Uno de los desafíos más persistentes en la computación cuántica es la deriva: los parámetros de control que mantienen un procesador cuántico funcionando a su máximo rendimiento cambian con el tiempo debido a fluctuaciones de temperatura, envejecimiento de materiales y otros factores ambientales. La solución estándar es detener el cómputo, ejecutar rutinas de calibración y reiniciar, un proceso que desperdicia tiempo y limita cuánto tiempo se puede mantener un qubit lógico.
Un nuevo artículo en Nature de Google Quantum AI y Google DeepMind, con los primeros autores Volodymyr Sivak, Alexis Morvan y Michael Broughton, demuestra una alternativa: aprendizaje por refuerzo que utiliza los eventos de detección de errores ya producidos por la corrección de errores cuántica como una señal de aprendizaje continua, orientando los controles del procesador en tiempo real sin interrumpir el cómputo.
Cómo funciona
En la corrección de errores cuántica, se generan eventos de detección de errores cuando una medición de síndrome señala un error potencial. Estos eventos normalmente sirven un solo propósito: indicar al decodificador qué correcciones aplicar. El nuevo enfoque les da un doble rol: los mismos eventos también se utilizan como señal de refuerzo para un algoritmo de gradiente de política sin modelo llamado PEPG (Parameter-Exploring Policy Gradients).
El algoritmo mantiene una distribución de probabilidad sobre los parámetros de control y la actualiza según la tasa de eventos de detección de errores. Críticamente, el sistema explota una estructura de grafo de factores dispersa: cada detector de errores está conectado solo a los parámetros de control de las compuertas dentro de su región de detección, con un promedio de 302 parámetros por detector y 18 detectores por parámetro. Esta dispersión permite que el aprendizaje por refuerzo converja independientemente del tamaño del sistema, lo que significa que el enfoque debería escalar a procesadores más grandes.
Los experimentos se ejecutaron en el procesador superconductor Willow de Google (105 qubits), con control sobre más de 1.000 parámetros para el código de color de distancia 5 y escalabilidad simulada hasta aproximadamente 40.000 parámetros para un código de superficie de distancia 15.
Las cifras
En el procesador Willow, la orientación mediante aprendizaje por refuerzo mejoró la estabilidad de la tasa de error lógico (LER) en un factor de 2,4, una reducción del 24 % en LER. Cuando se combinó con la orientación del decodificador, la mejora alcanzó 3,5 veces, o una reducción del 31 % en LER.
El sistema alcanzó LER récord para el hardware: 7,72 x 10^(-4) para el código de superficie en distancia 7 usando el decodificador AlphaQubit2, y 8,19 x 10^(-3) para el código de color en distancia 5 usando el decodificador Tesseract. Esto representa aproximadamente un 20 % de supresión adicional de LER más allá de lo que la calibración manual experta podría lograr.
El sistema de RL pudo rastrear derivas de parámetros en forma de escalón en aproximadamente 130 épocas y suprimir fluctuaciones de LER de baja frecuencia en aproximadamente 4 dB. La frecuencia de deriva crítica para la orientación en tiempo real efectiva fue de alrededor de 1/150 épocas, lo que significa que cualquier deriva más lenta que esa escala de tiempo se corrige automáticamente.
Por qué es importante
La recalibración continua es una necesidad práctica para construir procesadores cuánticos estables. Las rutinas de calibración actuales requieren detener el procesador, lo que limita el tiempo de coherencia de los qubits lógicos e introduce una sobrecarga que escala con el tamaño del procesador. Un sistema de RL que elimina la necesidad de detenerse es un paso hacia la computación cuántica tolerante a fallos a escala.
El enfoque también simplifica los requisitos de hardware: en lugar de necesitar sistemas de control exquisitamente estables que nunca se desvíen, el procesador puede tolerar la deriva y corregirla de forma autónoma. Los autores señalan que la tasa de convergencia del sistema de RL es independiente del tamaño del sistema, lo que sugiere que el enfoque debería seguir funcionando a medida que los procesadores crecen hasta miles de qubits.
El artículo fue publicado en Nature el 8 de julio de 2026 y fue cubierto por John Timmer de Ars Technica.
Fuentes
[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/
Traducido por Alessandra