Главная проблема квантовых компьютеров — высокая чувствительность кубитов к шумам, из-за чего в вычисления закрадываются ошибки, мешающие запуску сложных алгоритмов. Чтобы справиться с этим, учёные из МИСИС разработали самообучающуюся систему на базе нейросетей, которая выявляет и исправляет ошибки в режиме реального времени. Новая методика сочетает в себе возможности классических алгоритмов и интеллектуальных решений, что позволяет ей становиться только точнее по мере увеличения числа кубитов — а именно это и является ключевым вызовом в развитии квантовых технологий.
Квантовые системы подвержены внешнему влиянию, и даже минимальные отклонения приводят к серьёзным искажениям результата, накапливаясь с каждым вычислением. Для создания надёжных квантовых компьютеров нам нужно минимизировать эти погрешности.
Разработанный алгоритм базируется на рекуррентных нейросетях, анализирующих временные ряды данных, полученных в процессе периодического измерения вспомогательных кубитов. Такой подход делает систему адаптивной и позволяет ей работать с разными типами кодов коррекции ошибок.
Учёные протестировали метод на сверхпроводящих кубитах, используя семейство циклических кодов коррекции, и подтвердили его эффективность. Результаты исследования опубликованы в журнале Physical Review A (Q1), а также доступны на платформе arXiv.
Ключевое преимущество нашей системы — способность обучаться на данных конкретного квантового устройства. Это критически важно, так как в реальных условиях характер ошибок зачастую отличается от прогнозируемых моделей. Кроме того, алгоритм не привязан к какому-то одному коду коррекции, что делает его универсальным и удобным для масштабирования.
