Google让量子计算机学会边计算边校准：强化学习首次实现实时容错优化，逻辑稳定性提升3.5倍

编辑丨^…^

量子计算机的本质其实是一种模拟机器，在其中，量子比特始终在与环境进行着一场无声的较量。温度的细微变化、电子器件的老化、控制线路的漂移，都会让量子门操作逐渐偏离最佳状态。哪怕只有极小的误差积累，也足以让原本正确的计算结果失去意义。

如今的超导量子计算机需要频繁停下任务进行校准，工程师不断测量系统状态、调整数千个控制参数，再重新开始计算。这套流程在今天的小规模设备上尚且能够维持，但随着容错量子计算逐渐走向数百甚至数千个逻辑量子比特，依赖人工或固定规则的校准方式开始暴露出越来越明显的瓶颈。

如果量子计算机能够像自动驾驶汽车一样，在运行过程中持续感知自身状态，并实时修正控制参数，会发生什么？

2026 年 7 月 8 日，Google 量子 AI 团队在《Nature》上发表了「Reinforcement learning control of quantum error correction」。他们训练了一个强化学习智能体来稳定逻辑量子比特，能够从失败中持续不断地学习。

      ^{论文链接：https://www.nature.com/articles/s41586-026-10759-2}

当校准成为挑战

对于经典计算机来说，一次程序运行结束后，只要硬件没有损坏，下一次运行通常不会有太大差别。

量子计算却完全不同。

现代容错量子计算系统因此需要维护数量庞大的控制参数。从单量子比特旋转角度、双量子比特耦合强度，到读出校准和脉冲补偿，每一种参数都会随着环境变化不断偏离最优值。随着编码距离不断增加，需要维护的参数数量也呈指数式增长，传统依赖人工经验或逐项扫描的校准流程开始变得难以为继。

更棘手的是，真正决定计算质量的逻辑错误率（Logical Error Rate，LER）本身十分稀有。这也是过去很长时间里，强化学习始终难以真正应用于容错量子计算的重要原因。

研究团队没有直接优化最终逻辑错误率，而是提出一种袋里目标（Surrogate Objective）。

      ^{图 1：强化学习概述。}

在表面码（Surface Code）等量子纠错方案中，每完成一次纠错循环，系统都会产生大量错误检测事件。这些检测器能够告诉研究人员：哪些局部区域出现了异常，哪些量子门可能正在发生漂移。

倾听每一个错误

虽然单个检测事件并不能直接代表最终计算是否失败，但它们却像汽车仪表盘上的各种传感器一样，持续反映着系统健康状态。

于是，研究人员把这些原本用于量子纠错的数据，直接转化成强化学习能够理解的即时奖励。

      ^{图 2：从错误中学习。}

团队进一步利用检测器之间天然形成的因子图（Factor Graph），把整个量子芯片划分成大量局部子区域。每个控制参数只需要关注与自己相关的检测事件，每一次动作获得的奖励也来自附近区域，而不是整个系统最终是否出错。这样一来，原本极其稀疏、延迟严重的奖励，被拆解成连续、局部且高频的学习信号。

在此基础上，强化学习袋里采用策略梯度（Policy Gradient）方法持续调整控制参数。当检测事件减少时，相应策略获得正向奖励；当局部错误增加时，AI 则自动修正控制策略。整个学习过程无需人工标注，也不依赖预设漂移模型，而是完全依据量子计算机运行过程中产生的数据不断更新自身策略。

为了验证这一思路，研究团队首先人为向系统注入持续变化的控制漂移，模拟真实设备长期运行过程中不可避免的参数偏移。

结果显示，在没有强化学习介入时，随着漂移不断累积，逻辑错误率迅速恶化；而 RL 袋里能够持续根据检测事件调整控制参数，使系统始终保持接近最佳工作状态。整个实验过程中，逻辑计算稳定性提升约 3.5 倍，AI 几乎始终追着漂移变化完成实时补偿，而不是像传统校准那样等误差累积到一定程度后再统一修复。

      ^{图 3：QEC 性能的强化学习微调。}

迈向真正的大规模量子控制

对于未来的大规模容错量子计算而言，更重要的问题是：随着量子比特不断增加，这套方法还能否继续工作？

为此，研究团队进一步将强化学习应用到不同规模的量子纠错编码中。

在实验平台上，研究人员首先以经过人工专家优化后的系统作为基线，再让强化学习继续接管校准过程。结果发现，即便是在已经高度优化的基础上，RL 仍然能够持续发现新的改进空间，使 LER 进一步下降约 20%。

      ^{图 4：RL 转向演示。}

这一结果意味着，强化学习并不是简单替代传统校准，而是在专家经验之外继续进行精细优化，不断逼近系统能够达到的最佳状态。

最后，团队演示了 RL 控制的可扩展性，此时，需要同时优化的控制参数数量已经接近 4 万个，远远超过人工能够维护的范围。然而，得益于局部奖励机制和因子图带来的天然并行性，系统训练效率并没有随着规模扩大而明显恶化，不同区域依旧能够独立学习、协同优化，展现出良好的可扩展能力。

量子的前景

过去，量子计算的控制策略大多遵循「发现问题—暂停计算—重新校准—恢复运行」的模式。随着设备规模不断扩大，这种停机维护不仅会带来巨大的时间成本，也会让整个系统越来越难以管理。而强化学习提供了一种全新的思路：让校准从一项独立任务，变成量子计算持续运行过程中自然发生的一部分。

AI不再只是分析实验数据，也不只是帮助优化算法，而是开始直接参与底层控制系统，在每一次量子纠错循环中持续学习、持续修正、持续优化。

对于真正的大规模容错量子计算而言，这种变化意味着控制方式正在发生根本转变——未来的量子计算机或许不会等到出现问题再去校准，而是在每一个计算周期里主动修正自身状态，让系统始终保持最佳工作点。未来的容错量子计算，或许将第一次真正拥有持续「自我维护」的能力。