert daraus je nach Detuning eine Mischung aus ZZ- und Austauschanteilen. Ein gemeinsamer Resonator koppelt an zwei Qubits mit Raten \(g_1, g_2\):
\(\hat H/\hbar = \omega_r a^\dagger a + \sum_{j=1}^2 \frac{\omega_j}{2}\sigma_z^{(j)} + \sum_{j=1}^2 g_j (a + a^\dagger)\sigma_x^{(j)}.\)
Im dispersiven Regime mit \(\Delta_j = \omega_j - \omega_r\) und \(|\Delta_j| \gg g_j\) ergibt sich nach Eliminierung des Resonators ein effektives Qubit-Qubit-Hamiltonian
\(\hat H_{\text{eff}}/\hbar \approx \sum_{j} \chi_j, a^\dagger a, \sigma_z^{(j)} + J_{\text{ex}} \left(\sigma_+^{(1)}\sigma_-^{(2)} + \sigma_-^{(1)}\sigma_+^{(2)}\right) + \zeta, \sigma_z^{(1)}\sigma_z^{(2)},\)
wobei
\(J_{\text{ex}} \approx \frac{g_1 g_2}{2}\left(\frac{1}{\Delta_1} + \frac{1}{\Delta_2}\right)\)
und \(\zeta\) eine vom Dispersionsregime abhängige ZZ-Verschiebung ist. In geeigneter Basiswahl und Detuning-Konfiguration lässt sich die effektive Wechselwirkung in eine dominante ZZ- oder XX-Form bringen. Für Fluss-Qubits, die induktiv an den Resonator gekoppelt sind, ist die Eigenbasis so gewählt, dass die transversale Komponente \(\sigma_x\) stark an den Resonator koppelt, während \(\sigma_z\) die frequenzverschiebende Dispersivität steuert. So erhält man je nach Gate-Protokoll primär ZZ-Phasen oder Austauschterm für iSWAP-artige Operationen. Durch zeitabhängige Flussmodulation wird eine Frequenz- bzw. Kopplungsmodulation erzeugt:
\(\omega_j(t) = \omega_{j,0} + \lambda_j \delta \Phi_j \cos(\omega_m t + \phi).\)
Wählt man \(\omega_m \approx |\omega_1 - \omega_2|\), aktiviert dies resonanten Austausch
\(\hat H_{m}/\hbar \approx g_{\text{eff}} \left(\sigma_+^{(1)}\sigma_-^{(2)} + \text{h.c.}\right), \quad g_{\text{eff}} \propto \left.\frac{\partial J}{\partial \Phi}\right|{\Phi_0}\delta \Phi.\)
Für CZ-Gates wird die Modulation so gewählt, dass eine gezielte, zeitintegrierte ZZ-Phase akkumuliert:
\(\phi{ZZ} = \int \zeta(t), dt \approx \pi \quad \text{(für ein CZ)}.\) Ein CZ-Gate realisiert eine bedingte Phasenrotation:
\(\hat U_{\text{CZ}} = \exp\left(-i \frac{\pi}{4} (I - \sigma_z^{(1)})(I - \sigma_z^{(2)})\right).\)
Implementationen: Das iSWAP-Gate entspricht einem vollen Austausch:
\(\hat U_{\text{iSWAP}} = \exp\left(-i \frac{\pi}{2} (\sigma_x^{(1)}\sigma_x^{(2)} + \sigma_y^{(1)}\sigma_y^{(2)})/2\right),\)
was sich mit resonantem Austausch \(J_{\text{ex}}\) in Zeit \(t_g = \pi/(2J_{\text{ex}})\) realisieren lässt. Parametrische Sideband-Aktivierung oder resonatorvermittelte Kopplung sind hierfür gängige Pfade. Die CNOT entsteht aus CZ plus Ein-Qubit-Rotationen:
\(\text{CNOT}_{1\rightarrow 2} = (I \otimes R_x^{(2)}(-\tfrac{\pi}{2})) \cdot \text{CZ} \cdot (I \otimes R_x^{(2)}(\tfrac{\pi}{2})).\)
Mit schnellen Z-Rotationen per DC-Flux lässt sich die Gesamtdauer weiter reduzieren, da Phasen oft als virtuelle Z-Gates eingebucht werden:
\(R_z(\phi) \equiv \text{Phase-Frame-Update}.\) Fluss-Qubits besitzen hohe Anharmonizität, dennoch können schnelle, harte Pulse Übergänge in \(|2\rangle\) und höher auslösen. Gegenmaßnahmen: Der Leistungsraum supraleitender Qubits wird im Wesentlichen durch Anharmonizität, Frequenz-Tuning und Sweet-Spot-Breite auf der einen sowie durch Fertigungsaufwand, Parameterstreuung und Layout-Skalierbarkeit auf der anderen Seite aufgespannt. Fluss-Qubits, Transmons, Phase-Qubits und Fluxonium belegen darin unterschiedliche Nischen. Die Anharmonizität ist definiert als \(\alpha = \omega_{12} - \omega_{01}\) und bestimmt, wie gut sich Ein-Qubit-Pulse selektiv auf den Rechenübergang \(|0\rangle \leftrightarrow |1\rangle\) beschränken lassen. Zur Verortung typischer Skalen beim Transmon:
\(\omega_{01} \approx \sqrt{8 E_J E_C}/\hbar - E_C/\hbar, \quad \alpha \approx -E_C/\hbar.\)
Beim Fluss-Qubit dominiert am Sweet Spot die Tunnelaufspaltung \(\Delta\) mit
\(\hbar\omega_{01} \approx \Delta, \quad E_{01}(\Phi) = \sqrt{\Delta^2 + \varepsilon(\Phi)^2}.\) Ein praktischer Vergleich: Fluss-Qubits punkten mit ultraschnellen Z-Rotationen via \(\varepsilon(\Phi)\) und feinem, dynamischem Frequenz-Management; Transmons bevorzugen virtuelle Z-Gates durch Phasenrahmen-Updates und kompensieren die kleinere Anharmonizität mit ausgereifter Pulsformung. Unterm Strich sind Transmons am tolerantesten gegen Junction-Streuung, Fluss-Qubits erfordern enge Kontrollen über \(\alpha\) und Induktivitäten, Fluxonium verlangt konstante Parameter über viele Serien-Elemente. Wenn hohe induktive Kopplungsraten gefordert sind, spielen Fluss-Qubits ihre Stärken aus. Der native ZZ-Term
\(\hat H_{\text{int}} \sim M, I_{p,1} I_{p,2}, \sigma_z^{(1)}\sigma_z^{(2)}\)
ermöglicht kurze CZ-Dauern. Über tunbare rf-SQUID- oder CCJJ-Koppler lässt sich das Vorzeichen und der Betrag dynamisch einstellen, bis hin zur nahezu kompletten Abschaltung. Für adiabatische und quantenannealing-nahe Protokolle, die ein Ising- oder QUBO-Modell benötigen, sind Fluss-Qubits besonders natürlich:
