Kendi hatalarından öğrenen kuantum bilgisayar
Google/DeepMind
Google Research, bir kuantum bilgisayarının hesaplama sırasında durmaksızın sürüklenmeye sürekli uyum sağlamasına olanak tanıyan bir pekiştirmeli öğrenme (reinforcement learning, RL) çerçevesi gösterdi. RL ajanı, kuantum hata düzeltme algılama olaylarından öğrenerek kontrol parametrelerini dinamik bir şekilde yönlendiriyor, mantıksal kararlılığı 3,5 kat artırıyor ve mantıksal hata oranlarını rekor düşük seviyelere indiriyor.
Google Research, Google DeepMind ile iş birliği yaparak Nature dergisinde "Reinforcement learning control of quantum error correction" başlıklı bir makale yayımladı. Makale, bir kuantum bilgisayarın uzun hesaplamalar sırasında durmaksızın sürüklenmeye sürekli olarak uyum sağlamasını mümkün kılan bir pekiştirmeli öğrenme (RL) çerçevesini tanıtıyor. RL ajanı, kuantum hata düzeltme (QEC) tarafından üretilen ikili hata algılama olaylarından öğrenerek frekanslar, genlikler ve fazlar gibi binlerce kontrol parametresini dinamik olarak yönlendiriyor. Yaklaşım, Willow süperiletken işlemcisi üzerinde doğrulandı ve RL yönlendirmesi, hata düzelten kodun mantıksal kararlılığını 3,5 kat iyileştirdi. Kapsamlı uzman kalibrasyonunun ardından RL ile ince ayar yapılması, mantıksal hata oranını %20 daha düşürdü. Birleşik teknolojiler, rekor düzeyde düşük mantıksal hata oranları elde etti: yüzey kodunda bin hata düzeltme döngüsünde birden az ve renk kodunda yüz döngüde bir. Yüzlerce kübit içeren sayısal simülasyonlar, gerekli RL eğitim yineleme sayısının sistem boyutundan bağımsız olduğunu gösterdi.
Kaynak: Google Research —
orijinal