量子计算中最持久的挑战之一是漂移：使量子处理器保持最佳性能运行的控制参数会因温度波动、材料老化和其他环境因素而随时间变化。标准的解决方案是停止计算，运行校准程序，然后重新启动，这个过程既浪费时间，又限制了逻辑量子比特的维持时间。
Google Quantum AI和Google DeepMind在《Nature》上发表的一篇新论文（第一作者为Volodymyr Sivak、Alexis Morvan和Michael Broughton）展示了一种替代方案：强化学习利用量子纠错已经产生的错误检测事件作为持续学习信号，在不中断计算的情况下实时引导处理器的控制参数。
工作原理
在量子纠错中，当综合征测量标记出潜在错误时，就会产生错误检测事件。这些事件通常只有一个目的：告诉解码器应用哪些纠正。新方法赋予它们双重角色：同样的事件也被用作PEPG（参数探索策略梯度）这种无模型策略梯度算法的强化信号。
该算法维持一个控制参数的概率分布，并根据错误检测事件的比率进行更新。关键在于，系统利用了一种稀疏因子图结构：每个错误检测器只连接到其检测区域内门的控制参数，平均每个检测器302个参数，每个参数18个检测器。这种稀疏性使强化学习能够独立于系统规模收敛，意味着这种方法应该能够扩展到更大的处理器。
实验在Google的Willow超导处理器（105个量子比特）上运行，控制距离5颜色代码的超过1000个参数，并模拟了距离15表面代码约40000个参数的可扩展性。
数据表现
在Willow处理器上，强化学习引导将逻辑错误率（LER）的稳定性提高了2.4倍，LER降低了24%。与解码器引导相结合时，改进达到了3.5倍，即LER降低31%。
该系统达到了该硬件的创纪录LER：使用AlphaQubit2解码器，距离7的表面代码为7.72 x 10^(-4)；使用Tesseract解码器，距离5的颜色代码为8.19 x 10^(-3)。这相当于比专家手动校准所能达到的效果额外抑制了约20%的LER。
RL系统可以在大约130个周期内追踪阶梯式参数漂移，并将低频LER波动抑制约4 dB。有效实时引导的临界漂移频率约为1/150个周期，意味着任何比该时间尺度更慢的漂移都会被自动纠正。
为什么重要
持续重新校准是构建稳定量子处理器的实际必要条件。当前的校准程序需要停止处理器，这限制了逻辑量子比特的相干时间，并引入了随处理器规模增长的额外开销。消除停止需求的RL系统是向大规模容错量子计算迈出的一步。
该方法还简化了硬件要求：处理器不需要永不漂移的极其稳定的控制系统，而是可以容忍漂移并自主纠正。作者指出，RL系统的收敛速度与系统规模无关，这表明随着处理器扩展到数千个量子比特，该方法应该继续有效。
该论文于2026年7月8日发表在《Nature》上，并由Ars Technica的John Timmer进行了报道。
来源
[1] Sivak, V.，Morvan, A.，Broughton, M.，等。《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/
婷 翻译