حاسوب كمّي يتعلم من أخطائه الخاصة

تعاونت جوجل للأبحاث مع جوجل ديب مايند في نشر ورقة بحثية في مجلة نيتشر بعنوان "التحكم في تصحيح الأخطاء الكمومية باستخدام التعلم المعزز"، والتي تقدم إطارًا للتعلم المعزز (RL) يمكّن الحاسوب الكمومي من التكيف المستمر مع الانحراف أثناء العمليات الحسابية الطويلة دون توقف. يتعلم وكيل التعلم المعزز من أحداث كشف الأخطاء الثنائية الناتجة عن تصحيح الأخطاء الكمومية (QEC) لتوجيه آلاف معلمات التحكم ديناميكيًا مثل الترددات والسعات والأطوار. تم التحقق من صحة النهج على معالج ويليو فائق التوصيل (Willow)، حيث أدى التوجيه بالتعلم المعزز إلى تحسين الاستقرار المنطقي لرمز تصحيح الأخطاء بمقدار 3.5 أضعاف. كما أدى الضبط الدقيق باستخدام التعلم المعزز بعد المعايرة الشاملة من قبل الخبراء إلى تقليل معدل الخطأ المنطقي بنسبة 20%. حققت التقنيات المجتمعة معدلات خطأ منطقي قياسية منخفضة: أقل من خطأ واحد لكل ألف دورة تصحيح أخطاء في رمز السطح (surface code)، وخطأ واحد لكل مائة في رمز اللون (color code). أظهرت المحاكاة العددية باستخدام مئات الكيوبتات أن عدد دورات التدريب المطلوبة للتعلم المعزز مستقل عن حجم النظام.