摘要：Google DeepMind 的 AI 研究人员团队与 Google Quantum AI 的量子研究人员团队合作，宣布开发一种基于 AI 的解码器，用于识别量子计算错误。

旋转的表面代码和内存实验。图片来源：自然 （2024）。DOI： 10.1038/s41586-024-08148-8

Google DeepMind 的 AI 研究人员团队与 Google Quantum AI 的量子研究人员团队合作，宣布开发一种基于 AI 的解码器，用于识别量子计算错误。

在发表在《自然》杂志上的论文中，该小组描述了他们如何使用机器学习来帮助比其他方法更有效地查找量子比特错误。代尔夫特理工大学 QuTech 量子计算部和微电子系的 Nadia Haider 在同一期刊上发表了一篇 News and Views 文章，概述了 Google 团队所做的工作。

阻碍开发真正有用的量子计算机的主要症结之一是纠错问题。量子比特往往很脆弱，这意味着它们的质量可能低于预期，从而导致错误。在这项新的工作中，Google 的联合研究团队采用了一种新的方法来解决这个问题——他们开发了一种基于 AI 的解码器来帮助识别此类错误。

在过去的几年里，谷歌的人工智能部门开发并研究了一种名为 Sycamore 的量子计算机。为了进行量子计算，它使用多个硬件量子比特创建单个逻辑量子比特，这些量子比特用于运行程序，同时还执行纠错。在这项新的工作中，该团队开发了一种查找和纠正此类错误的新方法，并将其命名为 AlphaQubit

AlphaQubit 的纠错和训练。图片来源：自然 （2024）。DOI： 10.1038/s41586-024-08148-8

基于 AI 的新型解码器是一种深度学习神经网络。研究人员首先使用他们的 Sycamore 计算机训练它识别错误，该计算机使用 49 个量子比特和量子模拟器运行。这两个系统一起生成了数亿个量子错误示例。然后，他们重新运行了 Sycamore，这次使用 AlphaQubit 来识别任何生成的错误，然后纠正了所有这些错误。

通过这样做，他们发现在高度准确但速度较慢的测试中，纠错率提高了 6%，在运行不太准确但速度较快的测试时，纠错率提高了 30%。他们还使用多达 241 个量子比特对其进行了测试，发现它超出了预期。他们认为，他们的发现表明机器学习可能是量子计算机纠错的解决方案，允许专注于其他尚未克服的问题。

更多信息：Johannes Bausch 等人，学习量子处理器的高精度错误解码，Nature （2024）。DOI： 10.1038/s41586-024-08148-8

Nadia Haider，量子计算：物理学-AI 合作消除量子错误，Nature （2024）。DOI： 10.1038/d41586-024-03557-1

blog.google/technology/google- ...um-纠错/

期刊信息： Nature

来源：量子梦