Google 用强化学习实时校准量子计算机：边运行边调参，错误率降 20%

想象一下，交响乐团正在台上演奏，如果小提琴手每拉几小节就跑调一次，整个乐团就得全部停下来重新调音。现在的量子计算机，差不多就处于这种尴尬的境地。

量子计算本质上更像极其精密的模拟电路，对外部环境敏感得要命。温度哪怕出现极其细微的波动，控制量子比特的微波频率、相位和振幅就会跟着漂移，导致运算彻底跑偏。

按以往的做法，工程师必须狠下心完全停止整场计算，重新校准设备里的数千个物理控制参数，然后再重头启动。但如果未来的实用量子算法需要连续跑几天甚至几个月，这种动不动就拉闸重来的模式根本走不通。

边演奏边调音的交响乐团

Google Quantum AI 团队在《Nature》上公布了一项新进展，他们找到了一种在计算机运行中边跑边自动校准的新办法。

用研究人员的话来说，就是做到了让交响乐团在音乐不中断的前提下，有人在旁边实时给乐器调音。

这个方案的巧妙之处，在于把量子纠错和强化学习绑在了一起。量子系统不能随便直接观测，一测叠加态就坍缩了，所以量子纠错通常靠冗余的物理比特来做校验，把噪声数字化成一道道警告信号。

过去，这些纠错信号只被用来推测哪里出了错并打补丁。Google 这次更进一步：他们把这一连串实时的错误信号，直接喂给了一个强化学习智能体。

强化学习接管数千个旋钮

这个 AI 智能体就像一个经验丰富的调音师。它不靠死板的物理公式，而是通过观察错误模式的变化，自主去拧动后台控制量子比特的数千个细微参数。

经过大量的训练后，AI 逐渐摸索出了规律：什么时候该微调哪个频率，怎样补偿相位漂移，才能把整台机器的错误降到最低。

实际效果非常直接。Google 表示，这种实时强化学习微调把逻辑错误率进一步压低了 20%，创下了新的错误率纪录。更关键的是测试表明，随着量子系统规模扩大，AI 的学习速度并没有下滑，证明它具备在大规模芯片上扩展的潜力。

为什么重要

在很多人的印象里，量子计算的瓶颈全在物理硬件造得够不够大。但实际上，怎么让一堆极其脆弱的量子比特连续稳定运转，才是横在商业化落地面前更现实的暗礁。

我们认为，Google 这一步走得相当聪明。过去几十年，量子控制一直依赖人类编写的物理先验模型，但就像当年的蛋白质折叠或复杂机器人动力学一样，人工建模在面对复杂的非线性噪声时总会撞墙。把控制权交给直接从数据中摸爬滚打的强化学习，等于打破了这个天花板。

对于整个量子计算行业来说，这意味着原本被视为死结的连续运行瓶颈终于松动了。只有实现不停机的自适应校准，量子化学模拟、大分子研发这些需要海量步骤的实用算法才有可能真正跑完。

不过也得泼一瓢冷水。强化学习能搞定的是硬件漂移和控制误差，但量子比特与环境不可避免的退相干这类物理底层限制依然存在。它不是一劳永逸的魔法药水，但至少，我们终于不用每隔几分钟就把网线拔掉重来了。