量子纠错可以持续重新校准处理器

# 量子纠错可持续重新校准处理器 来源：https://arstechnica.com/science/2026/07/quantum-error-correction-can-constantly-recalibrate-a-processor/ 跳到内容 (https://arstechnica.com/science/2026/07/quantum-error-correction-can-constantly-recalibrate-a-processor/#main) 强化学习利用错误信息来调整控制算法。 Google 的 Sycamore 处理器。Credit:Google (https://about.google/intl/en_us/products/) 在实用量子计算与我们之间，存在一些显而易见的大问题。比如我们能否制造足够多、质量足够高的硬件量子比特，将它们连接成所需的纠错逻辑量子比特，以及如何生成在这些逻辑量子比特上执行通用计算所需的状态。但除此之外，在能够进行计算之前，还有许多不那么突出的挑战需要解决。 其中一个挑战是校准，它只影响某些类型的硬件。对于像超导量子比特这样由我们制造的器件，个体量子比特之间总是存在细微差异。（当我们使用原子作为量子比特时则不然，但控制原子的激光器会发生漂移。）因此，这类硬件需要经过一个称为校准的过程：测试控制它们的微波脉冲的不同频率和振幅，以找到产生最低错误率的组合，然后将这些设置保存下来用于计算。 然而，在进行计算的同时无法执行典型的校准过程，这意味着对于长时间运行的复杂算法，漂移会成为一个问题。不过，Google 发现可以利用用于纠错的相同数据来进行校准。 ## 强化学习 Google 和其他一些公司依赖的硬件是传输子量子比特（transmons）。它们由一个超导线环连接一个谐振器构成，并通过微波光子脉冲控制。这些脉冲由制冷系统外部的硬件控制，包括经典计算机及其控制的微波源。在校准过程中，这些硬件用于测试不同波长和振幅的组合。 由于随机因素（例如硬件在使用过程中发热），这些设备也可能偏离初始设置。对于我们最终希望在量子计算机上运行的复杂算法（例如能够破解当前加密的算法）来说，这可能是一个问题。目前，如果系统出现偏离校准的迹象，Google 表示只需停止计算并重新校准。然而，在复杂计算中途是无法这样做的。 这些计算将在纠错量子比特上进行，通过测量部分硬件量子比特来检测和表征数据量子比特上发生的任何错误。正如 Google 研究人员在论文中指出的，他们检测到的一些错误是校准失败的结果：“由不完美校准产生的错误与其他所有错误一样会产生可检测的综合征”。理论上，我们可以使用相同的错误检测来识别随机错误和由校准问题产生的错误。 挑战在于将两者区分开来。团队的解决方案？强化学习，即计算机尝试它所拥有的约 1000 个控制参数的不同配置，并根据它们在限制错误方面的有效性进行评分。“我们在计算过程中故意对所有控制参数施加小的、同时发生的扰动，以探索控制空间，”团队写道，“这些扰动会转化为错误检测事件统计数据的细微变化。” 利用这些信息，系统可以推断调整这些参数如何能最小化某些错误。如果这些错误开始出现，它可以做出适当的调整。并且这可以与管理逻辑量子比特的错误检测和纠正系统并行进行。 该系统被用于控制位于已校准系统上的两个逻辑量子比特。这两个量子比特使用不同的纠错方案（表面码和彩色码）。它们被设置为特定状态，然后分别在有和没有强化学习驱动校正的情况下使用纠错系统。激活该系统后，逻辑量子比特的错误检测和纠正能力提升了 20%。 ## 实现实时运行 这种方法的局限性在于，只有当漂移使系统保持在训练状态附近时，它才有效。当系统处于显著不同的状态时，能够使系统恢复到正确状态的校正方法可能不再有效。 解决方案是持续重新评估不同变化的有效性。但这有一个明显的问题：你不能在计算中途随机化所有可能的控制配置。即使有有限的变动，系统也不可避免地会在最优纠错之外运行。因此，问题在于，频繁的次优纠错是否值得通过防止漂移造成更大问题来弥补。“探索-利用权衡的有利结果将意味着，大多数比（最优策略）更差的采样策略候选的总体性能仍然优于没有强化学习引导的性能，”研究人员写道。 使用一个非常小的纠错量子比特进行多次模拟显示，只要漂移足够慢，这种权衡是可行的。团队证明，这可以在包含约 40000 个参数的大型纠错量子比特上实时工作，强化学习系统控制着这些参数。 显然，这不是当前问题的解决方案；我们只能让系统运行足够长的时间来执行相对较短、简单的算法，因此漂移甚至不是问题。最终，我们的目标是制造能够执行那些此类问题会变得重要的计算的硬件。而展示一个我们知道可能存在的问题是可以被处理的，这本身就具有一定的价值。 《自然》，2026 年。DOI:10.1038/s41586-026-10759-2 (http://dx.doi.org/10.1038/s41586-026-10759-2)（关于 DOI (http://arstechnica.com/science/news/2010/03/dois-and-their-discontents-1/)）。 John Timmer 的照片 (https://arstechnica.com/author/john-timmer/) John 是 Ars Technica 的科学编辑。他拥有哥伦比亚大学的生物化学学士学位和加州大学伯克利分校的分子与细胞生物学博士学位。当他不坐在键盘前时，他倾向于寻找自行车，或寻找风景优美的地方去享受徒步旅行。 1 条评论 (https://arstechnica.com/science/2026/07/quantum-error-correction-can-constantly-recalibrate-a-processor/#comments) 1. "Most Read" 中第一篇文章的列表图片：怀疑 AI 作弊，常春藤教授要求线下期末考试；成绩下降 50% (https://arstechnica.com/ai/2026/07/we-cannot-choose-to-become-idiots-the-ai-cheating-scandal-roiling-brown-university/)