量子科技中心_量科网

在具备容错能力的量子计算实际硬件中，非平稳噪声和随机漂移会导致由误差时间累积而非独立事件引发的逻辑失效。静态解码和固定校准技术从结构上就与这种情况不相容，因为它们没有考虑误差之间的时间相关性或控制引发的误差反作用。这些效应促使控制策略必须追踪跨纠错周期的噪声演变，而非孤立地响应单个症候群。该研究团队将容错量子计算视为随机控制问题，采用简化量子动力学建模——其中泡利误差过程由随时间变化的潜在噪声参数控制。从这个角度看，逻辑失效通过危险变量的累积产生，相应控制目标取决于完整的观测历史。在此条件下运行的时序深度Q网络（Ch-DQN）会维持跟踪噪声演变和累积危险的内部信念状态。训练期间采用轨迹反向细化来采样缓慢漂移的操作模式，而运行时推断保持严格因果性。分数元更新在非平稳、控制耦合动力学的环境下稳定学习过程。通过融合随机漂移和决策反馈的多距离仿真，Ch-DQN相较静态和循环基线模型能抑制危险累积并延长逻辑存活时间。因此该工作表明，这种状态下的纠错不再是静态解码任务，而是其成功由底层噪声动力学随时间决定的控制过程。