Al sistema se le asignan dos qubits lógicos alojados en un sistema calibrado. Ambos utilizan diferentes esquemas de corrección de errores (codificación de superficie y codificación de colores). Estos se establecen bajo determinadas circunstancias, y luego se utiliza un sistema de corrección de errores con y sin correcciones impulsadas por el aprendizaje por refuerzo. Habilitar el sistema da como resultado un aumento del 20 por ciento en la capacidad de detectar y corregir errores en qubits lógicos.
Se ejecuta en tiempo real
Una limitación de este enfoque es que solo funciona si la desviación acerca el sistema lo suficiente al estado en el que fue entrenado. Las correcciones que podrían volver a alinear las cosas desde un estado pueden resultar ineficaces cuando el sistema se encuentra en un estado significativamente diferente.
La solución es reevaluar continuamente la efectividad de varios cambios. Pero esto tiene un problema obvio: no se pueden simplemente aleatorizar todas las configuraciones de control potenciales en medio del cálculo. Incluso con una variación limitada, el sistema funcionará más allá de su corrección de errores óptima. Entonces, la pregunta es si las correcciones frecuentes de errores subóptimos valen la pena al evitar que las desviaciones causen problemas mayores. “Una resolución favorable en el equilibrio entre exploración y explotación significa que el desempeño agregado de todos los candidatos a políticas muestreados, que en su mayoría es peor que (el óptimo), sigue siendo mejor que el desempeño sin aprendizaje reforzado”, escribieron los investigadores.
La realización de muchas simulaciones con qubits muy pequeños con corrección de errores muestra que la compensación funciona, siempre que la deriva sea lo suficientemente lenta. El equipo demostró que puede funcionar en tiempo real con qubits grandes con corrección de errores, donde el sistema de aprendizaje por refuerzo tiene control sobre alrededor de 40.000 parámetros.
Claramente, esta no es una solución en este momento; Sólo podemos mantener el sistema operativo el tiempo suficiente para ejecutar algoritmos relativamente cortos y simples, por lo que las desviaciones ni siquiera importan. En última instancia, nuestro objetivo es construir hardware que pueda realizar cálculos que consideren importantes problemas como estos. Y es valioso demostrar que algo que sabemos que podría ser un problema se puede superar.
Naturaleza, 2026. DOI: 10.1038/s41586-026-10759-2 (Acerca del DOI).
