Исследователи из Google Quantum AI разработали алгоритм, который непрерывно подстраивает кубиты, пока идёт вычисление. Система стала в 3,5 раза стабильнее и больше не требует остановок для калибровки. Об этом сообщает «Хайтек» со ссылкой на исследование в журнале Nature.
Кубиты крайне чувствительны к малейшим изменениям температуры, электрических токов и дрейфу управляющей электроники. Даже крошечное возмущение резко повышает вероятность ошибки. Современные квантовые системы вынуждены регулярно останавливать вычисления и перенастраивать параметры каждого кубита. Для длинных расчётов, которые исследователи надеются запускать на будущих машинах, это серьёзное препятствие.
Группа Владимира Сивака из Google Quantum AI пошла другим путём. Квантовые компьютеры уже умеют отслеживать ошибки во время работы с помощью специализированных кубитов, не прерывая само вычисление. Вместо того чтобы использовать эту информацию только для обнаружения сбоев, команда направила её в алгоритм обучения с подкреплением. Алгоритм вносил крошечные поправки в тысячи контрольных настроек и наблюдал, как меняется паттерн ошибок. Постепенно он научился определять, какие изменения повышают стабильность системы. Квантовый компьютер начал учиться на собственных ошибках, не прекращая счёта.
Метод испытали на сверхпроводящем процессоре Google Willow. В систему намеренно ввели дрейф, имитируя медленные изменения окружающей среды. С непрерывно обновляемой настройкой процессор стал примерно в 3,5 раза стабильнее, чем при использовании существующих методов коррекции ошибок. Главное — стабильность сохранялась прямо во время вычислений. Дополнительное моделирование показало, что метод можно масштабировать на системы с десятками тысяч настраиваемых параметров без заметного замедления.
Сегодняшние квантовые компьютеры ещё недостаточно велики, чтобы проблема перекалибровки стала главным ограничением. Но результат команды закрывает вызов, который будет нарастать по мере взросления технологии. Непрерывная самокалибровка вместо остановок позволит будущим машинам браться за гораздо более длинные и сложные расчёты. Вместо того чтобы просто устранять ошибки, алгоритм превращает их в источник обучения и делает систему устойчивее со временем.
Обложка: magnific