\(\hat H_{\text{Ising}} = -\sum_i h_i \sigma_i^z - \sum_{i Bei analogen Simulationen stark korrelierter Modelle sind große, lokal steuerbare ZZ-Netzwerke und parametrisierbare Austauschwechselwirkungen nützlich. Fluss-Qubits erlauben beides: einerseits native ZZ-Kopplungen, andererseits via parametrischer Modulation aktivierbare XX/XY-Terme, etwa durch
\(\omega_j(t) = \omega_{j,0} + \lambda_j \delta \Phi_j \cos(\omega_m t).\)
Damit lassen sich effektive Heisenberg-nahe Hamiltonians oder stückweise zeitabhängige Hamiltonians für Floquet-Engineering konstruieren. Anwendungen, die schnelle Kalibrier-Loops, dynamische Frequenz-Kachelung oder aktive Fehlerunterdrückung via Frequenz-Flattern verlangen, profitieren von der direkten Flusssteuerung. Echte Z-Rotationen werden als deterministische Phasenakkumulation realisiert:
\(\phi_z = \hbar^{-1}\int \delta E_{01}(t), dt,\)
ohne dass ein Mikrowellenpuls nötig ist. Das reduziert Steuerlast und Pulsüberlappungen in dichten Gate-Sequenzen. In Gitterarchitekturen, in denen Koppler und Qubits simultan an Sweet Spots betrieben werden sollen, lassen sich Fluss-Qubit-Layouts so wählen, dass Kopplerflüsse im rauscharmen Fenster schalten, während Qubits nahe \(\Phi_0/2\) bleiben. Das verringert Crosstalk-sensible Ableitungen und stabilisiert lange Sequenzen. Fluss-Qubits sind die richtige Wahl, wenn starke, tunbare induktive Kopplungen, hohe Anharmonizität und direkte Hamiltonian-Programmierung im Vordergrund stehen. Für breit skalierte, frequenzgekachelte Universalprozessoren bieten Transmons die derzeit reifste Pipeline, während Fluxonium mit tieffrequenten, hochkohärenten Betriebsmodi punktet. Die optimale Technologie hängt somit von der Zielmetrik ab: Gate-Tempo und Kopplungsagilität sprechen für Fluss, maximale Kohärenz über große Arrays eher für Transmon oder Fluxonium. Die Skalierung von Fluss-Qubits vom Laborchip zum komplexen Prozessor erfordert eine durchdachte Verknüpfung aus Layout, Verdrahtung, Package und Abschirmung. Ziel ist, hohe Kopplungsraten und saubere Steuerbarkeit mit minimalem Crosstalk, stabilen Sweet Spots und verlässlicher Thermik zu kombinieren. Fluss-Qubits werden oft als Kachelmuster mit nächster Nachbarschaft angeordnet. Der Kopplungsgraph definiert, welche Qubits über fixe oder tunbare Koppler verbunden sind. Für das Layout gilt: kurze Kopplerpfade für hohe Kopplungsenergie, genügend Abstand einerseits zur Reduktion parasitärer M-Wege, andererseits ausreichende Dichte für nützliche Konnektivität. Die induktive Kopplungsmatrix folgt näherungsweise
\(\Phi_i = \sum_j M_{ij}, I_j,\)
wobei \(M_{ij}\) die gegenseitige Induktivität zwischen Leiterschleifen ist. Das Layout-Problem reduziert sich auf die Ko-Optimierung von \(M_{ij}\) (gewollt) und parasitären \(M_{ik}\) (ungewollt). Jedes Fluss-Qubit benötigt typischerweise eine schnelle, lokale Flux-Line für Z-Steuerung und Tuning. Die gewünschte Empfindlichkeit lässt sich als Frequenz-Fluss-Koeffizient formulieren:
\(\frac{\partial \omega_{01}}{\partial \Phi} \approx \frac{\varepsilon}{\hbar,\sqrt{\varepsilon^2+\Delta^2}}\cdot 2 I_p.\)
Für die Linienführung gilt: so nah wie nötig für Wirkungsgrad, so orthogonal wie möglich zur Schleifenfläche benachbarter Qubits zur Crosstalk-Reduktion. Meander-Geometrien und gradiometrische Schleifen helfen, die lokale Feldverteilung zu formen. Mikrowellenleitungen werden als koplanare Wellenleiter oder Striplines umgesetzt. Die Impedanzkontrolle erfolgt über
\(Z_0 = \sqrt{\frac{L'}{C'}},\)
wobei \(L'\) und \(C'\) Längeninduktivität bzw. -kapazität sind. Kritisch ist ein niederinduktiver Rückstrompfad; unterbrochene Masseflächen erzeugen Slotline-Moden und erhöhen Strahlungsverluste. Luftbrücken oder Crossovers verbinden die Massehälften, unterdrücken Moden und stabilisieren das Feldprofil. Leitungsübergänge (Bond, Bump) werden feldgeführt designt, um Reflexionen und ungewollte Abstrahlung zu minimieren. Mit wachsender Qubit-Zahl verschiebt sich Steuerung und Auslese zunehmend in die dritte Dimension. Interposer, Through-Silicon-Vias und Bump-Bonding erlauben vertikale Zuführungen, entflechten Leitungen und senken die On-Chip-Flächenlast. Vorteile: kürzere Steuerwege, weniger Übersprechen, skalierbare Fächerung von Leitungen. Herausforderung: zusätzliche Verlustkanäle durch Übergänge und mechanische Spannungen. Die Designregel lautet, hochfrequente Ströme früh zu erden und Rückströme über dedizierte, niederinduktive TSVs zu führen. Lokale Abschirmflächen (superleitende Caps, Ground-Cages) reduzieren Strahlungseinträge. Fenster über Kopplern definieren gezielt die Feldlinien, während Qubit-Schleifen teilverschattet werden. Eine einfache Entwurfsheuristik: maximieren der Feldkonzentration zwischen den zu koppelnden Elementen, minimieren der Feldüberlappung zu allem anderen. Magnetische Ruhe ist für Fluss-Qubits essenziell. Eine Kaskade aus weichmagnetischen und supraleitenden Schalen erzeugt hohe Gesamtabschirmfaktoren:
