科技 | 里程碑式突破：谷歌推出 AlphaQubit 解碼器，攻克量子糾錯難題

　　科技媒體marktechpost 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(dǎo)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(fù)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(luò)，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(lǐng)域領(lǐng)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(diào)，讓其能夠適應(yīng)真實環(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(shù)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(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(lǐng)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。

　　來源：IT之家