BB-Net, एक ध्यान-आधारित तंत्रिका नेटवर्क, 96.39% सटीकता के साथ क्वांटम त्रुटि सुधार कोड दूरियों की भविष्यवाणी करता है जबकि पारंपरिक अनुमानी विधियों पर 10,000× तेजी प्राप्त करता है। यह सफलता मापनीय दोष-सहिष्णु क्वांटम कोड की खोज को त्वरित करती है।
शोधकर्ताओं ने खोज की कि पैरिटी लेबल—दर्पण समरूपता के बारे में जानकारी—को एमएल मॉडल आर्किटेक्चर में शामिल करने से क्रिस्टलीय सामग्रियों के लिए भौतिकी की दृष्टि से असंभव भविष्यवाणियां समाप्त हो जाती हैं, जिससे सटीकता में छह परिमाण के क्रम से सुधार होता है।
UCLA, Caltech, और NVIDIA ने एक फूरियर न्यूरल ऑपरेटर विकसित किया है जो आणविक क्वांटम गतिविज्ञान को सीखता है, जिससे 10^7× तेजी से क्वांटम नियंत्रण पल्स अनुक्रम डिजाइन सक्षम हो गया है और फंसे हुए हाइड्रोनियम आयनों पर 86.2% स्थिति तैयारी निष्ठा प्राप्त की गई है।
हमने ट्रांसपिलेशन-जागरूक GNNs विकसित किए जो शोरपूर्ण क्वांटम सिमुलेटर रनटाइम की भविष्यवाणी करते हैं। हमने पाया कि पोस्ट-ट्रांसपिलेशन सर्किट ग्राफ भविष्यवाणी सटीकता में काफी सुधार करते हैं—क्वांटम कंप्यूटिंग के लिए बेहतर संसाधन आवंटन सक्षम करते हुए।