维度网讯，谷歌量子AI（Google Quantum AI）研究团队将强化学习应用于量子纠错过程，在表面码上实现了7.72 × 10⁻⁴的逻辑错误率，这一成果为构建稳定量子计算机迈出了关键一步。

该团队与谷歌DeepMind（Google DeepMind）合作，创新性地将量子纠错过程中的错误检测事件用作为强化学习智能体的学习信号，从而将量子系统的校准与计算过程统一。这意味着量子计算机能在运行中持续调整其控制参数，以主动抵消环境漂移带来的不稳定性。在Willow超导处理器上的实验表明，借助互补解码器引导，该框架将表面码的逻辑稳定性针对注入漂移提升了3.5倍。除了表面码，该团队利用色码平均实现了8.19 × 10⁻³的逻辑错误率。该强化学习智能体管理者超过一千个控制参数，这些参数定义了抽象的量子纠错电路如何转换为控制量子系统的模拟波形。

量子计算机易受环境噪声影响，量子纠错是应对这一挑战的核心方法。虽然传统量子纠错能将模拟扰动转化为离散的“错误”或“无错误”事件，但其有效性依赖于对量子比特的精确模拟控制，通常需要将错误率维持在10⁻³至10⁻²以下。该研究团队并未仅仅依赖错误检测来纠正量子态，而是将这些事件作为反馈信号，让强化学习智能体持续优化控制参数，从而替代了传统需要暂停计算进行重新校准的方法。数值模拟表明，该强化学习框架的优化速度与系统规模无关，这表明其具备扩展到拥有数万个控制参数的量子码的能力，这对未来大规模量子计算机至关重要。研究人员强调，这项工作开启了“一台从错误中学习且永不停止计算的量子计算机”的新范式，并指出该框架不仅限于当前硬件，且直接适用于任何物理量子比特形态和量子纠错架构。