Koreksi kesalahan kuantum dapat terus mengkalibrasi ulang prosesor
Sistem ini ditugaskan atas dua qubit logis yang dihosting pada sistem yang dikalibrasi. Keduanya menggunakan skema koreksi kesalahan yang berbeda (kode permukaan dan kode warna). Ini ditetapkan dalam keadaan tertentu, dan sistem koreksi kesalahan kemudian digunakan dengan dan tanpa koreksi yang didorong oleh pembelajaran penguatan. Mengaktifkan sistem menghasilkan peningkatan 20 persen dalam kemampuan mendeteksi dan memperbaiki kesalahan dalam qubit logis. Menjadi real-time Keterbatasan dari pendekatan ini adalah bahwa pendekatan ini hanya berfungsi jika penyimpangannya membuat sistem cukup dekat dengan keadaan di mana sistem dilatih. Koreksi yang mungkin membawa segala sesuatunya kembali selaras dari satu keadaan mungkin tidak efektif ketika sistem berada dalam keadaan yang sangat berbeda. Solusinya adalah dengan terus mengevaluasi kembali efektivitas berbagai perubahan. Namun hal ini mempunyai masalah yang jelas: Anda tidak bisa begitu saja mengacak semua konfigurasi kontrol potensial di tengah perhitungan. Bahkan dengan variasi yang terbatas, sistem akan beroperasi di luar koreksi kesalahan optimalnya. Jadi, pertanyaannya adalah apakah koreksi kesalahan sub-optimal yang sering dilakukan membuahkan hasil dengan menjaga agar penyimpangan tidak menyebabkan masalah yang lebih besar. “Resolusi yang menguntungkan dalam trade-off eksplorasi-eksploitasi berarti bahwa kinerja agregat dari semua kandidat kebijakan yang dijadikan sampel, yang sebagian besar lebih buruk daripada (yang optimal), masih lebih baik dibandingkan kinerja tanpa pembelajaran penguatan,” tulis para peneliti. Melakukan banyak simulasi dengan qubit terkoreksi kesalahan yang sangat kecil menunjukkan bahwa trade-off berhasil, asalkan penyimpangannya cukup lambat. Tim menunjukkan bahwa ini dapat bekerja secara real-time dengan qubit besar yang terkoreksi kesalahan, di mana sistem pembelajaran penguatan memiliki kendali atas sekitar 40.000 parameter. Hal ini jelas bukan solusi untuk saat ini; kita hanya dapat menjaga sistem beroperasi cukup lama untuk menjalankan algoritma yang relatif singkat dan sederhana, sehingga penyimpangan bahkan tidak menjadi masalah. Pada akhirnya, tujuan kami adalah membangun perangkat keras yang dapat melakukan perhitungan yang menganggap masalah seperti ini penting. Dan ada gunanya menunjukkan bahwa sesuatu yang kita tahu bisa menjadi masalah bisa diatasi. Alam, 2026. DOI: 10.1038/s41586-026-10759-2 (Tentang DOI).
Diterbitkan : 2026-07-10 23:02:00
sumber : arstechnica.com
