Kuantum bilgisayarların temel problemi yalnızca kübitlerin hata yapması değil; onları yöneten analog sinyallerin zaman içinde kayması. Frekans, genlik ve fazdaki küçük değişimler uzun hesaplamalarda hata oranını yükseltiyor. Günümüzde kalibrasyon için hesaplamanın durdurulması gerekebiliyor. Google Quantum AI ve DeepMind araştırmacıları, Willow süperiletken işlemcisinde hata düzeltme sinyallerini kullanan bir pekiştirmeli öğrenme ajanıyla sistemi çalışırken ayarlamayı denedi.

Hata düzeltme sinyali aynı zamanda öğretmen oldu

Kuantum hata düzeltmede mantıksal bir kübit, çok sayıda fiziksel kübite dağıtılıyor. Doğrudan kuantum durumunu ölçmek onu bozacağı için parity kontrolleri, hatanın nerede oluşmuş olabileceğine dair ikili olaylar üretiyor. Geleneksel dekoder bu olaylardan düzeltme çıkarıyor. Yeni yaklaşım aynı akışı ikinci kez kullanıyor: Öğrenme ajanı hata olaylarını, analog kontrol parametrelerinin hangi yönde değiştirilmesi gerektiğini gösteren geri bildirim olarak değerlendiriyor.

3,5 kat kararlılık ne anlama geliyor?

Araştırmacılar yapay olarak kontrol kayması ekledikleri deneyde, öğrenme tabanlı ayarın mantıksal kararlılığı 3,5 kat artırdığını bildiriyor. Uzmanların ayrıntılı kalibrasyonundan sonra yapılan ek ince ayar da mantıksal hata oranını yüzde 20 düşürdü. Bu sonuçlar belirli bellek deneyleri ve kod yapıları için geçerli. 'Kuantum bilgisayar artık kendi kendini tamamen onarıyor' sonucu çıkarılamaz; ajan yalnızca tanımlı parametre uzayında optimizasyon yapıyor.

Ölçeklenebilirlik için ilk işaret olumlu

Yüzlerce kübit ve on binlerce kontrol parametresiyle yapılan benzetimlerde gereken eğitim turu sayısının sistem boyutuyla artmadığı bildiriliyor. Araştırmacılar bunu hata sinyallerinin yerel duyarlılığına bağlıyor. Yine de büyük ölçekli bir makinede veri aktarım gecikmesi, kontrol elektroniği, kriyojenik altyapı ve ajan güvenilirliği ek darboğazlar yaratabilir. Simülasyonun olumlu olması mühendislik ölçeklemesini garanti etmiyor.

Neden önemli?

Faydalı kuantum algoritmalarının günler veya aylar boyunca kesintisiz çalışması gerekebilir. Kalibrasyon için sık sık durmak, hata düzeltmenin kazandırdığı süreyi tüketir. Hesaplama sürerken yapılan kapalı çevrim ayar, gelecekte mantıksal kübitlerin kullanılabilirliğini artırabilir. Ayrıca fiziksel modelin açıklayamadığı karmaşık etkileşimleri veriden öğrenmek, donanım üretimindeki küçük farklılıklara uyum sağlamayı kolaylaştırabilir.

Genel amaçlı kuantum bilgisayara daha ne kadar var?

Bu deney önemli bir kontrol mühendisliği adımı, ancak kuantum avantajının günlük problemlere uygulanması için yeterli mantıksal kübit, düşük hata oranı, hızlı dekoder ve ölçeklenebilir üretim birlikte gerekiyor. Haber değeri, tüm sorunun çözülmesinde değil; uzun hesaplamaları engelleyen kalibrasyon darboğazına veri odaklı bir çözüm gösterilmesinde. Bilimsel sonuçlar bağımsız ekiplerce farklı donanım mimarilerinde tekrarlandıkça yöntemin genellenebilirliği daha net anlaşılacak.