IBM 利用 AI 发现量子纠错码
realtime news Jun 11, 2026 16:05
IBM 使用基于 AI 的框架发现了 465 种新的纠错码，推动容错量子计算的发展。
IBM 研究院发布了一种新颖的AI驱动框架，能够加速量子纠错（QEC）码的发现，这是推动容错量子计算的关键组成部分。在一篇发表在 arXiv 上的论文中，IBM 研究人员详细描述了如何使用大型语言模型（LLMs）生成并优化了 465 个新的 QEC 码候选方案，展示了人工智能与量子技术之间日益增强的协同作用。
QEC 码对于稳定脆弱的量子信息至关重要，后者容易受到噪声和退相干的影响。这些代码将逻辑量子比特编码到多个物理量子比特上，允许在不破坏量子态的情况下检测和纠正错误。然而，由于潜在公式的庞大空间，识别有用的 QEC 码是计算密集型的过程。IBM 的新框架显著加快了这一过程。
工作原理：LLM 引导的代码发现
IBM 团队的方法利用了 OpenEvolve，这是一个基于进化算法的 AI 库。该系统根据详细参数提示 LLM，例如目标 QEC 码家族和优化目标，以生成潜在候选方案。这些候选方案随后经历一个多阶段的筛选过程，从快速的初步评估到计算密集型的验证技术，例如混合整数线性规划（MILP）。
作为概念验证，研究人员专注于二元自行车（BB）码，这是一种量子低密度奇偶校验码（qLDPC），是 IBM 容错量子计算路线图的核心部分。这种迭代工作流程不仅识别了新的代码，还通过使用反馈循环来逐步改进 LLM 的候选生成效率。
关键发现：丰富的代码候选
在发现的 465 个新代码中，有几个因其在物理量子比特数量、逻辑量子比特编码和误差容忍度之间的独特权衡而脱颖而出。例如，一个代码达到了创纪录的 50 个逻辑量子比特数量，但其较低的误差容忍度限制了实际应用。另一个代码仅需 72 个物理量子比特，使其在某些平台上可能更具硬件效率。其他代码如 [[288,16,12]] 和 [[360,12,≤24]] 提供了平衡的性能，可能与 IBM 路线图中使用的 [[144,12,12]] gross 代码相媲美。
尽管这些发现令人鼓舞，IBM 强调需要进一步验证和实际测试以评估这些代码的实际可行性。然而，该框架能够快速探索 QEC 码权衡空间的能力标志着一个重要进展。
为什么这对量子计算很重要
QEC 被广泛认为是容错量子计算机的关键，它使逻辑量子比特的错误率低于容错阈值。近期的行业趋势已从单纯增加量子比特数量转向展示可靠的逻辑量子比特。像 Atom Computing 和 Nvidia 等公司也在纠错方面取得了进展，Atom 在中性原子硬件上实现了多轮演示，而 Nvidia 今年早些时候发布了用于实时 QEC 解码的 AI 模型。
IBM 的 AI 驱动框架通过减少发现 QEC 码所需的时间和计算资源，为创新增添了一层新维度。更快的发现可能加速实现密码学相关量子计算机的时间表，而谷歌最近预测这些计算机可能会在 2029 年出现。
下一步
IBM 正在开源其框架，鼓励研究人员在其基础上探索其他 QEC 码家族。团队还计划优化该系统并研究有前景候选方案的实际实施。
随着量子计算领域逐步迈向容错，纠错领域的突破——无论通过 AI 还是其他方法——都将至关重要。IBM 的方法不仅突显了 AI 在科学发现中的潜力，还强调了经典与量子技术在塑造计算未来方面日益增长的融合。
Image source: Shutterstock.jpg)