L’un des défis les plus persistants en informatique quantique est la dérive : les paramètres de contrôle qui maintiennent un processeur quantique à son niveau de performance optimal varient avec le temps en raison des fluctuations de température, du vieillissement des matériaux et d’autres facteurs environnementaux. La solution standard consiste à arrêter le calcul, à exécuter des routines de calibrage et à redémarrer, un processus qui fait perdre du temps et limite la durée de maintien d’un qubit logique.
Un nouvel article dans Nature, signé par Google Quantum AI et Google DeepMind, avec comme premiers auteurs Volodymyr Sivak, Alexis Morvan et Michael Broughton, présente une alternative : l’apprentissage par renforcement qui utilise les événements de détection d’erreur déjà produits par la correction d’erreurs quantique comme signal d’apprentissage continu, orientant les commandes du processeur en temps réel sans interrompre le calcul.
Comment cela fonctionne
Dans la correction d’erreurs quantique, des événements de détection d’erreur sont générés lorsqu’une mesure de syndrome signale une erreur potentielle. Ces événements servent normalement un seul but : indiquer au décodeur quelles corrections appliquer. La nouvelle approche leur confère un double rôle : les mêmes événements sont également utilisés comme signal de renforcement pour un algorithme de politique de gradient sans modèle appelé PEPG (Parameter-Exploring Policy Gradients).
L’algorithme maintient une distribution de probabilité sur les paramètres de contrôle et la met à jour en fonction du taux d’événements de détection d’erreur. Essentiellement, le système exploite une structure de graphe de facteurs clairsemée : chaque détecteur d’erreur n’est connecté qu’aux paramètres de contrôle des portes dans sa région de détection, avec une moyenne de 302 paramètres par détecteur et 18 détecteurs par paramètre. Cette clairsemée permet à l’apprentissage par renforcement de converger indépendamment de la taille du système, ce qui signifie que l’approche devrait s’adapter à des processeurs plus grands.
Les expériences ont été menées sur le processeur supraconducteur Willow de Google (105 qubits), avec le contrôle de plus de 1 000 paramètres pour le code de couleur de distance 5 et une évolutivité simulée jusqu’à environ 40 000 paramètres pour un code de surface de distance 15.
Les chiffres
Sur le processeur Willow, le pilotage par apprentissage par renforcement a amélioré la stabilité du taux d’erreur logique (LER) d’un facteur 2,4, soit une réduction de 24 % du LER. Combiné au pilotage du décodeur, l’amélioration a atteint un facteur 3,5, soit une réduction de 31 % du LER.
Le système a atteint des LER records pour le matériel : 7,72 x 10^(-4) pour le code de surface à distance 7 avec le décodeur AlphaQubit2, et 8,19 x 10^(-3) pour le code de couleur à distance 5 avec le décodeur Tesseract. Cela représente environ 20 % de suppression supplémentaire du LER par rapport à ce qu’un calibrage manuel expert pourrait atteindre.
Le système de RL a pu suivre des dérives de paramètres par paliers en environ 130 époques et supprimer les fluctuations de LER basse fréquence d’environ 4 dB. La fréquence de dérive critique pour un pilotage efficace en temps réel était d’environ 1/150 époques, ce qui signifie que toute dérive plus lente que cette échelle de temps est automatiquement corrigée.
Pourquoi c’est important
Le recalibrage continu est une nécessité pratique pour construire des processeurs quantiques stables. Les routines de calibrage actuelles nécessitent l’arrêt du processeur, ce qui limite le temps de cohérence des qubits logiques et introduit une surcharge qui s’adapte à la taille du processeur. Un système de RL qui élimine le besoin d’arrêt est un pas vers l’informatique quantique tolérante aux pannes à grande échelle.
L’approche simplifie également les exigences matérielles : plutôt que d’avoir besoin de systèmes de contrôle extrêmement stables qui ne dérivent jamais, le processeur peut tolérer la dérive et la corriger de manière autonome. Les auteurs notent que le taux de convergence du système de RL est indépendant de la taille du système, ce qui suggère que l’approche devrait continuer à fonctionner à mesure que les processeurs atteignent des milliers de qubits.
L’article a été publié dans Nature le 8 juillet 2026 et a été couvert par John Timmer d’Ars Technica.
Sources
[1] Sivak, V., Morvan, A., Broughton, M., et al. « Reinforcement learning control of quantum error correction. » Nature (2026). DOI : 10.1038/s41586-026-10759-2
[2] Timmer, J. « Quantum error correction can constantly recalibrate a processor. » Ars Technica (2026). https://arstechnica.com/science/2026/07/quantum-error-correction-can-constantly-recalibrate-a-processor/
Traduit par Lydie