\(S_{\text{gesamt}} \approx \prod_{k=1}^{N} S_k.\)
Die Reihenfolge folgt dem Prinzip: Raumtemperatur-Schirmung (Breitband), tieftemperierte supraleitende Schirme (starke DC/Low-f Suppression), Chip-nahe Mini-Schirme (Hochfrequenz). Flux-Traps in den Schirmen fangen Wirbel ein; kontrolliertes Abkühlen im schwachen Feld verhindert unkontrollierte Einfrierung. Jede Koaxleitung wird stufenweise bedämpft und gefiltert, um thermisches und breitbandiges Rauschen zu dämpfen. Die effektive Rauschtemperatur hinter einer Dämpfung \(A>1\) an einem physikalischen Temperaturniveau \(T_{\text{phys}}\) ist näherungsweise
\(T_{\text{out}} \approx \frac{T_{\text{in}}}{A} + \left(1 - \frac{1}{A}\right) T_{\text{phys}}.\)
Für die Besetzungszahl eines Modus bei Frequenz \(\omega\) gilt
\(\bar n(T) = \frac{1}{\exp(\hbar\omega/k_B T) - 1}.\)
Daraus folgt: tiefe Stufen (mK) benötigen hohe Dämpfung, um hochtemperierte Photonen aus oberen Stufen fernzuhalten; zusätzlich wirken Tiefpässe, E/IR-Absorber und Resonanzfallen gegen Leckpfade. Infrarote Photonen und kosmische Ereignisse erzeugen Quasiteilchen, die \(T_1\) degradieren. Package-seitig helfen absorbierende Einsätze, Labyrinthe und Kantenabsorber gegen stehende Moden. Chip-seitig binden normalmetallische Inseln Quasiteilchen. Resonator- und Hohlraumgeometrien werden so gewählt, dass unerwünschte Moden oberhalb der Arbeitsbänder liegen. Attenuatoren, Filter und Verstärker werden mechanisch massiv an die jeweilige Temperaturstufe gekoppelt. Der stationäre Wärmestrom folgt
\(\dot Q = \kappa(T),\frac{A}{\ell},\Delta T,\)
wobei \(\kappa(T)\) die temperaturabhängige Wärmeleitfähigkeit, \(A\) Querschnitt und \(\ell\) die Länge ist. Praktisch heißt das: kurze, breite thermische Brücken, weiche HF-Kabel mit definierten Wärmeabgriffen, und Minimierung aktiver Komponenten auf der mK-Stufe. Orthogonale Schleifenorientierungen, ausreichende Abstände und gezielte Abschirmflächen minimieren unerwünschte \(M_{ij}\). Leitungen werden mit Rückstromführung verlegt, Durchführungen symmetrisch platziert. Wo möglich, werden empfindliche Elemente hinter Kopplerfenstern „versteckt“. Qubit- und Resonatorfrequenzen werden so gekachelt, dass keine nahe liegenden Mehrphotonen- oder Nebenbandresonanzen auftreten. Eine praktische Designregel ist
\(|\omega_i - \omega_j| > \Delta_{\text{safe}},\)
wobei \(\Delta_{\text{safe}}\) aus maximaler Gatebandbreite und Anharmonizität abgeleitet wird. Frequenzreservoirs ermöglichen Nachkalibrierung nach der Fertigung. Da jede Flux-Line mehrere Qubits schwach beeinflusst, lässt sich eine Kopplungsmatrix ermitteln, die die Sensitivitäten beschreibt. Für Zielflüsse \(\vec\Phi_{\text{target}}\) und gemessene Matrix \(M\) gilt:
\(\vec I_{\text{opt}} = M^{-1},\vec\Phi_{\text{target}}.\)
In der Praxis wird \(M\) regelmäßig neu vermessen; Feedforward kompensiert Drifts und reduziert Crosstalk bei schnellen Pulsfolgen. Saubere Pulsformen mit begrenzter Bandbreite, DRAG-Korrekturen und Fensterfunktionen minimieren spektrales Überschwingen. Digitale Vorentzerrung gleicht Leitungsdispersivität aus. Virtuelle Z-Rotationen sparen reale Pulse und verringern Übersprechchancen. Tunbare Koppler werden in rauscharmen Fenstern betrieben; inaktive Koppler parkt man bei minimaler Sensitivität. Qubits werden für Wartephasen an Frequenzen geparkt, die weit von Nebenresonanzen und Nachbarn entfernt sind, um passives ZZ und Drive-By-Excitation zu reduzieren. Fluss-Qubits haben durch ihre starke induktive Kopplung, hohe Anharmonizität und direkte Flusssteuerung ein breites Anwendungsspektrum – vom gate-basierten Prototyping über großskalige Quanten-Annealer bis hin zu Spezialaufgaben in der Quantenmetrologie. In frühen gate-basierten Supraleiterexperimenten wurden Fluss-Qubits in kleinen Registern von zwei bis acht Qubits eingesetzt. Diese dienten als Testplattformen für grundlegende Entanglement-Operationen, z. B. Bell-Zustände, GHZ-Präparation und einfache Quantenalgorithmen wie die Implementierung des Deutsch-Jozsa- oder Grover-Algorithmus. Fluss-Qubits eignen sich auch für analoge Simulationen, bei denen ein Hamiltonian kontinuierlich angepasst wird, um einen Zielzustand zu erreichen. Dabei wird das Zeitprofil der Parameter \(\varepsilon(t)\) und \(\Delta(t)\) so gewählt, dass die adiabatische Bedingung erfüllt bleibt:
\(\left|\frac{\langle m(t) | \dot{H}(t) | n(t) \rangle}{(E_m(t) - E_n(t))^2}\right| \ll 1.\)
Dies ermöglicht z. B. Simulationen von Spinmodellen oder Quantenphasenübergängen. Das Quantum Approximate Optimization Algorithm (QAOA) benötigt abwechselnde Anwendung von Problem- und Mixer-Hamiltonians. Fluss-Qubits können den Ising-Problemteil nativ darstellen:
