양자 컴퓨팅에는 큰 문제가 많다. 예를 들어, 폭발하지 않는 큐비트를 충분히 만들 수 있을까? 하지만 더 평범한 문제도 있다: 보정. 구글과 다른 회사들이 사용하는 초전도 큐비트는 각자 태도를 가진 눈송이와 같다. 각각 미묘한 차이가 있고, 이를 제어하는 마이크로파 펄스는 하드웨어가 뜨거워짐에 따라 표류할 수 있다. 보통은 모든 것을 멈추고 재보정하는데, 짧은 계산에는 괜찮지만 암호를 해독하거나 암을 치료할 수 있는 마라톤 알고리즘에는 적합하지 않다.

구글의 해결책? 이미 수집 중인 오류 수정 데이터를 사용하여 보정 표류를 감지한 다음, 강화 학습을 적용하여 약 1,000개의 제어 매개변수를 실시간으로 조정한다. 그들의 논문에서, 그들은 계산 중에 모든 제어 매개변수에 의도적으로 작은 섭동을 가하는 것을 설명한다. 마치 요리가 끓는 동안 수프를 맛보는 셰프처럼. 그런 다음 시스템은 어떤 조정이 오류를 최소화하는지 추론하며, 논리적 큐비트의 오류 수정을 관리한다.

팀은 두 개의 논리적 큐비트에서 서로 다른 오류 수정 방식(표면 코드와 컬러 코드)을 사용하여 테스트했으며, 능동적 강화 학습이 오류 감지를 20% 향상시킨다는 것을 발견했다. 한 가지 걸림돌이 있다: 시스템은 표류가 작게 유지될 때만 작동한다. 큰 변동은 시스템을 혼란스럽게 만든다. 그러나 지속적으로 재평가함으로써, 탐색(최적이 아닌 설정 시도)과 활용(작동하는 것 고수) 사이의 균형이 실제로 효과를 발휘한다. 단, 표류가 충분히 느린 경우에 한한다. 시뮬레이션은 약 40,000개의 매개변수를 가진 시스템에서 작동하는 것을 보여주었다.

이것은 오늘날의 장난감 양자 컴퓨터를 위한 것이 아니다. 그들은 표류할 시간조차 거의 없다. 하지만 커피 브레이크보다 긴 알고리즘을 실행하는 기계를 만든다면, 이 기술이 탈선을 막을 수 있을 것이다. 논문은 2026년 Nature에 게재되었다.