Quantum Machines和NVIDIA利用机器学习更接近实现纠错量子计算机

大约一年半前，量子控制初创公司Quantum Machines 和 NVIDIA 宣布建立深度合作关系，将 NVIDIA 的DGX Quantum 计算平台和量子机器的先进量子控制硬件结合在一起。 我们有一段时间没有听到太多关于这一合作的结果，但现在它已开始结出硕果，并让业界离纠错量子计算机这一圣杯更近了一步。

在今年早些时候的一次演示中，两家公司展示了他们能够使用在 NVIDIA DGX 平台上运行的现成强化学习模型，通过保持系统校准，更好地控制 Rigetti 量子芯片中的量子比特。

量子机器公司的联合创始人兼首席技术官约纳坦-科恩（Yonatan Cohen）指出，他的公司长期以来一直在寻求使用通用经典计算引擎来控制量子处理器。 这些计算引擎体积小、功能有限，但对于 NVIDIA 功能极其强大的 DGX 平台来说，这不是问题。

目标当然是运行量子纠错，但我们还没有做到。 相反，这次合作的重点是校准，特别是校准所谓的”π脉冲”，它可以控制量子处理器内部量子比特的旋转。

乍一看，校准似乎是一个可以一蹴而就的问题：在开始运行算法之前，先校准处理器。 但事情并非如此简单。科恩说：”如果你看看现在量子计算机的性能，你会发现它的保真度很高。但是用户在使用计算机时，通常无法达到最佳保真度。 它一直在漂移。 如果我们能利用这类技术和底层硬件经常对其进行重新校准，那么我们就能提高性能，并长期保持[高]保真度，而这正是量子纠错所需要的。”

量子机器的一体化 OPX+ 量子控制系统。图片来源：Quantum Machines

近乎实时地不断调整这些脉冲是一项计算极为密集的任务，但由于量子系统总是略有不同，因此这也是一个可以借助强化学习来解决的控制问题。

“随着量子计算机的不断升级和改进，所有这些问题都会成为瓶颈，成为真正的计算密集型问题，”NVIDIA 的量子计算集团产品经理 Sam Stanwyck 说。”量子纠错确实是一个巨大的问题。 这是开启容错量子计算的必要条件，同时也是如何准确应用正确的控制脉冲以充分利用量子比特的必要条件。”

Stanwyck 还强调，在 DGX Quantum 之前，没有任何系统能够实现执行这些计算所需的最小延迟。

量子计算机图片来源：量子计算机

事实证明，即使是校准方面的微小改进也能带来纠错方面的巨大进步。”量子机器产品经理 Ramon Szmuk 解释说：”在量子纠错方面，校准的投资回报是指数级的。”如果校准效果提高 10%，那么由许多物理量子比特组成的逻辑量子比特的逻辑误差[性能]就会呈指数级增长。 因此，我们有很大的动力去进行又好又快的校准。

值得强调的是，这只是优化过程和合作的开始。 实际上，团队在这里所做的只是采用了一些现成的算法，并研究哪种算法（TD3）效果最好。 总之，运行该实验的实际代码只有 150 行左右。 当然，这还有赖于两个团队在整合各种系统和构建软件栈方面所做的大量工作。 不过，对于开发人员来说，所有这些复杂性都可以被隐藏起来，两家公司预计随着时间的推移，将创建越来越多的开源库，以利用这个更大的平台。

Szmuk强调说，在这个项目中，团队只使用了一个非常基本的量子电路，但它也可以推广到深度电路中。 他说：”如果用一个门和一个量子比特就能做到这一点，那么用一百个量子比特和一千个门也能做到。

“Stanwyck补充说：”我得说，单项成果只是迈出了一小步，但这是朝着解决最重要问题迈出的一小步。”有用的量子计算需要与加速超级计算紧密结合–这可能是最困难的工程挑战。 因此，能够在量子计算机上真正做到这一点，并以一种不仅针对小型量子计算机进行了优化，而且是可扩展的模块化平台的方式调整脉冲，我们认为我们真的正在用这种方式解决量子计算中一些最重要的问题。”

斯坦威克还表示，两家公司计划继续合作，让更多研究人员掌握这些工具。 随着 NVIDIA 的 Blackwell 芯片明年上市，他们也将为这个项目提供更强大的计算平台。