Kvantu kļūdu korekcija ļauj nepārtraukti pārkalibrēt procesoru
Google pētnieki ir izstrādājuši metodi, kā izmantot pastiprināšanas mācīšanos, lai reāllaikā pielāgotu kvantu procesora kontroles parametrus, uzlabojot kļūdu labošanu par 20%.
Jauna pieeja kvantu datoru kalibrēšanai
Viens no šķēršļiem ceļā uz praktiski lietojamiem kvantu datoriem ir iekārtu kalibrēšanas problēma. Īpaši tas attiecas uz supravadošajiem kubitiem, piemēram, Google Sycamore procesorā izmantotajiem transmons. Šiem kubitiem ir nelielas atšķirības, un tos kontrolējošā mikroviļņu aparatūra laika gaitā var novirzīties no sākotnējiem iestatījumiem temperatūras svārstību dēļ. Līdz šim, ja sistēma sāka novirzīties, aprēķini tika pārtraukti un veikta atkārtota kalibrēšana. Tomēr tas nav iespējams garu un sarežģītu algoritmu laikā.
Pastiprināšanas mācīšanās risinājums
Google pētnieku komanda ir atklājusi, ka kļūdu korekcijas procesā iegūtos datus var izmantot arī kalibrēšanas problēmu noteikšanai. Izmantojot pastiprināšanas mācīšanos, sistēma eksperimentē ar aptuveni 1000 kontroles parametru dažādām konfigurācijām, novērtējot to efektivitāti kļūdu ierobežošanā. Šī pieeja ļauj vienlaikus uzturēt gan kļūdu korekciju, gan kalibrēšanu.
Rezultāti un nākotnes perspektīvas
Testos ar diviem loģiskajiem kubitiem, kas izmantoja dažādas kļūdu korekcijas shēmas, pastiprināšanas mācīšanās sistēma uzlaboja kļūdu noteikšanas un labošanas spēju par 20%. Lai gan pašreizējās iekārtas darbojas pietiekami īsus laika periodus, lai novirzes nebūtu būtiskas, pētījums parāda, ka arī garākos aprēķinos šo problēmu var risināt. Darbs tika publicēts žurnālā Nature 2026. gadā.
