Специалисты подразделений Google Quantum AI и DeepMind представили инновационную систему, способную автоматически настраивать квантовый процессор непосредственно в процессе выполнения вычислений. В современных квантовых компьютерах параметры кубитов имеют свойство постепенно изменяться под влиянием температурных колебаний, внешних шумов и микродефектов аппаратного обеспечения. Из-за этого квантовые системы сегодня приходится регулярно останавливать для длительной перекалибровки. Новый метод Google позволяет проводить обслуживание «на лету», не прерывая рабочий процесс.
Калибровка является критическим этапом подготовки кубитов к работе. Хотя кубиты на основе ионов или нейтральных атомов от природы практически идентичны, сверхпроводящие кубиты на джозефсоновских переходах, которые использует Google, требуют индивидуальной настройки. Современные производственные мощности пока не позволяют создавать массивы переходов с идеально идентичными характеристиками, поэтому каждый элемент системы нуждается в тщательной подгонке.
Проблема усугубляется дрейфом сотен параметров каждого кубита прямо во время работы. Это приводит к накоплению систематических ошибок, которые накладываются на стандартные квантовые сбои. Когда «ошибки калибровки» достигают критического уровня, вычисления приходится прерывать, а на повторную настройку оборудования уходят недели. Примечательно, что существующие технологии коррекции ошибок изначально не были предназначены для борьбы с таким дрейфом параметров.
Разработчики Google нашли элегантное решение: они научили систему использовать данные, уже собираемые для коррекции обычных квантовых ошибок, для выявления сбоев калибровки. На основе частоты появления ошибок алгоритм определяет, какие параметры процессора отошли от оптимальных значений. После этого система обучения с подкреплением корректирует управляющие импульсы и квантовые операции, проверяя эффективность изменений в реальном времени.
Технология была протестирована на сверхпроводящем процессоре Google Willow. Алгоритм успешно управлял более чем одной тысячей параметров одновременно. В результате дополнительная автокалибровка снизила количество логических ошибок примерно на 20%. В условиях специально спровоцированного дрейфа характеристик кубитов система продемонстрировала ещё более впечатляющие показатели: количество ошибок сократилось на 24–31%, а общая стабильность работы процессора значительно возросла.
Команда исследователей также провела моделирование более масштабной системы, где требовался контроль над 40 тысячами параметров. Результаты подтвердили возможность масштабирования метода, так как каждая конкретная ошибка обычно локализована в небольшой группе соседних кубитов. Конечно, это пока не означает, что квантовые компьютеры смогут работать бесконечно без технического обслуживания. Однако технология доказывает, что системы коррекции могут не только исправлять случайные сбои, но и поддерживать квантовый процессор в оптимальном рабочем состоянии на постоянной основе.
Автокалибровка станет критически важной, когда квантовые алгоритмы станут по-настоящему длинными. Хотя до этого момента еще далеко, инженеры Google работают на опережение, создавая необходимые инструменты для будущих поколений вычислительных машин.
