गूगल का क्वांटम कंप्यूटर आपके इंतजार के दौरान अपनी अटेंशन की समस्या ठीक करना सीख गया

क्वांटम कंप्यूटिंग में बड़ी-बड़ी समस्याएं हैं - जैसे, क्या हम इतने क्यूबिट बना भी सकते हैं जो फट न जाएं? - लेकिन एक और साधारण सी समस्या भी है: कैलिब्रेशन। सुपरकंडक्टिंग क्यूबिट, जिनका इस्तेमाल गूगल और अन्य करते हैं, बर्फ के टुकड़ों की तरह होते हैं जिनका अपना एक अलग रवैया होता है: हर एक में सूक्ष्म भिन्नताएं होती हैं, और उन्हें नियंत्रित करने वाली माइक्रोवेव पल्स हार्डवेयर के गर्म होने पर बहाव कर सकती हैं। आमतौर पर, आप सब कुछ रोककर फिर से कैलिब्रेट करते हैं, जो छोटी गणनाओं के लिए ठीक है, लेकिन उन मैराथन एल्गोरिदम के लिए बेकार है जो एन्क्रिप्शन को तोड़ सकते हैं या कैंसर का इलाज कर सकते हैं।

गूगल का समाधान? पहले से एकत्रित एरर-करेक्शन डेटा का उपयोग करके कैलिब्रेशन बहाव का पता लगाना, फिर रीइन्फोर्समेंट लर्निंग लागू करके लगभग 1,000 नियंत्रण मापदंडों को चलते-फिरते ट्वीक करना। अपने पेपर में, वे बताते हैं कि उन्होंने जानबूझकर गणना के दौरान सभी नियंत्रण मापदंडों पर छोटी-छोटी गड़बड़ियां लागू कीं, जैसे कोई शेफ सूप को उबलते समय चख रहा हो। सिस्टम तब अनुमान लगाता है कि कौन से समायोजन त्रुटियों को कम करते हैं, यह सब लॉजिकल क्यूबिट की एरर करेक्शन को संभालते हुए।

टीम ने इसे दो लॉजिकल क्यूबिट्स पर अलग-अलग एरर-करेक्शन स्कीम (सरफेस कोड और कलर कोड) का उपयोग करके परखा और पाया कि सक्रिय रीइन्फोर्समेंट लर्निंग ने एरर डिटेक्शन को 20 प्रतिशत तक बढ़ा दिया। एक पकड़ है: सिस्टम तभी काम करता है जब बहाव छोटा रहे - बड़े उतार-चढ़ाव इसे भ्रमित कर देते हैं। लेकिन लगातार पुनर्मूल्यांकन करके, एक्सप्लोरेशन (उप-इष्टतम सेटिंग्स आज़माना) और एक्सप्लॉइटेशन (जो काम करता है उस पर टिके रहना) के बीच का ट्रेड-ऑफ वास्तव में लाभदायक होता है, जब तक बहाव काफी धीमा हो। सिमुलेशन ने दिखाया कि यह लगभग 40,000 मापदंडों वाले सिस्टम के लिए काम करता है।

यह आज के खिलौना क्वांटम कंप्यूटरों के लिए नहीं है, जिनके पास बहाव करने का समय ही नहीं है। लेकिन अगर हम कभी ऐसी मशीनें बनाएं जो कॉफी ब्रेक से भी लंबे एल्गोरिदम चलाएं, तो यह तकनीक उन्हें पटरी से उतरने से बचा सकती है। यह पेपर Nature, 2026 में प्रकाशित हुआ है।