El aprendizaje por refuerzo controla continuamente la corrección de errores cuánticos en el procesador Willow de Google
La corrección de errores cuánticos es el desafío central que se interpone entre los procesadores cuánticos ruidosos de hoy y las computadoras cuánticas tolerantes a fallos necesarias para aplicaciones prácticas. Corregir errores es una cosa; mantener estable el sistema de corrección a medida que el hardware se desvía con el tiempo, una consecuencia casi inevitable de los dispositivos físicos reales, es otra.
Una colaboración entre Google Quantum AI y Google DeepMind, publicada el 8 de julio en Nature, ha demostrado ahora que el aprendizaje por refuerzo puede resolver este último problema. En un procesador superconductor Willow con 105 qubits, un agente RL dirigió continuamente los parámetros de control del sistema de corrección de errores, logrando una mejora de 3,5 veces en la estabilidad lógica frente a la deriva y llevando las tasas de error lógico del código de superficie a un nuevo récord: 7,72 × 10⁻⁴ por ciclo.
El problema de la deriva
La corrección de errores cuánticos (QEC) funciona codificando un solo qubit lógico en muchos qubits físicos y midiendo repetidamente circuitos estabilizadores de detección de errores. En el código de superficie, actualmente el esquema QEC más estudiado, el enfoque estándar es calibrar los parámetros de control (amplitudes de puerta, frecuencias, fuerzas de acoplamiento) una vez y luego ejecutar el cómputo.
Pero el hardware físico se desvía. Las fluctuaciones de temperatura, los defectos de dos niveles que se desplazan en el dieléctrico y otros cambios ambientales hacen que los parámetros de control varíen con el tiempo. La recalibración tradicional requiere detener el cómputo, lo cual es inaceptable para algoritmos que pueden ejecutarse durante días o meses.
Cómo lo resuelve el RL
La idea clave: las mismas mediciones estabilizadoras utilizadas para detectar y corregir errores de qubits pueden reutilizarse como señal de aprendizaje para un agente RL. El objetivo sustituto es la tasa promedio de eventos de detección de errores en todos los detectores, que es proporcional, a través de un factor conocido que depende de la distancia del código, a la propia tasa de error lógico.
El agente utiliza un algoritmo de gradiente de política de exploración de parámetros (PGPE) con una política gaussiana multivariante. Debido a que la estructura de grafo de factores del código de superficie significa que cada detector depende solo de los parámetros de control locales dentro de su «región de detección», las actualizaciones de gradiente son naturalmente dispersas y eficientes, demostrado en simulaciones de códigos de superficie de distancia 15 con aproximadamente 40.000 parámetros de control.
El sistema también explota la regularización de entropía: en entornos no estacionarios (con deriva), evitar que la distribución de la política colapse permite una adaptación perpetua, en lugar de converger a un conjunto fijo de parámetros.
Los resultados
En el procesador Willow, el agente RL gestionó más de 1.000 parámetros de control simultáneamente. Los resultados bajo deriva artificial inyectada (perturbaciones escalonadas, sinusoidales y estroboscópicas al acoplamiento CZ, amplitud XY y frecuencia):
- Mejora de 2,4× en la estabilidad de la tasa de error lógico (desviación estándar) solo con la dirección del controlador
- Mejora de 3,5× al dirigir también el decodificador (reponderación del grafo de emparejamiento perfecto de peso mínimo)
- Reducción del 31% en la tasa de error lógico media con dirección combinada
- Tiempo de respuesta característico: aproximadamente 130 épocas para recuperarse de una deriva escalonada
Bajo deriva natural, la variación no controlada del mundo real que el procesador experimenta durante la operación normal, el sistema logró una supresión de aproximadamente 4 dB de las fluctuaciones de la tasa de error lógico de baja frecuencia.
Las tasas de error lógico absolutas alcanzadas representan nuevos récords para sus respectivos tipos de código:
- Código de superficie de distancia 7: 7,72 × 10⁻⁴ por ciclo (con el decodificador neuronal AlphaQubit2)
- Código de color de distancia 5: 8,19 × 10⁻³ por ciclo (con el decodificador Tesseract most-likely-error)
El récord anterior de código de superficie, establecido por el mismo procesador Willow en diciembre de 2024, fue de 0,143% por ciclo. Este trabajo lo mejora aproximadamente en un factor de dos.
Un nuevo paradigma para la calibración
Quizás la demostración más sorprendente: el agente RL pudo recuperar el rendimiento completo del sistema de corrección de errores a partir de parámetros de control iniciales aleatorizados, parámetros esencialmente elegidos al azar. Esto sugiere que el RL podría eventualmente reemplazar toda la pila de calibración tradicional, no solo aumentarla.
Los autores presentan el trabajo como la unificación de los procesos tradicionalmente separados de calibración y cómputo. En lugar de calibrar, luego computar, luego recalibrar, el sistema aprende continuamente, adaptándose a los cambios de hardware en tiempo real sin interrumpir nunca el cómputo.
Traducido por Alessandra
Fuentes:
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