能自我学习纠错的量子计算机

谷歌研究院与谷歌DeepMind合作，在《自然》杂志上发表了一篇题为《量子纠错的强化学习控制》的论文，展示了一种强化学习（RL）框架，使量子计算机能够在不停止的情况下，在长时间计算中持续适应漂移。RL 代理从量子纠错（QEC）产生的二进制错误检测事件中学习，动态调整数千个控制参数，如频率、幅度和相位。该方法在 Willow 超导处理器上进行了验证，RL 调控将纠错码的逻辑稳定性提升了3.5倍。在通过详尽专家校准后，使用 RL 进行微调进一步将逻辑错误率降低了20%。这些技术结合实现了创纪录的低逻辑错误率：表面码中每千个纠错周期少于一个错误，色码中每百个周期一个错误。使用数百个量子比特的数值模拟表明，所需 RL 训练迭代次数与系统规模无关。