导读：IT之家 11 月 21 日消息，科技媒体 marktechpost 昨日（11 月 20 日）发布博文，报道称谷歌研究人员研发了 AlphaQubit 量子纠错解码器，通过深度学习，实时为量子计算机纠错。AI赋能量子纠错量子计算虽然潜力巨大，但由于量子波动产生噪音，导致计算错误频发，严重阻碍了其发展，而传统的量子纠错方法复杂且效率低下。谷歌研究团队为了解决这一难题，推出了 AlphaQubit，一个基 ......
IT之家 11 月 21 日消息，科技媒体 marktechpost 昨日（11 月 20 日）发布博文，报道称谷歌研究人员研发了 AlphaQubit 量子纠错解码器，通过深度学习，实时为量子计算机纠错。
AI赋能量子纠错量子计算虽然潜力巨大，但由于量子波动产生噪音，导致计算错误频发，严重阻碍了其发展，而传统的量子纠错方法复杂且效率低下。
谷歌研究团队为了解决这一难题，推出了 AlphaQubit，一个基于人工智能的解码器。
AlphaQubit 的核心是使用循环 Transformer 神经网络，有效地解码表面码（surface code）中的错误，表面码是目前量子计算领域领先的纠错方案。
AlphaQubit 采用两阶段训练：首先使用合成数据进行训练，然后用谷歌 Sycamore 量子处理器上的真实数据进行微调，让其能够适应真实环境中的复杂噪声分布。
相比较传统的最小权完美匹配（MWPM）和张量网络解码器，AlphaQubit 在逻辑错误率（LER）方面表现出显著优势，例如在距离为 3 和 5 的表面码中，其 LER 分别降低至 2.901% 和 2.748%。
技术细节：深度学习与软测量数据AlphaQubit 能够处理和利用软测量（通过容易测量的辅助变量来推断或估计难以直接测量或暂时无法测量的关键变量的技术）数据，这比传统的二元（0 或 1）数据提供了更丰富的信息，从而提高了解码精度。
AlphaQubit 的循环 Transformer 架构具有良好的可扩展性，能够有效处理更高码距的表面码。
AlphaQubit 的成功，证明了人工智能在量子纠错领域的巨大潜力。它不仅提高了纠错效率，降低了逻辑错误率，还为未来量子系统的可扩展性提供了解决方案。
