IT之家 11 月 21 日消息，科技媒體 marktechpost 昨日（11 月 20 日）發(fā)布博文，報(bào)道稱谷歌研究人員研發(fā)了 AlphaQubit 量子糾錯(cuò)解碼器，通過(guò)深度學(xué)習(xí)，實(shí)時(shí)為量子計(jì)算機(jī)糾錯(cuò)。
AI賦能量子糾錯(cuò)量子計(jì)算雖然潛力巨大，但由于量子波動(dòng)產(chǎn)生噪音，導(dǎo)致計(jì)算錯(cuò)誤頻發(fā)，嚴(yán)重阻礙了其發(fā)展，而傳統(tǒng)的量子糾錯(cuò)方法復(fù)雜且效率低下。
谷歌研究團(tuán)隊(duì)為了解決這一難題，推出了 AlphaQubit，一個(gè)基于人工智能的解碼器。
AlphaQubit 的核心是使用循環(huán) Transformer 神經(jīng)網(wǎng)絡(luò)，有效地解碼表面碼（surface code）中的錯(cuò)誤，表面碼是目前量子計(jì)算領(lǐng)域領(lǐng)先的糾錯(cuò)方案。
AlphaQubit 采用兩階段訓(xùn)練：首先使用合成數(shù)據(jù)進(jìn)行訓(xùn)練，然后用谷歌 Sycamore 量子處理器上的真實(shí)數(shù)據(jù)進(jìn)行微調(diào)，讓其能夠適應(yīng)真實(shí)環(huán)境中的復(fù)雜噪聲分布。
相比較傳統(tǒng)的最小權(quán)完美匹配（MWPM）和張量網(wǎng)絡(luò)解碼器，AlphaQubit 在邏輯錯(cuò)誤率（LER）方面表現(xiàn)出顯著優(yōu)勢(shì)，例如在距離為 3 和 5 的表面碼中，其 LER 分別降低至 2.901% 和 2.748%。
技術(shù)細(xì)節(jié)：深度學(xué)習(xí)與軟測(cè)量數(shù)據(jù)AlphaQubit 能夠處理和利用軟測(cè)量（通過(guò)容易測(cè)量的輔助變量來(lái)推斷或估計(jì)難以直接測(cè)量或暫時(shí)無(wú)法測(cè)量的關(guān)鍵變量的技術(shù)）數(shù)據(jù)，這比傳統(tǒng)的二元（0 或 1）數(shù)據(jù)提供了更豐富的信息，從而提高了解碼精度。
AlphaQubit 的循環(huán) Transformer 架構(gòu)具有良好的可擴(kuò)展性，能夠有效處理更高碼距的表面碼。
AlphaQubit 的成功，證明了人工智能在量子糾錯(cuò)領(lǐng)域的巨大潛力。它不僅提高了糾錯(cuò)效率，降低了邏輯錯(cuò)誤率，還為未來(lái)量子系統(tǒng)的可擴(kuò)展性提供了解決方案。
