自身のエラーから学習する量子コンピュータ

Google ResearchはGoogle DeepMindと共同で、Natureに「強化学習による量子誤り訂正の制御」と題する論文を発表し、量子コンピュータが長時間の計算中に停止することなくドリフトに継続的に適応することを可能にする強化学習（RL）フレームワークを実証しました。RLエージェントは、量子誤り訂正（QEC）によって生成されるバイナリ誤り検出イベントから学習し、周波数、振幅、位相などの数千の制御パラメータを動的に調整します。このアプローチはWillow超伝導プロセッサで検証され、RLによる制御により誤り訂正符号の論理安定性が3.5倍向上しました。徹底した専門家による校正後、RLによる微調整で論理誤り率がさらに20%低減しました。これらの技術を組み合わせることで、表面符号では誤り訂正サイクル1000回あたり1回未満、カラー符号では100回あたり1回未満という記録的な低論理誤り率を達成しました。数百量子ビットを用いた数値シミュレーションでは、必要なRL訓練イテレーション数がシステムサイズに依存しないことが示されました。