Quantum X Labs связала квантовый алгоритм с ИИ-декодером

Quantum X Labs связала квантовый алгоритм с классическим декодером на базе нейронной сети, сообщили в компании. Разработчики отмечают, что система анализирует данные измерений в реальном времени и генерирует корректирующие операции, что должно ускорить обнаружение и исправление ошибок и снизить аппаратный оверхед для устойчивых квантовых вычислений.

В пресс-релизе пояснили, что квантовая часть выполняет вычисления и формирует синдромы ошибок, а обучаемая модель на классическом оборудовании интерпретирует эти синдромы и вырабатывает стратегию коррекции. Система проверялась в симулированной среде и на небольших прототипах квантовых процессоров; по данным компании, стабильность логических кубитов в испытаниях была выше, чем при использовании традиционных декодеров.

Инженеры использовали нейросетевую архитектуру, адаптирующуюся к разным типам шумов, и элементы обучения с подкреплением для оптимизации корректирующих решений в режиме реального времени. По заявлению разработчиков, такой подход сокращает задержки между фиксацией ошибки и её исправлением, что важно для устройств с быстрой декогеренцией.

Тестирование проводилось как с имитацией реального шума, так и на аппаратных платформах с небольшим числом кубитов. В ряде сценариев ИИ-декодер показал более высокую точность при сопоставимой вычислительной нагрузке. Компания уточнила, что масштабирование на крупные системы потребует дополнительных оптимизаций задержки и интеграции с контроллерами квантового оборудования.

Технология предполагает гибридную архитектуру: критические операции декодирования выполняют на локальных классических ускорителях рядом с квантовым процессором, а задачи обучения модели выносят в облачные или централизованные вычислительные кластеры. Разработчики указали, что схема совместима с разными аппаратными платформами, включая сверхпроводниковые и ионно-ловушечные решения.

Дополнительные исследования сосредоточены на устойчивости модели к ошибкам в данных измерений и на переносе производительности с тестовых систем на реальные многокубитовые устройства. Компания планирует опубликовать методологию и подробные результаты в научной статье в ближайшие месяцы и расширить испытания на более крупные процессоры совместно с поставщиками аппаратуры.

Представители Quantum X Labs отметили, что одно из ожидаемых практических преимуществ — сокращение числа физических кубитов, необходимых для одного логического кубита. Компания также рассматривает варианты лицензирования технологии и сотрудничества с исследовательскими центрами и промышленными партнёрами.