자체 오류로부터 학습하는 양자 컴퓨터

Google Research는 Google DeepMind와 협력하여 "강화 학습으로 양자 오류 정정 제어"라는 제목의 논문을 Nature에 발표했습니다. 이 논문은 양자 컴퓨터가 긴 연산 중에 멈추지 않고 드리프트에 지속적으로 적응할 수 있게 해주는 강화 학습(RL) 프레임워크를 시연합니다. RL 에이전트는 양자 오류 정정(QEC)에 의해 생성된 이진 오류 감지 이벤트로부터 학습하여 주파수, 진폭, 위상과 같은 수천 개의 제어 파라미터를 동적으로 조정합니다. 이 접근 방식은 Willow 초전도 프로세서에서 검증되었으며, RL 조정을 통해 오류 정정 코드의 논리적 안정성이 3.5배 향상되었습니다. 전문가의 완벽한 교정 후 RL로 미세 조정하면 논리적 오류율이 20% 더 감소했습니다. 결합된 기술은 기록적으로 낮은 논리적 오류율을 달성했습니다: 표면 코드에서는 오류 정정 주기 천 개당 하나 미만, 컬러 코드에서는 백 개당 하나였습니다. 수백 개의 큐비트를 사용한 수치 시뮬레이션은 필요한 RL 훈련 반복 횟수가 시스템 크기와 무관함을 보여주었습니다.