Специалисты создали нейросеть, которая учится выявлять и исправлять ошибки. Метод основан на архитектуре так называемых рекуррентных нейронных сетей для анализа временных рядов данных, получаемых при периодическом измерении вспомогательных кубитов. Результаты исследования опубликованы в журнале Physical Review A.
По словам авторов, главное преимущество разработки заключается в способности обучаться на уже полученных ранее данных. Это особенно важно, когда характер ошибок отличается от теоретически предполагаемых моделей. Кроме того, предложенный алгоритм декодирования не зависит от конкретного кода коррекции, что делает его универсальным и легко масштабируемым.