里程碑式突破：谷歌推出 AlphaQubit 解碼器，攻克量子糾錯難題

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，報道稱谷歌研究人員研發(fā)了 AlphaQubit 量子糾錯解碼器，通過深度學習，實時為量子計算機糾錯。

AI 賦能量子糾錯

量子計算雖然潛力巨大，但由于量子波動產(chǎn)生噪音，導致計算錯誤頻發(fā)，嚴重阻礙了其發(fā)展，而傳統(tǒng)的量子糾錯方法復雜且效率低下。

谷歌研究團隊為了解決這一難題，推出了 AlphaQubit，一個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，有效地解碼表面碼（surface code）中的錯誤，表面碼是目前量子計算領域領先的糾錯方案。

AlphaQubit 采用兩階段訓練：首先使用合成數(shù)據(jù)進行訓練，然后用谷歌 Sycamore 量子處理器上的真實數(shù)據(jù)進行微調，讓其能夠適應真實環(huán)境中的復雜噪聲分布。

相比較傳統(tǒng)的最小權完美匹配（MWPM）和張量網(wǎng)絡解碼器，AlphaQubit 在邏輯錯誤率（LER）方面表現(xiàn)出顯著優(yōu)勢，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%。

技術細節(jié)：深度學習與軟測量數(shù)據(jù)

AlphaQubit 能夠處理和利用軟測量（通過容易測量的輔助變量來推斷或估計難以直接測量或暫時無法測量的關鍵變量的技術）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 架構具有良好的可擴展性，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領域的巨大潛力。它不僅提高了糾錯效率，降低了邏輯錯誤率，還為未來量子系統(tǒng)的可擴展性提供了解決方案。

IT之家附上參考地址

• Google Researchers Developed AlphaQubit: A Deep Learning-based Decoder for Quantum Computing Error Detection

• Learning high-accuracy error decoding for quantum processors

• AlphaQubit tackles one of quantum computing’s biggest challenges

廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。