Google發表能夠糾出量子運算錯誤的AI解碼器AlphaQubit

Google DeepMind及Quantum AI團隊周三（11/20）共同發表了AlphaQubit，這是一個基於人工智慧的解碼器，能夠準確地辨識量子運算的錯誤，宣稱優於目前領先的各種解碼器，著眼於解決量子運算所面臨的最大挑戰之一。自然（Nature）期刊亦於同一天出版了此一研究報告。

量子電腦是利用物質在最小尺度上的獨特性質，如疊加或糾纏，以比傳統電腦少很多的步驟來解決特定類型的複雜問題，該技術仰賴可同時表示0與1的量子位元，藉由量子干涉來強化正確答案，快速篩選出大量可能性中的正確解答。

不過，量子位元的自然量子態很脆弱，可能會受到各種因素的影響，從硬體的極小缺陷、熱、振動、電磁干擾或無所不在的宇宙射線都有可能破壞它，使得各界嘗試替它糾錯。一般的量子糾錯概念為冗餘編碼，它並不使用單個量子位元來儲存訊息，而是將多個物理量子位元編碼成一個邏輯量子位元，因此就算個別的物理量子位元出現錯誤，整體邏輯量子位元的資訊仍可被保護，之後再透過解碼器對當中的物理量子位元定期進行一致性檢查，檢測發生錯誤的量子位元，並修復它們。

而AlphaQubit即是一款基於神經網路的解碼器，它奠基在Google所開發的深度學習架構Transformers，輸入各種一致性的檢查，即可準確預測量子位元的狀態是否已被改變。

Google研究人員解釋，量子糾錯的一個關鍵挑戰，在於如何準確解碼自冗餘檢查中所提取的具雜訊的綜合資訊，並恢復正確編碼的邏輯資訊，為此，他們開發了一個基於Transformers的循環神經網路AlphaQubit，專門學習如何解碼Surface Code（目前領先的量子糾錯技術），在Google的Sycamore量子處理器的真實資料上，它於distance-3及distance-5的Surface Code表現優於其它解碼器，即使在距離更大的模擬條件下（如distance-11），面對複雜的實際噪音，AlphaQubit依舊能夠保持優勢，意味著未來它也將適用於中型量子裝置。

圖片來源／Google

即使AlphaQubit代表了以機器學習進行量子糾錯的里程碑，但Google坦承還是面臨速度及可擴展性上的挑戰，例如在高速超導量子處理器中，每秒需要進行100萬次的一致性檢查，雖然AlphaQubit在準確辨識錯誤方面表現出色，卻因速度太慢而無法滿足即時更正的需求。

Google表示，隨著量子運算逐漸發展到，可能需要數百萬個量子位元才能支持商業應用，他們需要找到更具資料效益的途徑來訓練AI解碼器，以因應未來的需求。