谷歌的DeepMind和Quantum AI团队开发了AlphaQubit，这是一种基于神经网络的解码器，可以比以前的方法更准确地识别量子计算错误。
量子计算机可以解决传统计算机目前无法解决的问题，从而彻底改变药物研发、材料设计和基础物理等领域。然而，要扩展到实用规模，它们需要克服对噪声和误差的敏感性。
在《自然》杂志发表的一项研究中，AlphaQubit 的检测错误比张量网络方法少 6%，这是一种速度慢但精度很高的解码器，比相关匹配的错误少 30%，这是一种速度足够快且可扩展的精确解码器。
研究人员使用 Transformer 深度学习架构，使用来自谷歌 Sycamore 量子处理器中的一组 49 个量子比特的数据来训练模型。
他们使用量子模拟器，在各种设置、错误级别和模拟中生成了数亿个示例。然后，他们通过向 AlphaQubit 提供来自 Google Sycamore 量子处理器的数千个真实错误样本，对其进行微调以完成解码任务。
为了了解 AlphaQubit 是否可扩展，该团队在多达 241 个量子比特的模拟量子系统上进行了训练。它的表现始终优于其他解码器，表明它可以扩展到更大的未来量子设备。
目前，AlphaQubit 的速度太慢，无法在超导处理器中进行实时校正。然而，它有望扩展到更大的量子计算机，并代表着向更可靠的量子计算迈出了一步。
Google DeepMind 和 Google Quantum AI 团队在一篇博客文章中表示，随着量子计算向商业相关应用所需的数百万量子比特发展，他们将需要找到更具数据效率的方法来训练基于 AI 的解码器。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/gu-ge-li-yong-ren-gong-zhi-neng-shi-bie-liang-zi-wu-cha