\(\hat H_{\text{problem}} = -\sum_i h_i \sigma_z^{(i)} - \sum_{i Quanten-Annealer auf Basis von Fluss-Qubits nutzen induktiv gekoppelte rf-SQUID- oder CCJJ-Koppler, um die Ising-Kopplungen \(J_{ij}\) in situ einzustellen. Durch Steuerung der Kopplerflüsse kann das Vorzeichen und der Betrag der Kopplung während des Annealing-Prozesses variiert werden. Komplexe Probleme müssen oft in die native Koppler-Topologie (z. B. Chimera- oder Pegasus-Graph) eingebettet werden. Das Embedding repliziert logische Spins auf Ketten physikalischer Qubits, die über starke Ferromagnetkopplungen synchronisiert werden. Der Embedding-Overhead kann hoch sein; Fluss-Qubits mit starken und schnell anpassbaren Kopplungen helfen, diesen zu minimieren. Leistungskriterien für Annealer umfassen: Fluss-Qubits sind von Natur aus hochsensitive magnetische Sensoren – verwandt mit SQUIDs, aber mit diskreten, kohärenten Zuständen. Sie können schwache magnetische Flüsse im Bereich von Bruchteilen \(\Phi_0\) erfassen. Ihre Empfindlichkeit wird durch die Ableitung \(\partial E_{01} / \partial \Phi\) bestimmt, die außerhalb des Sweet Spots besonders hoch ist. In geeigneten Konfigurationen lassen sich Fluss-Qubits so betreiben, dass kleine Flussänderungen direkte Frequenzverschiebungen verursachen. Durch Auswertung von Ramsey- oder Dispersivmessungen können Magnetfelder mit hoher spektraler Empfindlichkeit detektiert werden:
\(\delta B_{\text{min}} \approx \frac{\delta \omega_{01}}{\gamma,A_{\text{loop}}},\)
wobei \(\gamma\) die gyromagnetische Kopplung und \(A_{\text{loop}}\) die Schleifenfläche ist. Auch innerhalb von Quantenprozessoren kann die Sensing-Funktion genutzt werden: Die Materialwahl und die Präzision der Fertigung bestimmen maßgeblich Kohärenzzeiten, Stabilität und Reproduzierbarkeit von Fluss-Qubits. Grenzflächenqualität, Parameterhomogenität und Fertigungsprozesse haben direkten Einfluss auf Rauschpegel, Verlustkanäle und Ausbeute. Die am weitesten verbreitete Technologie für supraleitende Qubits basiert auf Aluminium als Supraleiter und einer ultradünnen Oxidschicht (AlOx) als Tunnelbarriere. Vorteile: Grenzflächenkontrolle ist kritisch: Oxidqualität und Kontaminationen an Metall-Dielektrikum-Grenzen beeinflussen direkt die Verlustzahl \(\tan\delta\) und damit \(T_1\). Niob bietet eine höhere kritische Temperatur (\(T_c \approx 9.2,\mathrm{K}\)) und ermöglicht größere kritische Ströme. Vorteile: Plasma- und Nassreinigungsprozesse vor Metallisierung reduzieren Oberflächenverunreinigungen und organische Rückstände. Passivierungen wie getemperte Oxidschichten oder Schutzpolymere können die Bildung paramagnetischer Oberflächen-Spins mindern, die Flussrauschen verursachen. Für fluxsensitive Designs wie Fluxonium oder stark shuntende Fluss-Qubits sind große Induktivitäten notwendig. Zwei etablierte Realisierungen: Der kritische Strom \(I_c\) einer Josephson-Junction hängt stark von der effektiven Fläche und der Barrierenqualität ab:
\(I_c R_N \approx \frac{\pi \Delta_{\text{sc}}}{2e} \tanh\left(\frac{\Delta_{\text{sc}}}{2k_B T}\right).\)
Abweichungen in Lithografie und Oxidationsbedingungen führen zu Frequenzspreizungen in Qubit-Arrays. Präzise Kontrolle der Belichtungs- und Oxidationsparameter reduziert die Varianz. Die effektive Kapazität in der Qubit-Schaltung setzt sich aus den Junction-Eigenkapazitäten und parasitären Geometriekapazitäten zusammen. Änderungen von wenigen Prozent können die Qubitfrequenz signifikant verschieben. Prozesskontrolle erfordert hier reproduzierbare Dielektrikabeschichtungen und exakte Metallstrukturierung. Begleitende Teststrukturen auf dem Wafer, etwa Einzeljunctions, Resonatoren und CPWs, ermöglichen die schnelle Charakterisierung von Verlusten, \(I_c\)-Verteilung und Oberflächenqualität. Über „Process Control Monitors“ (PCM) werden Kennlinien über den gesamten Wafer hinweg erfasst. Langfristige Prozessstabilität wird durch SPC-Methoden überwacht: Streuungsdiagramme, Mittelwert-Trends und Prozessfähigkeitsindizes zeigen frühzeitig Abweichungen. Ziel ist ein Yield nahe 100 % für funktionale Qubits, wobei enge Spezifikationen für \(\alpha\), \(I_p\) und \(\Delta\) eingehalten werden müssen. Der Control-Stack für Fluss-Qubits muss nicht nur hochpräzise Mikrowellen- und Flux-Steuerung bereitstellen, sondern auch eine flexible Softwareebene für Kalibrierung, Driftkorrektur und Charakterisierung bieten. Die enge Verzahnung von Hardware- und Software-Elementen entscheidet über Gate-Fidelität, Kohärenzerhalt und Betriebsskalierbarkeit. Zur Realisierung präziser Qubit-Operationen werden Arbitrary Waveform Generators (AWGs) eingesetzt, die Mikrowellenimpulse mit Amplituden- und Phasenmodulation erzeugen. Für Ein-Qubit-Gates im Resonanzbetrieb gilt:
\(I(t) = A(t) \cos(\omega_{01} t + \phi), \quad Q(t) = A(t) \sin(\omega_{01} t + \phi),\)
wobei \(I(t)\) und \(Q(t)\) die In-Phase- und Quadraturkomponenten sind.
