编辑 | …

量子计算机的本质，更像一台精密的模拟机器。

在它内部，量子比特的状态并非一成不变，而是时刻与周围环境进行着一场无声的较量。

温度的细微波动、电子元件的老化、控制线路的微小漂移——这些看似微小的扰动，都会让量子门操作逐渐偏离最佳工作点。

哪怕每次的误差都微乎其微，但日积月累，也足以让原本精心设计的计算方案，最终输出一个毫无意义的结果。

正因如此，今天的超导量子计算机，常常需要频繁按下“暂停键”来执行校准。

工程师们得不断测量系统状态，手动调整成千上万个控制参数，确认无误后，才能继续计算。

这套流程在小规模设备上尚且运转得开。但当容错量子计算逐渐走向现实，需要管理数百乃至数千个逻辑量子比特时，这种依赖人工或固定规则的校准方式，其瓶颈便暴露无遗了。

一个很自然的想法是：如果量子计算机能像自动驾驶汽车那样，在运行过程中持续感知自身状态，并实时微调自己的控制参数，那会怎样？

2026年7月8日，Google量子AI团队在《自然》杂志上给出了一个答案。

他们的论文——Reinforcement learning control of quantum error correction——描述了一个训练有素的强化学习智能体，它能持续稳定逻辑量子比特，并从一次次失败中不断学习、自我进化。

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

当校准成为挑战

对经典计算机来说，只要硬件没出故障，同一个程序跑十次和跑一次，结果通常高度一致。

但量子计算的世界截然不同。

现代容错量子计算系统，需要维护的控制参数数量极其庞大。

• 从单个量子比特的旋转角度
• 到双量子比特的耦合强度
• 再到读出校准和脉冲补偿

每一种参数都随着环境变化而不断漂移。

更棘手的是，随着编码距离的增加，需要监控和维护的参数数量呈指数级增长。传统的、依赖工程师逐项扫描或凭经验调整的方式，开始变得力不从心。

此外，还有一个更深层的难题：真正决定计算质量的逻辑错误率，其本身是相当稀有的信号。

这也解释了为什么在过去很长时间里，强化学习虽被视为潜力巨大的工具，却始终难以真正落地到容错量子计算的核心环节。

为了突破这个瓶颈，研究团队没有走“直接优化逻辑错误率”这条看上去最直接的路径。他们提出了一种更为巧妙的替代目标。

^{图 1：强化学习概述。}

在表面码这类量子纠错方案中，每完成一次纠错循环，系统都会产生海量的“错误检测事件”。

这些来自检测器的信号，能精确告诉研究人员哪些局部区域出现了异常，哪些量子门正开始偏离正常状态。

倾听每一个错误

单个检测事件本身，或许不能直接告诉你实验最终会不会失败。

但它们的作用，就像汽车仪表盘上那一排指示灯——每一个微小的读数，都在持续反映着系统的健康状态。

于是，研究人员找到了一个绝妙的连接点：将这些原本只服务于量子纠错的数据，直接转译成强化学习智能体能够理解的“即时奖励信号”。

^{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”，将整块量子芯片划分成大量局部的子区域。

这样一来，每个控制参数只需关注与自己相关的检测事件，每一次调整行为获得的反馈，也来自这个局部区域，而非等待整个系统最终是否崩溃。

于是，原本那种极其稀疏、延迟严重的奖励信号，被成功地拆解成连续、局部且高频的学习信号。

基于这个新框架，强化学习智能体采用策略梯度方法来持续调整控制参数。

• 如果某个调整让检测事件减少了，对应的策略就会得到正向强化；
• 反之，如果系统显示出更多错误，AI便主动修正策略。

整个过程无需人工标注，也不依赖任何预设的漂移模型——它唯一的老师，就是量子计算机在真实运行中产生的海量数据。

为了验证这个思路，研究团队先向系统中人为注入持续变化的控制漂移，模拟真实设备长期运行时的参数偏移。

结果清晰明了：没有强化学习介入时，逻辑错误率随着漂移积累迅速恶化；而有了RL智能体，它能够持续依据检测事件调整参数，让系统始终稳定在接近最佳的工作状态。

在整个实验过程中，逻辑计算的稳定性提升了约 3.5 倍。换句话说，AI几乎是在“追着”漂移跑，实时完成补偿，而不是像传统校准那样，被动地等到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

对于未来大规模容错量子计算而言，一个更重要的问题是：当量子比特数量增长，这套方法还能否奏效？

研究团队将强化学习应用于不同规模的量子纠错编码中。

他们首先以经过人工专家反复优化的系统作为基线，然后让强化学习智能体接管校准过程。

结果让人印象深刻：即便是在专家已经做到极限的“起跑线”上，RL 依然能持续发现新的优化空间，让逻辑错误率进一步下降约 20%。

^{图 4：RL 转向演示。}

这意味着一件很重要的事：强化学习并非简单地替代传统校准，而是能在人类专家经验之外，持续进行精细化的系统微调，不断逼近该硬件平台能达到的最佳性能极限。

最后，团队演示了这套方法的可扩展性。在实验中，需要同时优化的控制参数数量已接近 4 万个——这远远超出了人能手动维护的范围。

但得益于局部奖励机制和因子图带来的天然并行性，系统的训练效率并未随着规模扩大而明显恶化。不同区域能够独立学习、协同优化，这种特性是迈向实用化大系统的关键一步。

量子的前景

过去，量子计算的控制策略普遍遵循着“发现问题→暂停计算→重新校准→恢复运行”的朴素模式。

随着设备规模扩张，这种“停机维护”不仅带来巨大的时间成本，也让整个系统变得越来越难以管理。

而强化学习带来了一种全新的视角：它让“校准”这件事，从一项独立的、令人烦恼的外部任务，变成量子计算持续运行过程中，一个自然、内嵌、甚至你意识不到它存在的环节。

AI的角色，正在发生根本性转变。它不再只是用来分析实验数据、优化上层算法的工具，而是开始直接参与并主导底层控制系统——在每一次量子纠错循环中，持续学习，持续修正，持续优化。

真正大规模容错量子计算的到来，或许意味着控制方式的彻底变革。

未来的量子计算机，可能不会再等到问题出现再去被动校准；而是在每一个计算周期里主动修正自身状态，让系统始终稳稳地锚定在最佳工作点。容错量子计算，未来或许将第一次真正拥有持续“自我维护”的能力。