Google Study Shows Quantum Computer Can Learn From Its Own Errors While It Computes

Google researchers published a Nature study demonstrating a reinforcement learning system that continuously calibrates a quantum computer while it runs, using the error-correction data the processor already generates. Tested on Google's Willow superconducting processor, the approach reduced logical error rates by ~20% beyond conventional calibration and made performance 3.5x more stable under artificially introduced hardware drift. The system adjusts over 1,000 control parameters in real time without stopping computation. Simulations extending to ~40,000 parameters suggest the method scales efficiently due to the local structure of quantum error correction. The researchers see this as a step toward autonomous fault-tolerant quantum computers capable of running long workloads without human recalibration.

Nguồn: https://thequantuminsider.com/2026/07/10/google-study-shows-quantum-computer-can-learn-from-its-own-errors-while-it-computes. 8sync News chỉ tóm tắt và dẫn link; bản quyền nội dung thuộc tác giả và nguồn gốc.

Đề xuất cho bạn

Daily Dose of Data Science | Avi Chawla | Substack1 Hot11 phút17 giờ trướcAI

How to Build an RL Environment

Bài viết hướng dẫn chi tiết cách xây dựng môi trường RL (Reinforcement Learning) tùy chỉnh bằng framework Verifiers mã nguồn mở của Prime Intellect, sử dụng ví dụ trò chơi Othello. Quá trình bao gồm thiết kế vòng lặp RL đầy đủ: biểu diễn trạng thái, phân tích hành động, môi trường đa lượt, engine đối thủ (ngẫu nhiên và minimax), cùng hàm thưởng kết hợp nhiều yếu tố. Cấu trúc MultiTurnEnv có thể áp dụng cho các tác vụ theo lượt khác như coding agents hay support agents bằng cách thay đổi bốn thành phần cốt lõi.

Lập trình viên muốn phát triển các hệ thống học tự động hóa hoặc tích hợp AI vào game/đối tác thông minh nên đọc để học cách xây dựng môi trường RL từ scratch, áp dụng cho các nhiệm vụ phức tạp hơn Othello mà không cần phụ thuộc vào framework cố định.