DRAG-Pulse (Derivative Removal by Adiabatic Gate) werden implementiert, um Leckage zu höheren Zuständen zu minimieren:
\(Q(t) = \beta \frac{dI(t)}{dt},\)
mit optimiertem Korrekturfaktor \(\beta\). Jede spektrale Nebenlinie kann ungewollte Übergänge anregen. Daher werden Pulsformen wie Gauß-, Slepian- oder cos²-Fenster verwendet, um das Spektrum zu begrenzen:
\(A(t) = A_0 \cdot \cos^2\left(\frac{\pi t}{T_p}\right), \quad 0 \le t \le T_p.\)
Digitale Vorentzerrung (Predistortion) gleicht Leitungseffekte aus und stellt sicher, dass am Qubit die gewünschte Form ankommt. Crosstalk zwischen Steuerleitungen wird durch: Für jedes Qubit wird zunächst die Eigenfrequenz bestimmt. Dazu wird ein Mikrowellensweep über ein Resonator- oder Qubit-Response-Messverfahren gefahren. Die Resonanzfrequenz \(\omega_{01}\) ergibt sich aus dem Maximum der Anregungswahrscheinlichkeit. Fluss-Qubits sind empfindlich gegenüber langsamen Frequenzdrifts. Automatisierte Routinen messen periodisch die Qubitfrequenzen und passen virtuelle Z-Rotationen oder Flux-Offsets an:
\(\delta\phi_z(t) = \frac{\delta\omega_{01}(t) \cdot T_{\text{gate}}}{\hbar}.\)
Feedforward-Mechanismen können Driftkompensation innerhalb einer Sequenz ermöglichen. RB liefert eine mittlere Gateinfidelity durch die Messung des Zerfalls der Überlebenswahrscheinlichkeit über randomisierte Clifford-Sequenzen:
\(P_{\text{surv}}(m) \approx A p^m + B,\)
wobei \(m\) die Länge der Sequenz ist.
PRB ergänzt RB durch die Messung der Reinheit \(\mathrm{Tr}(\rho^2)\), um kohärente von inkohärenten Fehlern zu trennen. GST bestimmt vollständige Prozessmatrizen für ein Set von Gates, inklusive systematischer Kalibrierfehler. Dies erlaubt die Rekonstruktion der tatsächlichen Hamilton- und Dissipationsparameter der Steueroperationen. Mittels adaptiver Messungen und Modellanpassung werden die Parameter des effektiven Qubit-Hamiltonians geschätzt:
\(\hat H_{\text{eff}} = -\frac{\varepsilon(\Phi)}{2} \sigma_z - \frac{\Delta}{2} \sigma_x + \ldots\)
Hamiltonian-Learning erlaubt es, kleine Änderungen in \(\Delta\), \(I_p\) oder Rauschparametern frühzeitig zu erkennen und proaktiv gegenzusteuern. Die jüngsten Fortschritte bei flusssensitiven Qubitfamilien, Kopplerarchitekturen und Materialtechnik verschieben die erreichbare Kohärenz, Gategeschwindigkeit und Skalierbarkeit deutlich. Im Folgenden werden die zentralen Linien skizziert – mit Fokus auf Schutzmechanismen gegen Flussrauschen, crosstalk-arme Koppler und materialseitige Rauschreduktion. Fluxonium-Varianten kombinieren eine große effektive Induktivität (Superinduktor) mit starken Nichtlinearitäten. Das führt zu Arbeitspunkten, an denen die Übergangsfrequenz gegenüber Flussstörungen flach ist (erweiterte Sweet-Spot-Topologien). Dephasierung durch Flussrauschen skaliert im Allgemeinen mit der Ableitung der Übergangsfrequenz:
\(\Gamma_\varphi^{(\Phi)} \propto \frac{1}{2}\left(\frac{\partial \omega_{01}}{\partial \Phi}\right)^2 S_\Phi(0),\)
am Sweet Spot gilt \(\partial \omega_{01}/\partial \Phi = 0\), sodass erst höhere Ableitungen beitragen. Zusammen mit niedrigen Verlusten in Superinduktoren und verbesserter IR-Abschirmung ermöglicht dies \(T_1\)- und \(T_2\)-Zeiten im Millisekundenbereich. Integer-Fluxonium operiert an Flusswerten nahe ganzzahligen Vielfachen des Flussquantums \(n\Phi_0\), wodurch Auswahlregeln und eine kleine effektive Dipolstärke für den Rechenübergang entstehen. Zwei Schutzmechanismen sind zentral: Die resultierende Frequenzdispersion lässt sich heuristisch als
\(\omega_{01}(\Phi) \approx \omega_{01}(\Phi^\star) + \tfrac{1}{2}\frac{\partial^2 \omega_{01}}{\partial \Phi^2}\bigg|_{\Phi^\star} (\Phi-\Phi^\star)^2 + \dots\)
entwickeln; die führende Rauschkopplung ist dann quadratisch. Fluxonium arbeitet häufig im sub-bis unteren GHz-Bereich. Das entspannt spektrale Kollisionsbedingungen, verlangt aber konsequente thermische Hygiene, da \(\bar n(T)=1/(\exp(\hbar\omega/k_BT)-1)\) bei kleiner \(\omega\) größer ist. Gate-Designs nutzen DRAG-Varianten und parametrische Aktivierungen; Auslese erfolgt dispersiv mit breitbandigen, quantenlimitierten Verstärkern. Das Verhältnis aus starker Anharmonizität und tiefen Frequenzen begünstigt leakage-arme Pulse mit moderater Bandbreite. Zwischen zwei Fluss-Qubits platziert, erlaubt ein rf-SQUID- oder CCJJ-Koppler die kontinuierliche Einstellung von Betrag und Vorzeichen der effektiven ZZ/XX-Wechselwirkung. In einer einfachen Näherung skaliert die Ising-Komponente mit der flussabhängigen Suszeptibilität des Kopplers:
