Google Quantum AIのVolodymyr Sivak主任研究者らは、量子計算中の自律的キャリブレーションを実現する機械学習手法を開発し、Natureに発表した。量子ビットは環境変動に敏感で、従来の精度維持には計算停止を伴う定期キャリブレーションが不可欠だった。同チームは、計算中に専用ビットで検出される誤りパターンを制御調整のフィードバックに転用する強化学習アプローチを導入した。アルゴリズムは誤り検出結果を学習して数千の制御パラメータをリアルタイムで微調整し、計算中断を回避しながらシステム安定性を継続的に最適化する。 Willow超伝導量子プロセッサを用いた実証では、模擬環境ドリフト条件下において既存手法より約3.5倍の安定性向上を確認した。大規模パラメータ展開のシミュレーションも成功し、計算負荷増大を抑えたスケーラビリティを実証した。本技術は量子計算の中断頻度を大幅に削減し、長期複雑演算の実現基盤となる。誤りを排除対象とする従来の枠組を超え、誤り検出データを自律学習リソースへ転換する本手法は、量子ハードウェアのリアルタイム制御における新たな標準を提示している。