Google: RL algoritam uči Willow kvantni procesor ispravljati vlastite pogreške, stabilnost raste 3,5 puta

Što je kvantna korekcija grešaka i zašto joj treba RL?

Kvantna korekcija grešaka (quantum error correction) je tehnika koja raspoređuje jednu logičku jedinicu informacije preko više fizičkih qubita, kako bi se zaštitila od šuma koji neizbježno prati kvantno računanje. Google je sada u taj proces integrirao učenje pojačavanjem (reinforcement learning, RL), algoritam koji uči optimalne akcije kroz pokušaje i nagrade, za kontinuirano ugađanje parametara tijekom samog računanja, a ne samo prije njega.

Rekordno niske stope grešaka na Willowu

Na procesoru Willow, Googleovom najnovijem kvantnom čipu, RL pristup poboljšava logičku stabilnost 3,5 puta u odnosu na prethodne metode kalibracije. Sustav postiže manje od jedne greške na 1.000 ciklusa korekcije u surface kodu, danas standardnom pristupu kvantnoj korekciji, te 1 grešku na 100 ciklusa u color kodu, alternativnoj shemi koja koristi drugačiji raspored qubita. Usporedba pokazuje jasnu prednost RL-a: klasična fizikalna kalibracija oslanja se na unaprijed izmjerene modele šuma koji brzo zastarijevaju kako se sustav mijenja, dok RL parametre prilagođava u hodu.

Skaliranje na stotine qubita bez ponovnog treniranja

Simulacije pokazuju da se pristup može skalirati na sustave sa stotinama qubita i desecima tisuća kontrolnih parametara, a treniranje je neovisno o veličini sustava, što znači da se model ne mora iznova graditi za svaki novi čip. To predstavlja pomak s fizikalnih modela kalibracije prema pristupima temeljenim na učenju, gdje AI preuzima zadatak koji su ranije obavljali inženjeri ručnim podešavanjem. Google navodi da bi ovakav pristup mogao ubrzati put prema kvantnim računalima korisnim u praksi, budući da stabilnost sustava izravno određuje koliko dugo se složeni algoritmi mogu izvoditi bez akumulacije grešaka koje poništavaju rezultat.