最新一期《当然》杂志发布了谷歌“深度念念维”团队的东谈主工智能（AI）服从：一款名为“阿尔法量子比特”（AlphaQubit）的AI解码器。这款解码器能过去所未有的精准度检测量子运筹帷幄流程中出现的造作，且在10万轮模拟本质中均保握细腻性能，这是构建雄厚可靠量子运筹帷幄机的关节法子。

　　“阿尔法量子比特”选拔了基于神经采集的联想，额外是诈欺了Transformer架构，这是当今大多量大型言语模子的基础。该解码器的任务是在本质完结时，通过一致性检讨看成输入，准确展望逻辑量子位的情状是否已从启动情状发生变化。

　　在历练阶段，团队领先使用了来自“悬铃木”量子责罚器的49个量子比特的数据集对“阿尔法量子比特”进行历练。他们先诈欺量子模拟器生成了数亿个不同缔造和造作级别的示例，随后通过数千个本质样原本微调“阿尔法量子比特”，使其更好地符合具体应用场景。

　　测试收尾流露，在责罚“悬铃木”的新数据时，“阿尔法量子比特”显耀提升了造作识别的准确性。额外是在最大限度的本质中，“阿尔法量子比特”将造作率裁汰了6%以上。同期，它还比联系性匹配法子的造作率低了约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历练，收尾流露，即使在超出“悬铃木”平台截止的情况下，“阿尔法量子比特”照旧好像突出现存的高等解码算法，流透露其在改日中型量子开垦上的潜在应用价值。

　　此外，在长达10万轮的模拟本质中，即使经过最多25轮的造作矫正历练，“阿尔法量子比特”仍进展出色，解说了其在面对未知情况时的泛化才能。

　　团队暗示，“阿尔法量子比特”代表了使用机器学习进行量子纠错的遑急里程碑欧洲杯体育，但其仍面对速率和可膨胀性方面的紧要挑战，改日还需寻找愈加高效的历练法子。