关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
量子误差校正的强化学习控制
Reinforcement learning control of quantum error correction
摘要
量子误差校正（QEC）是保护量子计算机免受环境影响的主要策略。QEC的先决条件是错误必须保持足够罕见，这需要持续根据环境漂移调整计算机的控制参数。当前的解决方案是终止整个量子计算以进行重新校准，但这与未来量子算法的长运行时间不兼容。本文通过将校准与计算统一来解决这一挑战。我们赋予QEC过程双重角色：其错误检测事件不仅用于校正逻辑量子态，还被重新用作学习信号，教导强化学习代理在计算过程中持续引导控制参数并稳定量子系统。我们在Willow超导处理器上实验验证了这一框架，将表面码的逻辑稳定性相对于注入的漂移提高了3.5倍。通过整合我们全套技术进步，我们实现了表面码和颜色码的创纪录性能，每个周期的平均逻辑错误率分别为7.72(9) × 10⁻⁴和8.19(14) × 10⁻³。对具有数万个控制参数的大型代码的数值模拟证实了我们RL框架的可扩展性，揭示了与系统规模无关的优化速度。因此，这项工作开启了一个新范式：量子计算机可以从其错误中学习，并且永不停止计算。