图片来源: Google DeepMind及Quantum AI团队周三（11/20）共同发表了AlphaQubit，这是一个基于人工智慧的解码器，能够準确地辨识量子运算的错误，宣称优于目前领先的各种解码器，着眼于解决量子运算所面临的最大挑战之一。自然（Nature）期刊亦于同一天出版了此一研究报告。
量子电脑是利用物质在最小尺度上的独特性质，如叠加或纠缠，以比传统电脑少很多的步骤来解决特定类型的複杂问题，该技术仰赖可同时表示0与1的量子位元，藉由量子干涉来强化正确答案，快速筛选出大量可能性中的正确解答。
不过，量子位元的自然量子态很脆弱，可能会受到各种因素的影响，从硬件的极小缺陷、热、振动、电磁干扰或无所不在的宇宙射线都有可能破坏它，使得各界尝试替它纠错。一般的量子纠错概念为冗余编码，它并不使用单个量子位元来储存讯息，而是将多个物理量子位元编码成一个逻辑量子位元，因此就算个别的物理量子位元出现错误，整体逻辑量子位元的资讯仍可被保护，之后再透过解码器对当中的物理量子位元定期进行一致性检查，检测发生错误的量子位元，并修复它们。
而AlphaQubit即是一款基于神经网路的解码器，它奠基在Google所开发的深度学习架构Transformers，输入各种一致性的检查，即可準确预测量子位元的状态是否已被改变。
Google研究人员解释，量子纠错的一个关键挑战，在于如何準确解码自冗余检查中所提取的具杂讯的综合资讯，并恢复正确编码的逻辑资讯，为此，他们开发了一个基于Transformers的循环神经网路AlphaQubit，专门学习如何解码Surface Code（目前领先的量子纠错技术），在Google的Sycamore量子处理器的真实资料上，它于distance-3及distance-5的Surface Code表现优于其它解码器，即使在距离更大的模拟条件下（如distance-11），面对複杂的实际噪音，AlphaQubit依旧能够保持优势，意味着未来它也将适用于中型量子装置。
图片来源／Google
即使AlphaQubit代表了以机器学习进行量子纠错的里程碑，但Google坦承还是面临速度及可扩展性上的挑战，例如在高速超导量子处理器中，每秒需要进行100万次的一致性检查，虽然AlphaQubit在準确辨识错误方面表现出色，却因速度太慢而无法满足即时更正的需求。
Google表示，随着量子运算逐渐发展到，可能需要数百万个量子位元才能支持商业应用，他们需要找到更具资料效益的途径来训练AI解码器，以因应未来的需求。
