谷歌 DeepMind AI 可以熟练地修复量子计算机中的错误
量子位或量子位可以被认为代表球体上的数据 谷歌深度思维 谷歌 DeepMind 开发了一种人工智能模型，可以通过比任何现有方法更有效地纠正错误来提高量子计算机的性能，使这些设备更接近更广泛的使用。 量子计算机对量子位或量子位进行计算，量子位是可以同时存储多个值的信息单位，与可以保存 0 或 1 的经典位不同。然而，这些量子位很脆弱并且容易出错当受到环境热量或流动宇宙射线等因素干扰时。 为了纠正这些错误，研究人员可以将量子位组合在一起形成所谓的逻辑量子位，其中一些量子位用于计算，而另一些则保留作为错误检测工具。来自后一个量子位的信息必须通常通过经典计算算法来解释，以找出如何纠正错误，这个过程称为解码。这是一项艰巨的任务，但它与量子计算机的整体纠错能力密切相关，而这反过来又决定了其运行有用的现实世界任务的能力。 现在， 约翰·鲍什 谷歌的 DeepMind 和他的同事开发了一种名为 AlphaQubit 的人工智能模型，它可以比任何现有算法更好、更快地解码这些错误。 Bausch 在 11 月 2 日的新闻发布会上对记者表示：“如果你对非常非常高的准确度感兴趣，那么设计量子纠错码解码器就非常重要了。” “AlphaQubit 无需人工主动设计算法即可学习这种高精度解码任务。” 为了训练 AlphaQubit，Bausch 和他的团队使用了变压器神经网络（该技术为他们获得诺贝尔奖的蛋白质预测 AI、AlphaFold 和 ChatGPT 等大型语言模型提供了动力），以了解来自错误检测量子位的数据如何与量子位相对应错误。他们首先使用来自模拟错误的数据来训练模型，然后根据来自谷歌 Sycamore 量子计算芯片的真实数据对其进行微调。 在对 Sycamore 芯片上的少量量子位进行的实验中，Bausch 和他的团队发现 AlphaQubit 的错误比次佳算法（称为张量网络）少 6%。但随着量子计算机变得越来越大，张量网络也变得越来越慢，因此无法扩展到未来的机器，而根据模拟，AlphaQubit 似乎能够运行得同样快，随着这些计算机的发展，它成为一个有前途的工具，Bausch 说。 “这非常令人兴奋，”说 斯科特阿伦森 在德克萨斯大学奥斯汀分校。 “很明显，在容错量子计算中足够快地解码和纠正错误也将把经典计算推向极限。很明显，对于经典计算机所做的几乎所有涉及优化或不确定性的事情，你现在可以将机器学习投入其中，它们可能会做得更好。” 主题： 人工智能/ 深度思维 1732536509 #谷歌 #DeepMind #可以熟练地修复量子计算机中的错误 […]