Квантовые компьютеры, в отличие от обычных, используют кубиты — элементы, способные выполнять сложные вычисления быстрее классических процессоров. Однако кубиты крайне чувствительны к помехам: даже малейшее внешнее воздействие может исказить данные. Чтобы повысить надёжность квантовых вычислений, российские учёные создали систему на основе нейронных сетей, которая учится находить и исправлять погрешности в квантовых вычислениях. Разработка сочетает преимущества интеллектуальных и классических алгоритмов, поэтому эффективнее распознаёт ошибки, возникающие при увеличении количества кубитов — «строительных блоков» квантовых процессоров.
Новый метод основан на архитектуре рекуррентных нейронных сетей для анализа временных рядов данных, получаемых при периодическом измерении вспомогательных кубитов. Эта особенность позволяет алгоритму работать с различными кодами коррекции. Учёные протестировали алгоритм на семействе циклических кодов коррекции, учитывая топологические особенности сверхпроводникового квантового процессора. Результаты исследования опубликованы в журнале Physical Review A. Главное преимущество разработки заключается в способности обучаться на данных, полученных с конкретного устройства. Это особенно важно в условиях, когда характер ошибок отличается от теоретически предполагаемых моделей. Кроме того, предложенный алгоритм декодирования не зависит от конкретного кода коррекции, что делает его универсальным и легко масштабируемым.