L’apprentissage par renforcement contrôle en continu la correction d’erreurs quantiques sur le processeur Willow de Google
La correction d’erreurs quantiques est le défi central qui se dresse entre les processeurs quantiques bruyants d’aujourd’hui et les ordinateurs quantiques tolérants aux pannes nécessaires aux applications pratiques. Corriger les erreurs est une chose; maintenir la stabilité du système de correction à mesure que le matériel dérive au fil du temps, une conséquence quasi inévitable des dispositifs physiques réels, en est une autre.
Une collaboration entre Google Quantum AI et Google DeepMind, publiée le 8 juillet dans Nature, a désormais démontré que l’apprentissage par renforcement peut résoudre ce dernier problème. Sur un processeur supraconducteur Willow avec 105 qubits, un agent RL a continuellement piloté les paramètres de contrôle du système de correction d’erreurs, obtenant une amélioration de 3,5 fois de la stabilité logique face à la dérive et poussant les taux d’erreur logique du code de surface vers un nouveau record: 7,72 × 10⁻⁴ par cycle.
Le problème de la dérive
La correction d’erreurs quantiques (QEC) fonctionne en encodant un seul qubit logique dans de nombreux qubits physiques et en mesurant de manière répétée des circuits stabilisateurs de détection d’erreurs. Sur le code de surface, actuellement le schéma QEC le plus étudié, l’approche standard consiste à calibrer les paramètres de contrôle (amplitudes de porte, fréquences, forces de couplage) une fois, puis à exécuter le calcul.
Mais le matériel physique dérive. Les fluctuations de température, les défauts à deux niveaux se déplaçant dans le diélectrique et d’autres changements environnementaux font varier les paramètres de contrôle au fil du temps. Le recalibrage traditionnel nécessite d’arrêter le calcul, ce qui est inacceptable pour des algorithmes pouvant s’exécuter pendant des jours ou des mois.
Comment le RL résout ce problème
L’idée clé: les mêmes mesures stabilisatrices utilisées pour détecter et corriger les erreurs de qubits peuvent être réutilisées comme signal d’apprentissage pour un agent RL. L’objectif substitut est le taux moyen d’événements de détection d’erreurs sur tous les détecteurs, qui est proportionnel, via un facteur connu dépendant de la distance du code, au taux d’erreur logique lui-même.
L’agent utilise un algorithme de gradient de politique explorant les paramètres (PGPE) avec une politique gaussienne multivariée. Parce que la structure de graphe factoriel du code de surface signifie que chaque détecteur dépend uniquement des paramètres de contrôle locaux dans sa «région de détection», les mises à jour de gradient sont naturellement éparses et efficaces, démontrées dans des simulations jusqu’à un code de surface de distance 15 avec environ 40 000 paramètres de contrôle.
Le système exploite également la régularisation d’entropie: dans les contextes non stationnaires (avec dérive), empêcher la distribution de politique de s’effondrer permet une adaptation perpétuelle, plutôt que de converger vers un ensemble fixe de paramètres.
Les résultats
Sur le processeur Willow, l’agent RL a géré simultanément plus de 1 000 paramètres de contrôle. Les résultats sous dérive artificielle injectée (perturbations en échelon, sinusoïdales et stroboscopiques du couplage CZ, de l’amplitude XY et de la fréquence):
- Amélioration de 2,4× de la stabilité du taux d’erreur logique (écart type) avec le seul pilotage du contrôleur
- Amélioration de 3,5× lors du pilotage également du décodeur (repondération du graphe d’appariement parfait de poids minimum)
- Réduction de 31% du taux d’erreur logique moyen avec le pilotage combiné
- Temps de réponse caractéristique: environ 130 époques pour se remettre d’une dérive en échelon
Sous dérive naturelle, la variation incontrôlée du monde réel que le processeur subit pendant le fonctionnement normal, le système a obtenu une suppression d’environ 4 dB des fluctuations du taux d’erreur logique basse fréquence.
Les taux d’erreur logique absolus atteints représentent de nouveaux records pour leurs types de code respectifs:
- Code de surface de distance 7: 7,72 × 10⁻⁴ par cycle (avec le décodeur neuronal AlphaQubit2)
- Code couleur de distance 5: 8,19 × 10⁻³ par cycle (avec le décodeur Tesseract most-likely-error)
Le précédent record de code de surface, établi par le même processeur Willow en décembre 2024, était de 0,143% par cycle. Ce travail l’améliore d’environ un facteur deux.
Un nouveau paradigme pour le calibrage
Peut-être la démonstration la plus frappante: l’agent RL a pu retrouver la pleine performance du système de correction d’erreurs à partir de paramètres de contrôle initiaux randomisés, des paramètres essentiellement choisis au hasard. Cela suggère que le RL pourrait éventuellement remplacer entièrement la pile de calibrage traditionnelle, et pas seulement l’augmenter.
Les auteurs présentent le travail comme unifiant les processus traditionnellement séparés du calibrage et du calcul. Plutôt que de calibrer, puis calculer, puis recalibrer, le système apprend en continu, s’adaptant aux changements matériels en temps réel sans jamais interrompre le calcul.
Traduit par Lydie
Sources:
1. Google Quantum AI and Collaborators. “Reinforcement learning control of quantum error correction.” Nature (2026). DOI: 10.1038/s41586-026-10759-2
2. Also on arXiv: 2511.08493 [quant-ph]
3. Data available on Zenodo: 10.5281/zenodo.17566521