Команда исследователей искусственного интеллекта из Google DeepMind совместно с учеными из Google Quantum AI объявила о разработке ИИ-декодера, который помогает обнаруживать ошибки в квантовых компьютерах.
В статье, опубликованной в журнале Nature, исследователи рассказали, как с помощью методов машинного обучения им удалось повысить эффективность обнаружения ошибок кубитов по сравнению с традиционными подходами. В этом же выпуске вышла статья в разделе News and Views, написанная Надией Хайдер из Делфтского технического университета (QuTech и факультет микроэлектроники), где она подробно освещает работу, проделанную командой Google.
Исправление ошибок остается одной из ключевых проблем на пути к созданию функционального квантового компьютера. Кубиты обладают высокой хрупкостью, что снижает их качество и приводит к сбоям. Для решения этой задачи команда Google разработала новый подход — ИИ-декодер, предназначенный для более эффективного выявления и устранения таких ошибок.
В последние годы команда Google активно развивает свой квантовый компьютер под названием Sycamore. Для проведения вычислений система создает один логический кубит, используя множество аппаратных кубитов. Эти кубиты одновременно выполняют программы и обеспечивают исправление ошибок. В рамках нового исследования команда разработала систему под названием AlphaQubit, которая предназначена для более эффективного обнаружения и исправления ошибок.
Новый ИИ-декодер представляет собой глубокую нейронную сеть. Исследователи сначала обучили её распознавать ошибки с помощью квантового компьютера Sycamore (49 кубитов) и квантового симулятора. Эти системы вместе сгенерировали сотни миллионов примеров квантовых ошибок. Затем команда снова запустила Sycamore, но теперь с AlphaQubit, чтобы выявлять и исправлять возникающие ошибки.
Результаты показали, что использование AlphaQubit привело к улучшению исправления ошибок на 6% в тестах с высокой точностью, но низкой скоростью, и на 30% в менее точных, но более быстрых тестах. Также было проведено тестирование с использованием до 241 кубита, где система превзошла ожидания. Ученые предполагают, что машинное обучение может стать ключевым решением проблемы исправления ошибок в квантовых компьютерах, позволяя сосредоточиться на преодолении других существующих трудностей.
Источник
