Чувствительность кубитов к шумам вносит неконтролируемые ошибки в квантовые вычисления, что не позволяет запускать сложные алгоритмы. Чтобы улучшить ситуацию исследователи Университета МИСИС на основе нейросетей создали самообучающуюся систему поиска и исправления ошибок. Разработка сочетает преимущества интеллектуальных и классических алгоритмов, поэтому эффективнее распознаёт ошибки по мере наращивания числа кубитов, что является ключевой задачей.
«Современные устройства совершают ошибки во многом из-за взаимодействия квантовой системы с её окружением. При этом даже небольшие погрешности критичны при масштабных вычислениях, так как искажение результата накапливается с каждой операцией. Повышение точности — одна из ключевых задач в развитии квантовых технологий», — сообщил директор Института физики и квантовой инженерии НИТУ МИСИС Алексей Фёдоров.
Предложенный учёными метод опирается на архитектуру рекуррентных нейронных сетей, которая анализирует временные ряды данных. Эти ряды извлекаются в процессе периодического измерения вспомогательных кубитов. Что особенно ценно, эта особенность позволяет алгоритму работать с различными кодами коррекции.
Исследователи протестировали алгоритм на семействе циклических кодов коррекции с учётом топологических особенностей квантового процессора на сверхпроводящих кубитах. Результаты исследования опубликованы в журнале Physical Review A (Q1). Также статья доступна на сайте препринтов arXiv. Это её третья редакция.
«Главное преимущество разработки заключается в способности обучаться на данных, полученных с конкретного устройства. Это особенно важно в условиях, когда характер ошибок отличается от теоретически предполагаемых моделей. Кроме того, предложенный алгоритм декодирования не зависит от конкретного кода коррекции, что делает его универсальным и легко масштабируемым», — сообщил автор исследования Илья Симаков, инженер научного проекта лаборатории сверхпроводниковых квантовых технологий НИТУ МИСИС, научный сотрудник Российского квантового центра.
