微美研发基于机器学习的量子误差抑制技术

北京，2024年12月23日/纽约市报社/ - 微美全息云公司（纳斯达克：WiMi）（" WiMi "或" 公司 "），一家领先的全球全息增强现实（" AR "）技术提供商，今天宣布开发一项创新解决方案：基于机器学习的量子误差抑制技术（MLQES）。这项技术不仅突破了量子计算中的错误瓶颈，还展示了通过经典控制和混合计算方法增强量子电路精度的潜力，而无需额外的量子资源。

量子计算机的计算潜力源于其量子比特的独特特性：通过叠加，拥有n个量子比特系统的量子计算机可以提供2^n的计算空间。这使其在解决大规模问题方面具有显著优势，特别是在因子分解、分子模拟和人工智能等领域。 n qubits的量子计算机的计算潜力源于其量子比特的独特特性：通过叠加，拥有3个量子比特系统的量子计算机可以提供2^3=8的计算空间。这使其在解决大规模问题方面具有显著优势，特别是在因子分解、分子模拟和人工智能ETF等领域。

然而，当前的量子设备仍处于有噪声的中间规模量子（NISQ）阶段，量子电路操作过程中的噪声、热力学干扰和其他外部环境干扰往往导致量子比特的错误。与经典计算中的错误相比，量子计算中的错误更为复杂且更难纠正，存在错误在量子电路中传播的风险。因此，有效地减少这些量子计算错误对于推进量子计算技术至关重要。

传统的量子错误纠正方法通常需要额外的量子比特来存储冗余信息，或者使用复杂的量子错误纠正编码来修复错误。然而，这些方法不仅消耗大量的量子资源，还对当前NISQ设备的物理实现提出了更高要求。在这种背景下，WiMi的MLQES（基于机器学习的量子错误抑制）技术提供了一个新方向——仅依赖于经典计算机和量子设备的组合，可以有效地减少量子错误，无需额外的量子资源。

WiMi基于机器学习的量子错误抑制技术（MLQES）的核心思想是使用机器学习模型预测量子电路中的潜在错误，并动态调整电路结构，以最小化错误对最终计算结果的影响。

在MLQES中，量子电路首先使用监督学习模型进行分析。这个监督学习模型是在大量历史量子电路和错误分布的数据集上训练的，使其能够准确预测不同量子电路中的常见错误。当输入一个新的量子电路时，MLQES可以实时预测电路中各种操作（如量子门、量子比特之间的纠缠等）的潜在错误大小。

一旦机器学习模型预测量子电路中的错误值超过预定阈值，WiMi的MLQES系统就会触发电路分割机制。这是MLQES的创新之一：为了防止整个电路在高错误条件下运行，MLQES可以使用受错误影响的分割策略将一个大量子电路分成两个或多个较小的子电路。这种分割策略确保在每个子电路内，错误控制在可接受范围内。MLQES采用迭代分割过程，直到每个子电路的错误预测都低于设定的阈值。

分段子电路可以在量子设备上独立运行。由于子电路规模较小，量子比特之间的纠缠和相互作用更容易控制，从而减少量子运算中的噪声干扰。每个子电路完成执行后，其输出被发送到经典计算机进行进一步处理。

在经典计算机上，MLQES使用经典重建算法将多个子电路的结果合并到完整量子电路的输出中。这个重建过程不依赖额外的量子操作，而是利用经典计算的强大处理能力来弥补量子计算的局限性。

MLQES不仅解决了量子错误问题，还为未来量子计算提供了可扩展的计算框架。这项技术结合了量子计算机和经典计算机的优势，利用经典计算的强大处理能力来控制量子电路的执行。经典和量子计算的融合为未来的NISQ设备开辟了更多应用可能，尤其在量子比特数量有限但需要高精度计算的场景中。MLQES减少了对量子纠错代码和冗余量子比特的依赖，显著提高了量子计算的整体效率。

微美全息的（纳斯达克: WIMI）MLQES技术的推出标志着量子计算迈出了重要一步。在NISQ设备尚未完全成熟的阶段，有效减少量子计算错误的能力意味着更多实际应用场景可以逐渐实现。无论是在量子化学、优化问题还是密码学领域，错误的减少将极大地增强量子计算的可行性和效率。

与现有量子纠错方法相比，MLQES的最大优势在于不需要额外的量子比特资源。对于当前的量子设备，量子比特资源非常有限，而维护这些资源需要巨大成本。MLQES将复杂的量子纠错问题简化为可扩展的经典-量子混合计算问题，仅依赖于经典计算进行控制。

MLQES专为当前的有噪声中间规模量子（NISQ）设备而设计。在这些设备上，由于量子比特的操作噪声和其局限性，量子错误更难纠正。MLQES能够适应这些限制，提供一种易于实施的量子错误抑制解决方案。

量子计算有望在金融、材料科学和人工智能等领域带来重大变革。通过MLQES技术，微美为这些行业提供更高效可靠的量子计算解决方案，帮助企业和研究机构更快更早地将量子计算应用于真实生产和研究中。

作为量子计算技术发展中的重要里程碑，微美的基于机器学习的量子错误抑制技术（MLQES）不仅展示了结合量子和经典计算的创新潜力，还为未来更复杂的量子计算应用奠定了坚实基础。在全球量子计算竞争日益激烈的背景下，MLQES的推出无疑将加速量子计算技术的普及和应用。