迈向能从错误中学习的量子计算机

谷歌研究提出一种让量子计算机通过机器学习从自身错误中学习的方法，以提升纠错能力。

• 量子比特易受噪声干扰，错误率远高于经典比特。
• 传统纠错需要大量物理量子比特编码一个逻辑量子比特。
• 新方法利用神经网络从错误模式中学习，动态调整纠错策略。
• 在谷歌Sycamore处理器上测试，错误率降低约30%。
• 该方法有望减少实现容错量子计算所需的物理量子比特数量。