\(J(\Phi_c) \propto \frac{\partial I_{\mathrm{circ}}}{\partial \Phi_c}.\)
Moderne Designs zielen nicht nur auf \(J=0\) bei einem „Aus“-Punkt, sondern zusätzlich auf \(\partial J/\partial \Phi_c = 0\) (Koppler-Sweet-Spot), um während schneller Modulationen Crosstalk und Phasendrift zu unterdrücken. Für schnelle Gates (>10–50 MHz Kopplungsraten) muss der Koppler in einem Bereich betrieben werden, in dem höhere Nichtlinearitäten klein bleiben. Parametrische Gates nutzen
\(\Phi_c(t) = \Phi_c^{(0)} + \delta\Phi_c \cos(\omega_m t + \phi),\)
um Austauschterme resonant zu aktivieren. Das effektive \(g_{\mathrm{eff}}\) wächst mit \((\partial J/\partial \Phi_c) \delta\Phi_c\), daher ist ein Betrieb nahe, aber nicht exakt am Koppler-Sweet-Spot oft optimal: stark genug für schnelles Gate, aber robust gegen Amplitudendrift. In großen Gittern erzeugen Koppler und Flux-Lines ungewollte Kopplungswege. Gegenmaßnahmen: Diese Prinzipien reduzieren sowohl statische ZZ-Verschiebungen als auch drive-induzierte Cross-Terms. Niederfrequentes Flussrauschen \(S_\Phi(f) \approx A_\Phi^2/f^\alpha\) (\(\alpha \approx 1\)) stammt überwiegend von paramagnetischen Oberflächendefekten. Ziele der Roadmap: Der Dephasierungseinfluss weit weg vom Sweet Spot lässt sich über
\(\Gamma_\varphi \approx \tfrac{1}{2}\left(\tfrac{\partial \omega_{01}}{\partial \Phi}\right)^2 \int_{f_l}^{f_h} S_\Phi(f), |F(f)|^2, df\)
abschätzen, wobei \(F(f)\) die Filterfunktion der gewählten Sequenz (Ramsey, Echo, CPMG) ist. Quasiteilchen verursachen Relaxation und Frequenzfluktuationen. Maßnahmen: Die quasiteilchengetriebene Relaxationsrate nimmt mit sinkender Quasiteilchendichte \(x_{qp}\) ab; operative Zielwerte liegen so, dass ihr Beitrag zu \(1/T_1\) gegenüber dielektrischen und Purcell-Kanälen untergeordnet bleibt. Kopplung an Mess- oder Umgebungsmoden führt zum Purcell-Verlust. Für ein einzelnes dominantes Resonatorbad gilt näherungsweise:
\(\gamma_{\mathrm{P}} \approx \kappa \frac{g^2}{\Delta^2}, \qquad T_{1,\mathrm{P}} \approx \gamma_{\mathrm{P}}^{-1},\)
mit Resonatordämpfung \(\kappa\), Kopplung \(g\) und Detuning \(\Delta\). Roadmap-Ansätze: Die dielektrische Verlustzahl \(\tan\delta\) und der Participation-Faktor \(p_k\) der einzelnen Dielektrika bestimmen den Beitrag zum Energiezerfall:
\(\frac{1}{T_1} \approx \omega \sum_k p_k \tan\delta_k.\)
Konkrete Hebel: Praktische Zielgrößen, an denen sich Entwicklungen messen lassen: Trotz erheblicher Fortschritte bei Fluss-Qubits bestehen weiterhin zentrale Herausforderungen, die sowohl die physikalischen Grundlagen als auch die Systemarchitektur betreffen. Die Roadmap muss daher von der Material- und Oberflächenphysik bis hin zur fehlerkorrigierten Skalierung reichen. Der Ursprung des dominanten \(1/f\)-Flussrauschens ist bislang nicht vollständig verstanden. Theoretische Modelle gehen von paramagnetischen Defekten an Metall-Oxid- und Substrat-Oberflächen aus. Diese Spins können durch lokale Zwei-Niveau-Systeme (TLS) repräsentiert werden, deren kollektive Dynamik zu einer spektralen Dichte
\(S_\Phi(f) \propto \frac{A_\Phi^2}{f^\alpha}, \quad \alpha \approx 1\)
führt. Ein quantitatives Modell muss jedoch: Ansatzpunkte sind gezielte Oberflächenpassivierungen: Eine Herausforderung bleibt, dass Passivierungen nicht nur die Defektdichte, sondern auch die mechanische und thermische Stabilität der Metallisierung beeinflussen. Noise-Spectroscopy im Bereich von mHz bis MHz kombiniert mit gezielter Oberflächenchemie könnte Korrelationen zwischen spektralen Signaturen und chemischer Zusammensetzung liefern. Ziel ist ein ab initio vorhersagbares \(A_\Phi\) für ein gegebenes Fertigungsrezept. Für große Qubit-Arrays braucht es Koppler, die sowohl hohe Kopplungsdynamik als auch minimale Crosstalk- und Nebeneffekte bieten. Die Kopplercharakteristik
\(J(\Phi_c) \quad\text{mit}\quad \frac{\partial J}{\partial \Phi_c}\bigg|_{\text{Aus}} \approx 0\)
ist wünschenswert, um Sweet-Spot-Betrieb zu ermöglichen. Gleichzeitig muss das maximale \(|J|\) groß genug für Gate-Zeiten im 10–50 ns-Bereich sein. Mit wachsender Qubit-Zahl ist ein manuelles Routing der Koppler- und Flux-Lines nicht mehr praktikabel. Automatisierte Tools müssen: Ziel ist, mehrere Koppler unabhängig und parallel zu modulieren, ohne signifikanten Crosstalk. Das erfordert: Fehlerkorrektur erfordert regelmäßige Messung von Stabilizern (z. B. im Surface-Code). Fluss-Qubits müssen hierfür in logischen „Tiles“ mit stabilen Sweet Spots integriert werden. Herausforderungen: Große Arrays benötigen eine Frequenzverteilung, die Mehrphotonenresonanzen und Crosstalk minimiert:
