量子纠错新突破：AI解码器精准识别量子错误

AlphaQubit应对量子计算最大挑战

量子计算机有潜力彻底改变药物发现、材料设计和基础物理学领域——前提是我们能让它们可靠工作。某些传统计算机需要数十亿年才能解决的问题，量子计算机只需几小时就能解决。然而，这些新型处理器比传统处理器更容易受到噪声干扰。

在《自然》杂志发表的一篇论文中，研究团队介绍了AlphaQubit，这是一种基于AI的解码器，能以最先进的精度识别量子计算错误。这项合作工作结合了机器学习知识和量子错误校正专业知识，加速了构建可靠量子计算机的进程。

校正量子计算错误

量子计算机利用物质在最小尺度上的独特特性（如叠加和纠缠），以比经典计算机少得多的步骤解决某些类型的复杂问题。该技术依赖于量子位，它们可以通过量子干涉筛选大量可能性集来找到答案。

量子位的自然量子状态很脆弱，可能受到各种因素的干扰：硬件中的微观缺陷、热量、振动、电磁干扰甚至宇宙射线。

量子错误校正通过使用冗余提供了一种前进方式：将多个量子位分组为单个逻辑量子位，并定期对其执行一致性检查。解码器通过使用这些一致性检查来识别逻辑量子位中的错误，从而保存量子信息，以便进行校正。

创建基于神经网络的解码器

AlphaQubit是一种基于神经网络的解码器，借鉴了Transformer深度学习架构。使用一致性检查作为输入，其任务是正确预测逻辑量子位在实验结束时测量时是否从其准备状态翻转。

研究团队首先训练模型解码Sycamore量子处理器内49个量子位集合的数据。为了教授AlphaQubit一般解码问题，使用量子模拟器在各种设置和错误级别下生成数亿个示例。然后通过给出来自特定Sycamore处理器的数千个实验样本，为特定解码任务微调AlphaQubit。

在新的Sycamore数据上测试时，AlphaQubit与先前领先的解码器相比设立了新的精度标准。在最大的Sycamore实验中，AlphaQubit比张量网络方法少犯6%的错误，比相关匹配方法少犯30%的错误。

为未来系统扩展AlphaQubit

预计量子计算机将超越当今可用的技术。为了了解AlphaQubit如何适应具有更低错误水平的更大设备，使用来自多达241个量子位的模拟量子系统数据对其进行训练，因为这超出了Sycamore平台的可用范围。

AlphaQubit再次优于领先的算法解码器，表明它也将适用于未来的中型量子设备。

该系统还展示了高级功能，如接受和报告输入输出置信度的能力。这些信息丰富的接口有助于进一步提高量子处理器的性能。

当在包含多达25轮错误校正的样本上训练AlphaQubit时，它在多达100,000轮的模拟实验中保持了良好的性能，显示了其泛化到训练数据之外场景的能力。

迈向实用量子计算

AlphaQubit代表了使用机器学习进行量子错误校正的一个重要里程碑。但在速度和可扩展性方面仍然面临重大挑战。

例如，在快速超导量子处理器中，每个一致性检查每秒测量一百万次。虽然AlphaQubit在准确识别错误方面表现出色，但在超导处理器中实时校正错误仍然太慢。随着量子计算向商业相关应用可能需要的数百万量子位增长，还需要找到更数据高效的方法来训练基于AI的解码器。

研究团队正在结合机器学习和量子错误校正的开创性进展来克服这些挑战，为能够解决世界上一些最复杂问题的可靠量子计算机铺平道路。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）