Google'ın Willow Kuantum Çipi Kendi Hatalarından Öğreniyor, Mantıksal Hataları %20 Azaltıyor

Google liderliğindeki bir ekip, pekiştirmeli öğrenme çerçevesinin Willow kuantum işlemcisinde 1.000'den fazla donanım parametresini sürekli kalibre ettiğini, mantıksal hata oranlarını %20 düşürdüğünü ve performansı sürüklenme altında 3,5 kat daha kararlı tuttuğunu söylüyor.

Key Takeaways

  • Google Quantum AI embedded a reinforcement learning agent in Willow's error-correction loop, using every detection event as a training signal to adjust over 1,000 hardware parameters without halting computation.
  • The framework cut logical error rates about 20% beyond exhaustive expert tuning on distance-5 and distance-7 surface codes and a distance-5 color code, published in Nature and unveiled July 10.
  • Under artificially injected drift, hardware-only adaptation reduced logical errors 24%; adding classical decoder adaptation improved that to 31% and made performance 3.5x more stable.
  • Simulations of distance-15 surface codes with roughly 40,000 control parameters suggest optimization speed stays largely independent of system size because errors are corrected locally.
  • Limits remain: active exploration can perturb single-shot computations under rapid drift, and the implementation relies on proprietary Google software, though the approach should transfer to other quantum modalities with error-detection streams.

Google'ın Willow Kuantum Çipi Kendi Hatalarından Öğreniyor, Mantıksal Hataları %20 Azaltıyor

Google Quantum AI, hesaplama sırasında kendi hata düzeltme verilerinden sürekli öğrenerek kalibrasyonunu koruyan bir süperiletken kuantum bilgisayar gösterdi; şirket, bu ilerlemenin hataya dayanıklı kuantum hesaplama için gereken uzun, kesintisiz iş yüklerinin önünü açabileceğini söylüyor. Bu ay Nature'da yayımlanan çalışma, Google'ın Willow işlemcisi üzerinde yürütüldü ve 10 Temmuz'da duyuruldu.

Pekiştirmeli Öğrenme Duruş Sürelerinin Yerini Alıyor

Günümüzün kuantum bilgisayarları, mühendislerin donanım yaşlandıkça ve sıcaklıklar değiştikçe kayan mikrodalga darbe genliklerini, frekansları, kuplaj güçlerini ve yüzlerce diğer analog parametreyi yeniden ayarlayabilmesi için hesaplamaları periyodik olarak durduruyor. Santa Barbara'daki Quantum AI laboratuvarındaki araştırmacıların liderliğindeki Google ekibi, bir pekiştirmeli öğrenme ajanını doğrudan hata düzeltme döngüsünün içine yerleştirdi. Yüzey kodu ve renk kodu hata düzeltmesi sırasında üretilen her tespit olayı bir eğitim sinyaline dönüşüyor ve ajan, makineyi durdurmadan 1.000'den fazla donanım parametresini anlık olarak ayarlıyor.

Google Willow kuantum işlemcisi illüstrasyonu

Rakamlar Ne Gösteriyor

Mesafe-5 ve mesafe-7 yüzey kodları ile mesafe-5 renk kodunda, pekiştirmeli öğrenme çerçevesi mantıksal hata oranlarını kapsamlı uzman ayarlamasının ötesinde yaklaşık %20 azalttı ve yapay olarak enjekte edilen donanım sürüklenmesi altında mantıksal performansı 3,5 kat daha kararlı hale getirdi. Ekip, bu sürüklenme rejiminde yalnızca donanım kontrolleriyle mantıksal hata oranında %24'lük bir düşüş bildiriyor; klasik kod çözücü parametreleri de uyarlandığında bu, %31'lik bir azalmaya ve 3,5 kat kararlılık kazanımına yükseldi. Makale ayrıca süperiletken donanımda hem yüzey kodu hem de renk kodu hata düzeltmesi için yeni ölçüt performansları ortaya koyuyor.

Ölçeklenme ve Sınırlar

Fiziksel gösterimin ötesinde, grup yaklaşık 40.000 kontrol parametresi içeren mesafe-15 yüzey kodlarını simüle etti ve hatalar yerel olarak düzeltildiği için çerçevenin optimizasyon hızının sistem boyutundan büyük ölçüde bağımsız kaldığını bildiriyor. Yazarlar, sürüklenme hızlıysa aktif keşfin tek atımlık hesaplamaları bizzat bozabileceği konusunda uyarıyor ve mevcut uygulamanın hâlâ Google'ın tescilli yazılımına dayandığını belirtiyor. Yine de teknik, hata tespit akışları sunan diğer kuantum modalitelerine de uygulanabilir; bu da Oratomic'ten Pasqal'a ve nötr atom şirketlerine kadar rakiplere kopyalayabilecekleri bir şablon sunuyor.

Hata Toleransı İçin Neden Önemli

Hataya dayanıklı kuantum bilgisayarların dakikalar değil, günler veya aylar boyunca doğru çalışması gerekecek ve kalibrasyon yükü, alanın en az konuşulan engellerinden biri oldu. Google'ın makalesi, bu bakımın bir kısmını fiilen insanlardan hata düzeltme döngüsünün içinde çalışan yazılıma devrediyor; bu da 2028'e kadar hata toleransına ulaşma taahhüdünün verildiği yakın tarihli Beyaz Saray kuantum zirvesinin ve bu ayın başındaki Diraq'ın 300mm CMOS silikon-spin kilometre taşının ardından geldi.

Haber; Nature, The Quantum Insider, Quantum Zeitgeist ve Google Research kaynaklarındaki içeriklere dayanmaktadır.

Category: Machine Learning

Related Articles

Frequently Asked Questions

How does Google's Willow chip learn from its own errors?

A reinforcement learning agent is wired into the error-correction loop, treating every detection event from surface-code and color-code error correction as a training signal and adjusting more than 1,000 hardware parameters, like microwave pulse amplitudes, frequencies and coupling strengths, on the fly without stopping the machine.

How much did the technique improve performance?

It cut logical error rates roughly 20% beyond exhaustive expert tuning and made logical performance 3.5 times more stable under injected drift; hardware-only adaptation gave a 24% error reduction, rising to 31% when decoder parameters were also adapted.

Why does self-calibration matter for fault-tolerant quantum computing?

Fault-tolerant machines must run correctly for days or months, but current systems halt for periodic recalibration as parameters drift. Moving calibration into software inside the error-correction loop removes that downtime, a little-discussed roadblock to long uninterrupted workloads.

Can the approach scale or be used beyond Google's hardware?

Simulated distance-15 surface codes with about 40,000 parameters showed optimization speed largely independent of system size, and the authors say the technique should apply to other modalities exposing error-detection streams, including neutral-atom players like Oratomic and Pasqal, though it currently depends on proprietary Google software.