Google 用强化学习实现量子纠错实时校准 逻辑稳定性提升3.5倍
Google 用强化学习让量子计算机在运行时自主校准，逻辑稳定性提升3.5倍，不再需要频繁停机维护。
量子计算机的校准一直依赖频繁停机，Google 量子 AI 团队用强化学习（一种让AI在试错中学习的算法）将纠错过程中产生的检测事件转化为实时奖励信号，让系统在运行中持续自我优化。实验表明，该方法使逻辑错误率下降约20%，稳定性提升3.5倍，并能扩展至近4万个控制参数。这意味着未来大规模量子计算或能实现“不停机自维护”。
正文摘录
.jpg) 编辑丨^…^ 量子计算机的本质其实是一种模拟机器，在其中，量子比特始终在与环境进行着一场无声的较量。温度的细微变化、电子器件的老化、控制线路的漂移，都会让量子门操作逐渐偏离最佳状态。哪怕只有极小的误差积累，也足以让原本正确的计算结果失去意义。 如今的超导量子计算机需要频繁停下任务进行校准，工程师不断测量系统状态、调整数千个控制参数，再重新开始计算。这套流程在今天的小规模设备上尚且能够维持，但随着容错量子计算逐渐走向数百甚至数千个逻辑量子比特，依赖人工或固定规则的校准方式开始暴露出越来越明显的瓶颈。 如果量子计算机能够像自动驾驶汽车一样，在运行过程中持续感知自身状态，并实时修正控制参数，会发生什么？ 2026 年 7 月 8 日，Google 量子 AI 团队在《Nature》上发表了「Reinforcement learning control of quantum error correction」。他们训练了一个强化学习智能体来稳定逻辑量子比特，能够从失败中持续不断地学习。