\(|\omega_i - \omega_j| > \Delta_{\text{safe}}\)
für alle in der Nähe koppelnden Qubits. Fluss-Qubits können hier punkten, da sie über DC-Fluss schnell nachgetrimmt werden können. Allerdings darf dies nicht auf Kosten der Dephasierung gehen. Die Auslese im Surface-Code muss schnell, hochfidel und QND sein. Für flusssensitive Qubits ist die Integration mit dispersiver Resonator-Auslese plus quantenlimitierten Verstärkern (JPA/JTWPA) naheliegend. Parallelität der Auslese erfordert: Ein fehlerkorrigierter Prozessor mit Fluss-Qubits muss nicht nur hohe Gate- und Auslesefidelitäten erreichen, sondern auch Langzeitstabilität der Fluss-Biases sicherstellen. Driftkompensation, Kalibrier-Automatismen und materialspezifische Optimierungen werden Teil der aktiven Fehlerkorrekturstrategie sein. Fluss-Qubits – oder genauer supraleitende Flussqubits – sind eine faszinierende Klasse künstlicher Quantensysteme, die sich durch ihre starke flusssensitive Charakteristik, hohe Anharmonizität und direkte Hamiltonian-Programmierung auszeichnen. Sie verbinden die Präzision moderner Nanofabrikation mit der Möglichkeit, makroskopische Quantenzustände zu kontrollieren, und sind damit sowohl ein Forschungsinstrument für fundamentale Quantenphysik als auch ein technologischer Baustein für Quanteninformationsverarbeitung. In gate-basierten Architekturen spielen sie ihre Stärken vor allem dort aus, wo schnelle, echte Z-Rotationen, starke induktive Kopplungen und flexible Frequenzanpassung gefragt sind. Im Bereich des Quanten-Annealing und der analogen Quantensimulation bieten sie eine nahezu direkte physikalische Umsetzung von Ising- und verwandten Hamiltonians, was eine hochgradig intuitive und hardware-nahe Programmierung ermöglicht. Darüber hinaus erlaubt ihre Nähe zur SQUID-Metrologie den Einsatz in hochsensitiven Messaufgaben, etwa zur Detektion schwacher Magnetfelder oder zur Rauschanalyse in situ. Trotz dieser Vorteile bestehen weiterhin technologische Herausforderungen: \(1/f\)-Flussrauschen, Quasiteilchenverluste, Crosstalk in skalierenden Architekturen und die komplexe Integration in fehlerkorrigierte Codes verlangen nach abgestimmten Strategien. Hier liegen die Chancen der nächsten Entwicklungsphase – in präziser Oberflächenchemie, robusteren Kopplerarchitekturen, automatisierten Layout-Tools und optimierter Frequenzkachelung. Fortschritte in der Materialwissenschaft, kombiniert mit ausgefeilten Steuer- und Kalibrierprotokollen, können die Kohärenzzeiten und Gatefidelitäten so weit erhöhen, dass Fluss-Qubits konkurrenzfähig oder sogar führend in bestimmten Anwendungsdomänen werden. Langfristig könnten Fluss-Qubits in spezialisierten Rollen, etwa in hybriden Prozessorarchitekturen oder in hochgradig vernetzten Quanten-Sensor-Arrays, eine Schlüsselposition einnehmen. Ihre Fähigkeit, starke und schnell modulierbare Kopplungen zu realisieren, macht sie zu einem strategischen Element im Baukasten der Quanteninformationstechnologie – vorausgesetzt, Forschung und Entwicklung folgen einer klaren Roadmap, die Physik, Fertigung und Systemarchitektur konsequent integriert.Historische Entwicklung und Meilensteine
Theoretische Grundlagen und erste Konzepte
Erste kohärente Experimente: Rabi, Ramsey, Echo
Industrielle Nutzung in Quanten-Annealern
Varianten als Antwort auf Rauschen: C-Shunt und Fluxonium
Von der Demonstration zur Architektur
Physikalische Grundlagen
Josephson-Effekt, SQUIDs und Flussquantisierung
Der Josephson-Effekt
Flussquantisierung
SQUID als Bauelement
Doppelmulden-Potential und „Sweet Spot“
Potentialform
Tunnelkopplung und Energieniveaus
Sweet Spot
Effektiver Hamiltonoperator
Persistenzstrom-Basis
Steuerung durch externe Felder
Gesamtmodell
Schaltungsdesigns von Fluss-Qubits
3-Josephson-Junction (3JJ)-Flussqubit
Topologie und Parameterwahl
Typische Frequenzen
Vorteile
Nachteile
rf-SQUID-Flussqubit
Monostabile vs. bistabile Auslegung
Einsatz in Quanten-Annealern
Praktische Bias- und Tuning-Strategien
Gradiometrische Designs und C-Shunt-Varianten
Rauschunterdrückung durch Geometrie
Kapazitive Shunts (C-Shunt)
Trade-offs: Kopplung vs. Kohärenz
Fluxonium (flusssensitives „Cousin“-Design)
Superinduktivität
Starke Anharmonizität und niedrige Frequenzen
Positionierung gegenüber klassischem Flussqubit
Steuerung und Auslese
Mikrowellen-Gates und Fluss-Bias-Leitungen
Pulsformen für hochpräzise Steuerung
Z-Rotationen per DC-Flux
Kalibrierung der Steuerpulse
