量子计算对噪声极其敏感

量子计算机有可能在短短几个小时甚至几秒钟内解决大多数关键的计算任务，而这些任务传统计算机需要数十亿年才能完成。然而与传统计算机不同的是，量子计算机对噪声极其敏感，这就是为什么我们围绕它构建了这个庞大的系统以保持其冷却。即使是来自环境的最轻微的干扰，如热、振动或噪声，也会使它们的计算失败。这通常会导致量子计算中的错误，使得计算结果既不可靠也不实用。

通过纠错技术来对抗干扰

为了解决这个问题，现代量子计算使用了许多不同的纠错技术。最流行的纠错方法之一是所谓的表面编码Surface Code。就是使用多个物理量子位来编码单个逻辑量子位的值。然后这些物理量子位用于错误检测和纠错。这种方法非常流行，并被谷歌和 IBM 等科技巨头所采用。

最好的错误率只能做到1/1000

问题是，即使是最先进的现代量子计算机，每1000次操作也会出现1个错误。但为了实现可以执行复杂和长时间计算的实用量子计算机，我们需要将这个错误率降低到每1万亿次操作出现1个错误。如你所见，我们距离目标还很远。事实证明，量子纠错最大的困难之一在于解码过程，量子比特中的噪声不遵循任何特定的模式，动态且不可预测地变化。

这正是DeepMind的全新AI突破模型AlphaQubit的用武之地。AlphaQubit是一个神经网络，DeepMind训练它充当逻辑量子位的解码器，从量子计算机中读出奇偶校验，判断是否发生了错误。它就像一个量子计算的拼写检查器，可以修复错误并确保一切都正确无误。    为了学习一般的解码问题，AlphaQubit首先在量子计算机模拟器的数千个模拟示例上进行训练，然后根据谷歌Sycamore量子计算机的实验样本进行微调，Sycamore实际上曾经实现过量子霸权。

通过测量物理量子比特状态，给出错误发生的概率

本质上，AlphaQubit正在解决量子领域最大的挑战之一，即纠错。它被用在谷歌的 Sycamore 量子处理器上，以区分在实验结束测量时量子位是否已从准备状态发生翻转，如果是，则修复错误。正如我们之前所讨论的，每个逻辑量子比特都由几个物理量子比特表示，因此每微秒AlphaQubit都会读取这些物理量子比特的状态。在实验结束时，网络会做出预测，并且会给出错误是否发生的概率。根据DeepMind的说法，AlphaQubit在量子纠错方面超越了所有现有的解码器。他们已经实现了98.5％的纠错准确率，并且与同类最佳的纠错方法相比，总体上将错误减少了30％，这是使量子计算机能够执行更长时间和更复杂的计算的关键部分，使它们能够解决量子物理、量子化学甚至量子密码学领域的最重要问题。

仍面临诸如速度之类的诸多挑战

这些结果在纸面上看起来很棒，但仍然存在许多挑战。第一个主要挑战与速度有关，通常超导量子处理器每秒执行数百万次一致性检查，这意味着你需要以这种速度获取数据并将其合并到解码器中。不幸的是，目前AlphaQubit的速度仍然太慢，至少慢了10倍，所以这是DeepMind团队目前的重点提升方向。

AI推动量子计算的发展

当我们将人工智能和量子计算结合起来时会发生很多奇妙的事情。首先，人工智能加速了量子计算的进展，我们已经看到了这一点，不仅仅是AlphaQubit这种纠错技术，AI还能推动更好的量子算法的开发，比如T-Gates。从另一个角度来看，当前的人工智能受到硬件资源的限制，人工智能的发展往往超过传统硬件的进步。量子计算可以加速那些在传统硬件上无法训练的庞大人工智能模型。我们周围的世界从根本上来说是量子力学的，对于关于我们周围世界的某些学习任务，量子计算能够以某种方式增强人工智能。