近日，谷歌量子人工智能部与深度思维研究团队成功研发基于强化学习的量子纠错控制系统，革新了量子处理器校准范式。传统量子纠错高度依赖硬件参数精准调控，且易受环境扰动产生性能漂移。以往方法需中断计算进行周期性校准，难以支撑长时程量子算法。 研究团队创新性地利用纠错产生的错误检测信号作为学习反馈，构建高效代理目标函数，实现系统参数自动寻优。实验基于Willow超导量子处理器，覆盖七阶表面码与五色码方案。结果显示，强化学习微调使逻辑错误率稳定性提升2.4倍，同步优化解码器后跃升3.5倍，较传统人工校准额外压制20%逻辑错误率，创下跨物理平台纪录。该算法能实时追踪系统漂移，数值模拟证实其可无损扩展至拥有数万参数的十五阶表面码。 此项成果标志着量子硬件控制迈入智能化时代。该模型无关框架彻底消除了传统校准带来的计算停顿，为大规模容错量子计算机的持续稳定运行提供了可扩展、自适应的核心控制路径。