科技日报北京11月24日电 （记者张梦然）最新一期《自然》杂志发布了谷歌“深度思维”团队的人工智能（AI）成果：一款名为“阿尔法量子比特”（AlphaQubit）的AI解码器。这款解码器能以前所未有的精确度检测量子计算过程中出现的错误，且在10万轮模拟实验中均保持良好性能，这是构建稳定可靠量子计算机的关键步骤。

　　“阿尔法量子比特”采用了基于神经网络的设计，特别是利用了Transformer架构手机网络翻墙啥意思，这是目前大多数大型语言模型的基础。该解码器的任务是在实验结束时，通过一致性检查作为输入，准确预测逻辑量子位的状态是否已从初始状态发生变化。

　　在训练阶段，团队首先使用了来自“悬铃木”量子处理器的49个量子比特的数据集对“阿尔法量子比特”进行训练。他们先利用量子模拟器生成了数亿个不同设置和错误级别的示例，随后通过数千个实验样本来微调“阿尔法量子比特”，使其更好地适应具体应用场景。

　　测试结果显示，在处理“悬铃木”的新数据时，“阿尔法量子比特”显著提高了错误识别的准确性。特别是在最大规模的实验中，“阿尔法量子比特”将错误率降低了6%以上。同时，它还比相关性匹配方法的错误率低了约30%。

　　团队还使用了最高至241个量子比特的模拟量子系统数据进行训练，结果显示，即使在超出“悬铃木”平台限制的情况下，“阿尔法量子比特”依然能够超越现有的高级解码算法，显示出其在未来中型量子设备上的潜在应用价值。

　　此外，在长达10万轮的模拟实验中，即使经过最多25轮的错误校正训练，“阿尔法量子比特”仍表现出色，证明了其在面对未知情况时的泛化能力。

　　团队表示，“阿尔法量子比特”代表了使用机器学习进行量子纠错的重要里程碑，但其仍面临速度和可扩展性方面的重大挑战，未来还需寻找更加高效的训练方法。

　　量子计算的可靠性与稳定性是其面临的重要挑战。利用人工智能技术为量子计算纠错，是一种极具潜力的思路：机器学习能高效处理量子计算过程中产生的海量数据，快速识别出错误模式与特征，从而显著提升量子纠错效率。不过，人工智能与量子计算都属于新兴前沿技术，这两种技术均具有一定的复杂性，且面临可靠性方面的挑战。两个“新手”做“搭档”，会不会引入新的不确定性？这一点需要研发团队高度关注。

　　人民日报社概况关于人民网报社招聘招聘英才广告服务合作加盟供稿服务数据服务网站声明网站律师信息保护联系我们

　　人 民 网 股 份 有 限 公 司 版 权 所 有 ，未 经 书 面 授 权 禁 止 使 用