最新一期《自然》杂志发布了谷歌“深度思维”团队的人工智能（AI）成果：一款名为“阿尔法量子比特”（AlphaQubit）的AI解码器。这款解码器能

　　“阿尔法量子比特”采用了基于神经网络的设计，特别是利用了Transformer架构，这是目前大多数大型语言模型的基础。该解码器的任务是在实验结束时，通过一致性检查作为输入，准确预测逻辑量子位的状态是否已从初始状态发生变化。

　　在训练阶段，团队首先使用了来自“悬铃木”量子处理器的49个量子比特的数据集对“阿尔法量子比特”进行训练。他们先利用量子模拟器生成了数亿个不同设置和错误级别的示例，随后通过数千个实验样本来微调“阿尔法量子比特”，使其更好地适应具体应用场景。

　　测试结果显示，在处理“悬铃木”的新数据时，“阿尔法量子比特”显著提高了错误识别的准确性。特别是在最大规模的实验中，“阿尔法量子比特”将错误率降低了6%以上mac电脑的小火箭功能。同时，它还比相关性匹配方法的错误率低了约30%。

　　团队还使用了最高至241个量子比特的模拟量子系统数据进行训练，结果显示，即使在超出“悬铃木”平台限制的情况下，“阿尔法量子比特”依然能够超越现有的高级解码算法，显示出其在未来中型量子设备上的潜在应用价值。

　　此外，在长达10万轮的模拟实验中，即使经过最多25轮的错误校正训练，“阿尔法量子比特”仍表现出色，证明了其在面对未知情况时的泛化能力。

　　团队表示，“阿尔法量子比特”代表了使用机器学习进行量子纠错的重要里程碑，但其仍面临速度和可扩展性方面的重大挑战，未来还需寻找更加高效的训练方法。