科技日报北京11月24日电 （记者张梦然）最新一期《当然》杂志发布了谷歌“深度想维”团队的东谈主工智能（AI）后果：一款名为“阿尔法量子比特”（AlphaQubit）的AI解码器。这款解码器能过去所未有的精准度检测量子打算进程中出现的舛讹，且在10万轮模拟履行中均保抓精采性能，这是构建理解可靠量子打算机的关节设施。

“阿尔法量子比特”给与了基于神经汇聚的遐想，零散是诓骗了Transformer架构，这是现在大多量大型谈话模子的基础。该解码器的任务是在履行已矣时，通过一致性搜检当作输入，准确预见逻辑量子位的情景是否已从开动情景发生变化。

在历练阶段，团队领先使用了来自“悬铃木”量子责罚器的49个量子比特的数据集对“阿尔法量子比特”进行历练。他们先诓骗量子模拟器生成了数亿个不同配置和舛讹级别的示例，随后通过数千个履行样蓝本微调“阿尔法量子比特”，使其更好地相宜具体应用场景。

测试终结线路，在责罚“悬铃木”的新数据时，“阿尔法量子比特”权贵提高了舛讹识别的准确性。零散是在最大界限的履行中，“阿尔法量子比特”将舛讹率镌汰了6%以上。同期，它还比关系性匹配设施的舛讹率低了约30%。

团队还使用了最高至241个量子比特的模拟量子系统数据进行历练，终结线路，即使在超出“悬铃木”平台终结的情况下，“阿尔法量子比特”还是大意卓越现存的高等解码算法，线路出其在改日中型量子成立上的潜在应用价值。

此外，在长达10万轮的模拟履行中，即使经过最多25轮的舛讹转换历练，“阿尔法量子比特”仍发扬出色，评释了其在面对未知情况时的泛化才能。

团队示意，“阿尔法量子比特”代表了使用机器学习来进行量子纠错的遑急里程碑，但其仍面对速率和可彭胀性方面的要紧挑战，改日还需寻找愈加高效的历练设施。

【总裁剪圈点】

量子打算的可靠性与理解性是其面对的遑急挑战。诓骗东谈主工智能时刻为量子打算纠错，是一种极具后劲的想路：机器学习能高效责罚量子打算进程中产生的海量数据，快速识别出舛讹形状与特征，从而权贵普及量子纠错效力。不外，东谈主工智能与量子打算王人属于新兴前沿时刻，这两种时刻均具有一定的复杂性，且面对可靠性方面的挑战。两个“生人”作念“搭档”，会不会引入新的省略情味？这小数需要研发团队高度体恤。