量子計算機有可能徹底改變藥物發(fā)現(xiàn)、材料設(shè)計和基礎(chǔ)物理學(xué)--前提是，我們能夠讓它們可靠地工作。
如今，人工智能（AI）也有望徹底改變量子計算機。
前段時間，谷歌發(fā)布了一種基于 Transformers、能夠以最先進的精度識別量子計算錯誤的解碼器——AlphaQubit，加快了構(gòu)建可靠量子計算機的進度。
谷歌 CEO Sundar Pichai 在 X 上寫道，“AlphaQubit 利用 Transformers 對量子計算機進行解碼，在量子糾錯準(zhǔn)確性方面達到了新的技術(shù)水平。人工智能與量子計算的交匯令人興奮。”
相關(guān)研究論文以“Learning high-accuracy error decoding for quantum processors”為題，已發(fā)表在權(quán)威科學(xué)期刊 Nature 上。
準(zhǔn)確識別錯誤，是使量子計算機能夠大規(guī)模執(zhí)行長時間計算的關(guān)鍵一步，為科學(xué)突破和許多新領(lǐng)域的發(fā)現(xiàn)打開了大門。
糾正量子計算錯誤
量子計算機利用物質(zhì)在最小尺度上的獨特特性，如疊加和糾纏，以比經(jīng)典計算機少得多的步驟解決某些類型的復(fù)雜問題。這項技術(shù)依賴于量子比特（或量子位 ），量子比特可以利用量子干擾篩選大量的可能性，從而找到答案。
量子比特的自然量子態(tài)會受到各種因素的破壞：硬件中的微小缺陷、熱量、振動、電磁干擾甚至宇宙射線（宇宙射線無處不在）。
量子糾錯通過使用冗余提供了一個解決方案：將多個量子比特組合成一個邏輯量子比特，并定期對其進行一致性檢查。解碼器通過使用這些一致性檢查來識別邏輯量子比特中的錯誤，從而保存量子信息，并對其進行糾正。
圖｜邊長為 3（碼距）的量子比特網(wǎng)格中的 9 個物理量子比特（灰色小圓圈）是如何構(gòu)成邏輯量子比特的。在每個時間步中，還有 8 個量子比特執(zhí)行一致性檢查（正方形和半圓形區(qū)域，失敗時為藍色和品紅色，否則為灰色），為 AlphaQubit 提供信息。實驗結(jié)束時，AlphaQubit 會確定發(fā)生了哪些錯誤。
創(chuàng)建神經(jīng)網(wǎng)絡(luò)解碼器
AlphaQubit 是基于神經(jīng)網(wǎng)絡(luò)的解碼器，它借鑒了谷歌開發(fā)的深度學(xué)習(xí)架構(gòu) Transformers，該架構(gòu)是當(dāng)今許多大語言模型（LLM）的基礎(chǔ)。利用一致性檢查作為輸入，它的任務(wù)是正確預(yù)測邏輯量子比特在實驗結(jié)束時的測量結(jié)果是否與準(zhǔn)備時的結(jié)果相反。
研究團隊首先對模型進行了訓(xùn)練，從而解碼來自 Sycamore 量子處理器（量子計算機的中央計算單元）內(nèi)一組 49 量子比特的數(shù)據(jù)。為了教會 AlphaQubit 解決一般的解碼問題，他們使用量子模擬器生成了數(shù)以億計的示例，這些示例跨越了各種設(shè)置和誤差水平。然后，他們通過給 AlphaQubit 提供來自特定 Sycamore 處理器的數(shù)千個實驗樣本，針對特定的解碼任務(wù)對其進行微調(diào)。
在新的 Sycamore 數(shù)據(jù)上進行測試時，AlphaQubit 與之前的前沿解碼器相比，在準(zhǔn)確性方面樹立了新的標(biāo)準(zhǔn)。在最大規(guī)模的 Sycamore 實驗中，AlphaQubit 的錯誤率比張量網(wǎng)絡(luò)方法低 6%，而張量網(wǎng)絡(luò)方法雖然精度高，但速度卻非常慢。AlphaQubit 的錯誤率也比相關(guān)匹配法低 30%，后者是一種精確的解碼器，速度快到足以擴展。
圖｜小型和大型 Sycamore 實驗的解碼精度（距離 3 = 17 個物理量子比特，距離 5 = 49 個物理量位）。AlphaQubit 比張量網(wǎng)絡(luò)（TN，一種無法在大型實驗中擴展的方法）和相關(guān)匹配（一種速度可擴展的精確解碼器）更精確。
泛化到訓(xùn)練數(shù)據(jù)以外
為了了解 AlphaQubit 如何適應(yīng)誤差水平較低的大型設(shè)備，研究團隊使用多達 241 量子比特的模擬量子系統(tǒng)數(shù)據(jù)對其進行了訓(xùn)練，因為這超出了 Sycamore 平臺的可用范圍。
同樣，AlphaQubit 的性能也優(yōu)于領(lǐng)先的算法解碼器，這表明它將來也能用于中型量子設(shè)備。
圖｜從距離 3（17 量子比特）到距離 11（241 量子比特）不同規(guī)模/模擬實驗的解碼精度。張量網(wǎng)絡(luò)解碼器沒有出現(xiàn)在此圖中，因為它的速度太慢，無法在大距離下運行。其他兩個解碼器的精確度隨著距離的增加（即使用更多物理比特）而提高。在每個距離上，AlphaQubit 都比相關(guān)匹配更精確。
AlphaQubit 還展示了一些先進功能，比如接受和報告輸入和輸出的置信度。這些信息豐富的接口有助于進一步提高量子處理器的性能。
當(dāng)研究團隊在包含多達 25 輪糾錯的樣本上對 AlphaQubit 進行訓(xùn)練時，它在多達 100000 輪的模擬實驗中保持了良好的性能，這表明它有能力泛化到訓(xùn)練數(shù)據(jù)以外的場景。
實時糾錯仍須加速
谷歌表示，AlphaQubit 是利用機器學(xué)習(xí)進行量子糾錯的一個重要里程碑。但他們?nèi)匀幻媾R著速度和可擴展性方面的重大挑戰(zhàn)。
例如，在快速超導(dǎo)量子處理器中，每個一致性檢查每秒要測量一百萬次。雖然 AlphaQubit 在準(zhǔn)確識別錯誤方面非常出色，但要在超導(dǎo)處理器中實時糾錯，它的速度仍然太慢。隨著量子計算的發(fā)展，商業(yè)應(yīng)用可能需要數(shù)百萬量子比特，這亟需更高效的數(shù)據(jù)方法來訓(xùn)練基于人工智能的解碼器。