CSIRO研究发现，人工智能神经网络综合症解码器可以检测错误并在量子处理器中进行适当的校正。图片来源：CSIRO

人工智能能否帮助克服量子计算的最大障碍之一？

澳大利亚国家科学机构的新研究发现，人工智能可以帮助解决量子计算错误。这是关键的一步，有朝一日可能导致量子计算机解决复杂的现实世界问题。

CSIRO的研究发表在 《物理评论研究》杂志上，首次发现人工智能可以帮助处理和解决量子误差，这些误差被称为量子比特噪声，这些误差是由量子物理学的本质产生的。

克服这些错误被广泛认为是先进量子计算机从实验转向工具的最大障碍。

在传统计算机中，信息以“比特”的形式存储和处理，这些“比特”根据二进制数的原理工作。每个位可以表示 0 或 1。但量子计算设备是由量子比特或“量子比特”组成的。

它们致力于量子力学的特殊性质，使它们能够同时表示 0、1 或同时表示 0 和 1。预计这将释放巨大的计算能力，使他们能够解决传统计算机无法解决的问题。

但量子比特的微妙性质也导致量子计算机在其输出中产生“噪声”或错误。为了克服这个问题，量子纠错码用于检测和纠正错误。

CSIRO实施了AI神经网络综合症解码器来检测错误并进行适当的纠正。CSIRO的Data61量子系统团队负责人Muhammad Usman博士表示，这项工作可以有效地处理来自真实量子硬件的复杂错误。

“我们的工作首次确定，基于机器学习的解码器原则上可以处理直接从IBM设备上的测量中获得的错误信息，并提出适当的校正建议，尽管噪声的性质非常复杂，”他说。

“在我们的工作中，当纠错码距离增加时，我们没有观察到错误抑制，正如理论上预期的那样，由于IBM量子处理器中目前有很大的噪声水平（高于代码阈值）。

量子纠错码已被开发出来，通过在许多物理量子比特之间传播逻辑信息来对抗量子比特的潜在物理噪声。

这些代码通过测量量子比特晶格内的稳定器来解释错误信息，称为综合征测量。高效、快速且可扩展地实现计算成本高昂的综合征处理步骤对于量子纠错码的整体性能至关重要。

为了提高这种校正效率，Usman博士实施并训练了一个人工神经网络综合症解码器。

神经网络解码器的性能直接在 IBM 量子处理器上进行了基准测试，表明它可以有效地处理来自真实量子硬件的复杂错误并进行适当的校正。

研究表明，随着未来几年内物理错误率的降低，人工智能可以随着代码距离的增加而实现错误抑制，甚至可以在代码距离变得适当大时实现完全容错。

更多信息：Brhyeton Hall 等人，IBM 量子处理器上的人工神经网络综合征解码，物理评论研究 （2024）。DOI： 10.1103/PhysRevResearch.6.L032004

期刊信息： Physical Review Research