Ausleseverfahren
DC-SQUID-Switching
Nachteile:
Dispersive Readout am Resonator
Messverstärker: JPA und JTWPA
Rauschen, Fehlermechanismen und Kohärenzzeiten
Flussrauschen (1/f)
Ursprünge des Flussrauschens
Noise-Spectroscopy
Einfluss auf Kohärenzzeit
Energiezerfall \(T_1\)
Dielektrische Verluste
Quasiteilchen
Strahlungs- und Leckpfade
Dephasierung \(T_2\)
Low-Frequency-Flux-Wanderung
Kritischer-Strom-Noise
Sweet-Spot-Betrieb
Dynamische Entkopplung
Kopplung und Zwei-Qubit-Operationen
Induktive Koppler
Physikalisches Prinzip
Feste Koppler
Abstimmbare Koppler (rf-SQUID/CCJJ)
Entwurfskriterien: Kopplungsstärke, Crosstalk, Linearität
Resonator-vermittelte Kopplung
Modell und dispersives Regime
Effektive ZZ- und XX-Kopplungen
Parametrische Modulationen für schnellere Gates
Gate-Designs und Benchmarking
CZ-Pfade
iSWAP und Varianten
CNOT-Konstruktion
Leakage-Kontrolle
Benchmarking: RB, CRB, IRB
Vergleich mit anderen supraleitenden Qubits
Fluss vs. Transmon vs. Phase vs. Fluxonium
Anharmonizität
Frequenz-Tuning und Sweet-Spot-Breite
Rauschbudget und Empfindlichkeiten
Steuerbarkeit und Gate-Geschwindigkeit
Fabrikation und Streuung der Parameter
Wann Fluss-Qubits sinnvoll sind
Starke Kopplungen und schnelle bedingte Phasen
Annealing-nahe Hamiltonian-Programmierung
Analoge Quantensimulationen
Frequenzagilität und echte Z-Rotationen
Architekturen mit Koppler-Sweet-Spots
Fazit zur Eignung
Skalierung und Architektur
Chip-Layout und Verdrahtung
Induktive Kachelung und Nachbarschaftsgraphen
Flux-Lines: Zielstärke, Reichweite und Selektivität
Ground-Returns, CPW/Stripline und Slotline-Mode-Suppression
2,5D/3D-Integration und Through-Silicon-Vias
On-Chip-Shielding und Kopplerfenster
Magnetische Abschirmung und Package-Design
Mehrschalige Abschirmung
Filterketten und Rauschtemperatur
Strahlungsfallen, IR-Sperren und Quasiteilchen-Management
Thermische Anbindung im mK-Bereich
Crosstalk-Management
Geometrische Entkopplung
Frequenz-Zerstreuung und Kollisionsvermeidung
Aktive Kompensation: Matrixentkopplung und Feedforward
Spektrale Hygiene und Pulsökonomie
Koppler-Sweet-Spots und Parken
Anwendungen
Gate-basierte Prototypen
Kleine Register
Analoge und adiabatische Protokolle
QAOA-nahe Experimente
Quanten-Annealing und Ising-Simulation
Programmierbare Koppler
Embedding-Strategien
Benchmark-Metriken
Typische Problemklassen
Quanten-Sensing-Bezüge
Nähe zur SQUID-Metrologie
Empfindliche Fluss- und Feldmessungen
Spezielle Anwendungen in Qubit-Architekturen
Material- und Fertigungsaspekte
Materialien und Grenzflächen
Al/AlOx/Al-Technologie
Nb-basierte Technologie
Nachteile:
Nb-basierte Junctions werden häufig über Nb/AlOx/Nb-Stacks realisiert, was eine präzise Kontrolle der Oxidationsschritte erfordert.
Oberflächenbehandlung
Superinduktoren
Variabilität und Yield
Junction-Streuung
Kapazitätskontrolle
Teststrukturen
Statistische Prozesskontrolle
Control-Stack und Software
Puls-Synthese und Wellenform-Engineering
Arbitrary-Waveform-Schemata
Spektrale Sauberkeit
Übersprechen minimieren
Kalibrier-Pipelines
Automatisierte Frequenzsuche
Amplituden- und Phasentrimmung
Drift-Tracking
Charakterisierung und Verifikation
Randomized Benchmarking (RB) und Purity RB (PRB)
Gate-Set-Tomographie (GST)
Hamiltonian-Learning
State of the Art und Trends
Kohärenzsprünge mit Fluxonium-Familie
ms-Skala für \(T_1/T_2\) und warum sie möglich wurde
Integer-Fluxonium und Schutzmechanismen
Betriebsfrequenzen, Gate-Design und Messimplikationen
Bessere Koppler und reduzierte Crosstalk-Ketten
Tunbare Koppler (rf-SQUID/CCJJ) und J-Nullstellen
Linearität, Bandbreite und Parametrik
Reduktion von Crosstalk-Ketten
Rauschursprünge und Material-Roadmaps
Oberflächen-Spins und \(1/f\)-Flussrauschen
Quasiteilchen-Management
Vakuum-Photonen und Purcell-Limit
Dielektrische Verluste und Participation-Engineering
Zielmetriken der Roadmap
Offene Probleme und Forschungsroadmap
Erste-Prinzipien-Modelle für Flussrauschen
Verbindung von Oberflächenchemie und \(1/f\)-Spektren
Gerichtete Passivierungen
Experiment-zu-Theorie-Brücke
Skalierbare, adressierbare Koppler-Netzwerke
Nichtlinearität vs. Programmierbarkeit
Layout-Automatisierung
Adressierbarkeit und Parallelität
Fehlerkorrektur-Kompatibilität
Surface-Code-Tiles mit flusssensitiven Qubits
Frequenz-Kachelung
Stabilizer-Auslese
Langfristige Zielsetzung
Fazit
Anhang: Relevante Institute, Forschungszentren und Personen
Internationale Forschungszentren und Institute
Industriepartner und Technologietreiber
Wichtige Wissenschaftlerinnen und Wissenschaftler
