量子计算正在快速发展，但该领域的一项重要挑战是如何减轻困扰量子机器的噪音。与传统计算机相比，噪声会导致量子计算机出现更高的错误率。这种噪声通常是由不完善的控制信号、来自环境的干扰以及量子比特之间有不需要的相互作用而引起的，而量子比特是量子计算机的组成部分。

在量子计算机上执行计算涉及到“量子电路”，这是一系列被称为量子门的操作。这些量子门会映射到单个量子比特上，改变某些量子比特的量子态就能执行计算以解决问题。但是量子门会引入噪声，这会妨碍量子机器的性能。

麻省理工学院和其他地方的研究人员正在通过开发一种使量子电路本身会对噪声具有弹性的技术来克服这个问题。该研究团队创建了一个框架，它可以为特定计算任务识别出最稳健的量子电路，并针对目标量子设备的量子比特定制生成映射模式。

他们称这一框架为“QuantumNAS”(量子噪声自适应搜索)，其计算量要远低于其他搜寻方法，并且可以识别出能提高机器学习和量子化学任务准确性的量子电路。当研究人员使用他们的技术来识别真正量子设备的量子电路时，他们发现这一技术生成的电路要优于使用其他方法生成的电路。

麻省理工学院电气工程与计算机科学系(EECS)副教授、论文资深作者Song Han说：“这里的关键思想是，如果没有这种技术，我们必须在设计空间中对每个单独量子电路的架构和映射场景进行采样、训练和评估，如果效果不好，我们必须扔掉它并重新开始这一过程。但使用这种方法，我们可以一次获得许多不同的电路和映射策略，且无需经过多次训练。”（编译:Qtech）