Сверхпроводящие кубиты требуют индивидуальной калибровки: производство не позволяет создавать одинаковые джозефсоновские переходы. В процессе работы их параметры дрейфуют, накапливая ошибки.
Стандартные методы коррекции ошибок не устраняют дрейф параметров. Когда он становился заметным, вычисления прерывали и перекалибровывали процессор — на это уходили недели.
Google Quantum AI и DeepMind разработали систему, которая калибрует процессор прямо во время вычислений, не прерывая их.
Система использует данные, уже собираемые для коррекции обычных квантовых ошибок. По их частоте алгоритм определяет, какие параметры отклонились от нормы.
Алгоритм обучения с подкреплением постепенно корректирует настройки управляющих импульсов и квантовых операций, проверяя, уменьшается ли число сбоев.
На процессоре Google Willow система одновременно контролировала более 1000 параметров. После стандартной калибровки автонастройка снизила число логических ошибок на 20 %.
При специально инициированном дрейфе система снизила ошибки на 24–31 % и сделала работу процессора в несколько раз стабильнее.
В симуляции с ~40 тыс. параметров метод также сработал: каждая ошибка затрагивает лишь небольшую группу соседних кубитов, что упрощает масштабирование.
Автокалибровка критична лишь при длинных алгоритмах — это перспектива будущего. Google уже демонстрирует готовую технологию, работая на опережение.
0 комментариев