将量子计算机投入生产实践的主要挑战源于量子叠加态是极其脆弱的。例如，由环境中无处不在的微小扰动也会引起错误，从而迅速破坏量子叠加态，进而导致量子计算机失去优势。为了克服这一障碍，科学家已开发了复杂的量子纠错方法。虽然从理论上讲，它们可以成功地消除错误的影响，但它们通常会让设备变得复杂并带来巨大的开销，而且纠错方法本身也很容易出错，因此还可能增加错误的风险。

日本理化学研究所(RIKEN)量子计算中心的研究人员最近利用经机器学习加持的自主纠错系统对量子计算机进行了纠错，尽管该系统是近似的，但可有效地确定应该如何最好地进行必要的纠错。在这项工作中，研究人员利用机器学习来寻找纠错方案，以最大限度地减少设备开销，同时保持良好的纠错性能。为此，他们专注于一种自主的量子纠错方法，并使用经过巧妙设计的人工环境取代了频繁进行错误检测测量的必要性。

他们还研究了“玻色子量子比特编码”，这种方案在目前最一些有前途和最广泛的超导量子计算机中有运用。在玻色子量子比特编码的广阔搜索空间中要找到高性能的候选编码是一项复杂的优化任务，研究人员是通过强化学习来解决这个问题。他们用这种模型探索了一个抽象的环境来学习和优化其行动策略。他们发现，与其他编码方法相比，这个方法令人惊讶的简单，近似量子比特编码不仅可以大大降低设备的复杂性，而且在纠正错误的能力方面也优于竞争对手。

该论文的第一作者Yexiong Zeng表示，这项工作不仅展示了将机器学习用于量子纠错的潜力，而且还可能使我们离在实验中成功实施量子纠错更近一步。据另一名研究人员Franco Nori的说法，机器学习可以在解决大规模量子计算和优化挑战方面发挥关键作用。目前该团队还积极参与了许多集成机器学习、人工神经网络、量子纠错和量子容错的项目。（编译:Qtech）