Google DeepMind 的 AlphaQubit 以前所未有的準確度解決量子錯誤檢測
Google DeepMind 的量子研究團隊表示，他們正在利用先進的人工智能算法來解決建造可靠量子計算機的一大挑戰——錯誤修正。
在《自然》雜誌上發表的一篇論文中，Google DeepMind 和 Quantum AI 團隊介紹了一種新的、以 AI 驅動的量子計算機解碼系統，能夠以無與倫比的準確性識別計算錯誤。這個系統被稱為 AlphaQubit，是 Google DeepMind 在機器學習方面的專業知識與 Google Quantum AI 在量子機器方面的技術結合的結果。
論文中，作者解釋了準確檢測量子計算錯誤的重要性，這對於建造可擴展且可靠的機器以解決世界上最大的計算挑戰至關重要。這是邁向未來可能帶來眾多科學突破的關鍵一步，而這些突破是傳統計算機無法實現的。
團隊指出，量子計算機有潛力在幾分鐘或幾小時內解決傳統計算機需花費數年才能完成的問題。然而，將這些下一代系統投入使用的一大障礙在於，量子位（qubits），即傳統“位”（bits）的量子等價物，非常不穩定且易出錯。因此，需要一種方法來檢測這些錯誤，以便用戶能夠信賴量子機器生成的結果。
量子位的不穩定性源自其依賴於量子特性，如疊加和糾纏，以在更少的步驟中解決複雜問題。量子位可以利用量子推斷篩選出大量可能性來尋找解決方案，但它們的自然狀態非常脆弱。微小的硬件缺陷、熱量的微小變化、微小的振動、電磁干擾甚至宇宙射線，都可能輕易地擾亂量子位。
這解釋了為什麼現有的量子計算機要麼在接近絕對零度的溫度下運行，要麼使用激光等新技術來操控以真空中的離子為基礎的量子位，儘管這些技術確實有所幫助，但並未完全解決不穩定性問題。
通過使用量子錯誤修正系統，可以通過將多個量子位組成一個邏輯量子位並定期對其進行一致性檢查來繞過不穩定性問題。這樣就可以識別出偏離正常情況的邏輯量子位，並在發生偏差時進行修正。
困難在於識別這些錯誤，而這正是 AlphaQubit 的幫助所在——Google DeepMind 解釋說，這是一個基於神經網絡的解碼器，利用了當今許多大型語言模型所依賴的變壓器架構。研究團隊在數百次一致性檢查上訓練 AlphaQubit，使其能正確預測何時邏輯量子位開始出現不正常行為。
研究人員解釋道：
“我們首先訓練我們的模型來解碼 Sycamore 量子處理器內部49個量子位的數據，這是量子計算機的中心計算單元。為了教導 AlphaQubit 一般解碼問題，我們使用量子模擬器生成數億個示例，涵蓋各種設置和錯誤級別。然後，我們通過提供來自特定 Sycamore 處理器的數千個實驗樣本來調整 AlphaQubit 以執行特定的解碼任務。”
在研究人員的測試中，AlphaQubit 相較於現有的量子解碼器顯示出驚人的準確性，在最大的 Sycamore 實驗中，比張量網絡方法少出錯 6%。雖然張量網絡本身相當準確，但問題在於它們非常慢。相比之下，AlphaQubit 能夠以更高的準確性和更快的速度識別錯誤，足夠快以應對現實世界的量子計算操作。
研究人員表示，如今最強大的量子計算機只能實現技術最終能達到的計算能力的一小部分，因此需要證明 AlphaQubit 能夠大幅擴展。為了確保它能做到這一點，研究人員在多達 241 個量子位的模擬量子系統數據上訓練它，這大大超過了 Sycamore 上可用的量子位數量。再次，AlphaQubit 遠遠超越了現有解碼器，顯示出它能夠與中型量子機器合作的潛力。
AlphaQubit 還有一些其他有用的特性。例如，它能夠報告輸入和輸出的“置信度水平”，這意味著未來有很多潛力來提高量子處理器的性能。此外，在訓練了多達 25 輪錯誤修正的樣本後，該系統在多達 100,000 輪中保持高性能，這意味著它能夠概括超出其訓練數據的情境。
儘管 AlphaQubit 可以幫助提高量子計算機的可靠性，但研究人員承認仍有很多工作要做。首先，該系統在快速超導量子處理器上實時修正錯誤的速度仍然太慢。
隨著量子機器的規模增長，超過實現相對於傳統計算機優勢所需的數百萬量子位，它們需要提出更有效的方法來訓練解碼器，以處理如此大量的數據。
—
對於這項新技術的發展，AlphaQubit 的出現不僅有助於量子計算機的可靠性，還可能引領量子計算領域的重大突破。隨著量子計算技術的持續進步，未來的應用可能會顯著改變我們的計算方式，從而推動科學研究、數據分析及人工智能等領域的發展。而這一切的關鍵在於如何有效地管理和修正量子錯誤，這正是 AlphaQubit 所致力於解決的問題。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
