Kvanttitietokone, joka oppii virheistään

Google Quantum AI -ryhmä (yhdessä Google DeepMindin kanssa) julkaisi Nature-lehdessä artikkelin, jossa yhdistettiin vahvistusoppiminen (RL) ja kvanttivirheenkorjaus (QEC). Perinteisesti kvanttitietokoneiden kalibrointi edellyttää laskennan täydellistä pysäyttämistä, mikä on mahdotonta pitkäkestoisissa algoritmeissa. Kirjoittajat ehdottivat QEC:n virheentunnistusdatan käyttöä paitsi dekoodaukseen ja korjaukseen, myös aktiivisena oppimissignaalina RL-agentille, joka säätää dynaamisesti tuhansia ohjausparametreja kompensoiden ajautumista. Kokeessa 105 kubitin Willow-prosessorilla keinotekoisesti aiheutetun ajautumisen kanssa looginen stabiilius parani 3,5-kertaiseksi. Jopa asiantuntijakalibroinnin jälkeen RL-hienosäätö vähensi loogisten virheiden taajuutta 20 prosentilla. Saavutettiin ennätykselliset tulokset: alle yksi looginen virhe tuhatta korjausjaksoa kohti pintakoodille ja yksi virhe sataa jaksoa kohti värikoodille. Numeeriset simulaatiot sadoille kubiteille vahvistivat, että tarvittavien oppimisiteraatioiden määrä ei riipu järjestelmän koosta, mikä tarkoittaa menetelmän skaalautuvan.