Reinforcement learning control of quantum error correction

收录解读

可容错量子计算不仅要求纠错码能够检测和修正错误，还要求大量模拟控制参数在长时间运行中始终保持校准。传统的停机重校准会打断计算，难以支撑可能持续数天或数月的量子算法，因此需要一种能够在量子纠错持续运行时自动追踪器件漂移的闭环控制机制。

论文把量子纠错电路产生的 detection events 同时用作解码信号和强化学习反馈，以平均错误检测事件率作为比稀疏逻辑错误率更易实时估计的代理目标。方法采用多变量高斯策略、PPO、熵正则化和经验回放，并以 detector—控制参数因子图实施梯度掩码，利用纠错电路的局部性将高维控制问题分解为稀疏依赖关系。

该框架在 Google Willow 真实超导量子处理器上验证：人为漂移条件下，表面码逻辑错误率稳定性提高 3.5 倍；distance-7 表面码达到每周期 7.72(9) × 10^-4 的平均逻辑错误率，distance-5 颜色码达到 8.19(14) × 10^-3。实验还验证代理目标梯度与逻辑错误率梯度的局部一致性，大规模模拟则展示了对约 4 万个参数的 distance-15 表面码进行控制的可扩展性。

其重要性在于建立了一个可复用的在线自校准模式：直接复用纠错系统自身的局部诊断信号，在不中断计算的情况下闭环优化底层模拟控制。不过，真实硬件证据目前集中于单一超导量子处理器平台，更大码距和约 4 万参数的结果主要来自模拟，尚未证明跨硬件架构、跨设备和长期真实算法负载下的普适性。