Нов инструмент подобрява коригирането на грешките в тестовете на Sycamore.

Изследователи от Google DeepMind, съвместно с екипа на Google Quantum AI, разработиха ИИ декодер за откриване на грешките в квантовите изчисления. В статия, публикувана в списание Nature, учените описват как машинното обучение позволява да се откриват грешките в кюбити много по-ефективно от традиционните методи. В същия брой на списанието експерт от Технологичния университет Делфт анализира резултатите на екипа.

Един от основните проблеми по пътя към създаването на пълноценни квантови компютри остава корекцията на грешките. Кубитите се характеризират с висока нестабилност, което води до чести сривове в изчисленията. Екипът на Google е предложил нов подход за решаване на този проблем, като е разработил декодер за изкуствен интелект, наречен AlphaQubit.

През изминалите няколко години Google активно разработваше квантовия компютър Sycamore, който използва множество физически кубити, за създаването на един логически кубит. Този процес позволява на програмите както да работят, така и едновременно с това да отстраняват грешки. Новият декодер представлява дълбока невронна мрежа, обучена да разпознава грешките въз основа на данните от компютъра Sycamore.

Експериментите на Sycamore с 49 кубита и симулатор на квантови системи са генерирали стотици милиони примери за грешки. След това Sycamore беше пуснат отново, но с помощта на AlphaQubit за откриване и коригиране на тези грешки. Тестовете показаха, че новата система подобрява коригирането на грешките с 6% при извършване на много точни, но бавни изчисления, и с 30% при използване на по-бързи, но по-малко точни методи. При тестване върху 241 кюбита AlphaQubit се представи по-добре от очакваното.

Изследователите предполагат, че използването на машинно обучение може значително да ускори развитието на квантовите компютри, като им даде възможност да се фокусират върху решаването на други нерешени проблеми.