谷歌AlphaQubit重磅发布，实时为量子计算机纠错，研究登上Nature

摘要：今日凌晨，谷歌发布了一种基于 Transformers、能够以最先进的精度识别量子计算错误的解码器——AlphaQubit，加快了构建可靠量子计算机的进度。

量子计算机有可能彻底改变药物发现、材料设计和基础物理学--前提是，我们能够让它们可靠地工作。

如今，人工智能（AI）也有望彻底改变量子计算机。

今日凌晨，谷歌发布了一种基于 Transformers、能够以最先进的精度识别量子计算错误的解码器——AlphaQubit，加快了构建可靠量子计算机的进度。

谷歌 CEO Sundar Pichai 在 X 上写道，“AlphaQubit 利用 Transformers 对量子计算机进行解码，在量子纠错准确性方面达到了新的技术水平。人工智能与量子计算的交汇令人兴奋。”

相关研究论文以“Learning high-accuracy error decoding for quantum processors”为题，已发表在权威科学期刊 Nature 上。

准确识别错误，是使量子计算机能够大规模执行长时间计算的关键一步，为科学突破和许多新领域的发现打开了大门。

纠正量子计算错误

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。这项技术依赖于量子比特（或量子位），量子比特可以利用量子干扰筛选大量的可能性，从而找到答案。

量子比特的自然量子态会受到各种因素的破坏：硬件中的微小缺陷、热量、振动、电磁干扰甚至宇宙射线（宇宙射线无处不在）。

量子纠错通过使用冗余提供了一个解决方案：将多个量子比特组合成一个逻辑量子比特，并定期对其进行一致性检查。解码器通过使用这些一致性检查来识别逻辑量子比特中的错误，从而保存量子信息，并对其进行纠正。

图｜边长为 3（码距）的量子比特网格中的 9 个物理量子比特（灰色小圆圈）是如何构成逻辑量子比特的。在每个时间步中，还有 8 个量子比特执行一致性检查（正方形和半圆形区域，失败时为蓝色和品红色，否则为灰色），为 AlphaQubit 提供信息。实验结束时，AlphaQubit 会确定发生了哪些错误。

创建神经网络解码器

AlphaQubit 是基于神经网络的解码器，它借鉴了谷歌开发的深度学习架构 Transformers，该架构是当今许多大语言模型（LLM）的基础。利用一致性检查作为输入，它的任务是正确预测逻辑量子比特在实验结束时的测量结果是否与准备时的结果相反。

研究团队首先对模型进行了训练，从而解码来自 Sycamore 量子处理器（量子计算机的中央计算单元）内一组 49 量子比特的数据。为了教会 AlphaQubit 解决一般的解码问题，他们使用量子模拟器生成了数以亿计的示例，这些示例跨越了各种设置和误差水平。然后，他们通过给 AlphaQubit 提供来自特定 Sycamore 处理器的数千个实验样本，针对特定的解码任务对其进行微调。

在新的 Sycamore 数据上进行测试时，AlphaQubit 与之前的前沿解码器相比，在准确性方面树立了新的标准。在最大规模的 Sycamore 实验中，AlphaQubit 的错误率比张量网络方法低 6%，而张量网络方法虽然精度高，但速度却非常慢。AlphaQubit 的错误率也比相关匹配法低 30%，后者是一种精确的解码器，速度快到足以扩展。