AlphaQubit: ИИ от Google повышает надежность квантовых вычислений на 30%
NewsMakerНовый инструмент улучшает коррекцию ошибок в тестах Sycamore.
Исследователи Google DeepMind совместно с командой Google Quantum AI разработали ИИ-декодер для выявления ошибок в квантовых вычислениях. В статье, опубликованной в журнале Nature, ученые описали, как машинное обучение позволяет эффективнее находить ошибки в кубитах по сравнению с традиционными методами. В том же выпуске журнала эксперт из Делфтского технического университета проанализировал результаты работы команды.
Одной из главных проблем на пути создания полноценных квантовых компьютеров остается коррекция ошибок. Кубиты отличаются высокой хрупкостью, что приводит к частым сбоям в вычислениях. Команда Google предложила новый подход к решению этой задачи, разработав ИИ-декодер под названием AlphaQubit.
В последние годы Google активно развивает квантовый компьютер Sycamore, который использует несколько физических кубитов для создания одного логического кубита. Этот процесс позволяет запускать программы и одновременно исправлять ошибки. Новый декодер представляет собой глубокую нейронную сеть, обученную распознавать ошибки на основе данных, полученных с компьютера Sycamore.
Исправление ошибок и обучение AlphaQubit. Источник: Nature (2024)
В ходе экспериментов на Sycamore с 49 кубитами и симуляторе квантовых систем было сгенерировано сотни миллионов примеров ошибок. Затем Sycamore был снова запущен, но уже с использованием AlphaQubit для обнаружения и исправления этих ошибок. Тесты показали, что новая система улучшила коррекцию ошибок на 6% при выполнении высокоточных, но медленных расчетов, и на 30% при использовании более быстрых, но менее точных методов. При проверке на 241 кубите AlphaQubit продемонстрировал результаты, превосходящие ожидания.
Исследователи предполагают, что использование машинного обучения может значительно ускорить развитие квантовых компьютеров, позволяя сосредоточиться на решении других нерешенных задач.
Исследователи Google DeepMind совместно с командой Google Quantum AI разработали ИИ-декодер для выявления ошибок в квантовых вычислениях. В статье, опубликованной в журнале Nature, ученые описали, как машинное обучение позволяет эффективнее находить ошибки в кубитах по сравнению с традиционными методами. В том же выпуске журнала эксперт из Делфтского технического университета проанализировал результаты работы команды.
Одной из главных проблем на пути создания полноценных квантовых компьютеров остается коррекция ошибок. Кубиты отличаются высокой хрупкостью, что приводит к частым сбоям в вычислениях. Команда Google предложила новый подход к решению этой задачи, разработав ИИ-декодер под названием AlphaQubit.
В последние годы Google активно развивает квантовый компьютер Sycamore, который использует несколько физических кубитов для создания одного логического кубита. Этот процесс позволяет запускать программы и одновременно исправлять ошибки. Новый декодер представляет собой глубокую нейронную сеть, обученную распознавать ошибки на основе данных, полученных с компьютера Sycamore.
Исправление ошибок и обучение AlphaQubit. Источник: Nature (2024)
В ходе экспериментов на Sycamore с 49 кубитами и симуляторе квантовых систем было сгенерировано сотни миллионов примеров ошибок. Затем Sycamore был снова запущен, но уже с использованием AlphaQubit для обнаружения и исправления этих ошибок. Тесты показали, что новая система улучшила коррекцию ошибок на 6% при выполнении высокоточных, но медленных расчетов, и на 30% при использовании более быстрых, но менее точных методов. При проверке на 241 кубите AlphaQubit продемонстрировал результаты, превосходящие ожидания.
Исследователи предполагают, что использование машинного обучения может значительно ускорить развитие квантовых компьютеров, позволяя сосредоточиться на решении других нерешенных задач.