Кубиты — капризные твари. Чуть потеплело, чуть наводка от соседнего сервера — и готово: квантовое состояние улетело в тартарары. Раньше калибровка таких систем растягивалась на часы, а то и дни. Инженеры вручную подбирали параметры импульсов, как настраивают старый радиоприемник. Но в 2026 году этот ад заканчивается. И нет, не из-за магии — просто AI перехватил управление.
Проклятие квантового дрейфа
Квантовый компьютер — это не чёрный ящик с кубитами. Это тысячи управляющих сигналов, которые должны быть синхронизированы с точностью до пикосекунд. Температура меняется, лазеры дрейфуют, шумы нарастают. Каждый сеанс вычислений требует перекалибровки. А если кубитов сотни — это превращается в кошмар логистики.
Традиционные алгоритмы калибровки — итеративные, медленные и жрут ресурсы классических кластеров. Попробуй перебери миллион комбинаций, чтобы найти оптимум. Именно здесь на сцену выходят нейросети и обучение с подкреплением (RL).
Q-CTRL: AI как дирижёр кубитов
Австралийский стартап Q-CTRL уже несколько лет бьёт в одну точку: автоматизация калибровки через AI. Их флагман — Fire Opal (да, назван в честь камня, но работает как швейцарские часы). Вместо слепого перебора агент RL учится на симуляциях, а потом донастраивается на реальном железе. Выстрел — и калибровка, которая раньше занимала 6 часов, укладывается в 15 минут.
В июне 2026 года Q-CTRL объявила, что их AI-агенты сократили время калибровки 100-кубитного процессора IBM Quantum с 8 часов до 47 минут. Прямо на живом железе, без читерства.
Как это работает? Агент получает сырые данные с кубитов — сигналы, времена релаксации, частоты. На выходе — последовательность импульсов, которая минимизирует ошибки. И всё это на обычных GPU, между прочим. Никакой квантовой магии, только классическая нейросеть.
NVIDIA: GPU как ускоритель квантовой возни
NVIDIA в этой истории — поставщик лошадиных сил. Их платформа CUDA Quantum (версия 1.2 вышла в марте 2026) позволяет симулировать квантовые схемы на GPU. Зачем? Чтобы тренировать AI-агента на виртуальных кубитах, а не на дорогущем железе. Одна H100 (или новейшая Grace Hopper 200) может симулировать 50-кубитную цепь за миллисекунды. Это даёт RL-алгоритмам миллионы проб в день.
Но NVIDIA пошла дальше. Вместе с Q-CTRL они запустили проект QODA (Quantum Optimized Device Architecture) — открытую платформу, где AI отвечает за всю цепочку: от симуляции до отправки импульсов на реальный квантовый процессор. Результат? Скорость калибровки выросла в 20 раз.
Синергия классики и кванта: неочевидные бонусы
Калибровка кубитов — не единственная задача, которую ускорил AI. Например, Q-CTRL вместе с NVIDIA научились автоматически подбирать формы импульсов для подавления шума. Раньше это делалось вручную через серию экспериментов. Теперь RL-агент находит оптимальную форму за 10 минут.
Что характерно — AI учится на данных, но не отключает физику. Наоборот, он использует симуляторы, построенные на CUDA Quantum, чтобы проверять гипотезы до того, как включить реальный кубит. Это как автопилот в самолёте: сначала симуляция, потом взлёт.
Внимание, технооптимизм: пока AI круто справляется с калибровкой, но полной замены человека не произошло. Экстремальные условия — типа первого запуска нового чипа — всё ещё требуют эксперта. Хотя Q-CTRL обещает, что к концу 2027 даже это автоматизируют.
Интересно, что та же эволюция происходит и в смежных областях. Например, RotorQuant предлагает ускорение квантования в 10-19 раз — тоже через AI. Или IQ2 квантование, где физика трансформеров «обманывается» с помощью data-driven подхода. Везде одна суть: AI учится на симуляциях и данных, а потом оптимизирует реальные процессы быстрее, чем человек.
А что дальше? Квантовая петля обратной связи
Уже сейчас видно: будущее — за замкнутым контуром, где AI калибрует квантовый процессор в реальном времени, а процессор генерирует данные для дообучения AI. NVIDIA уже показала, как их Subquadratic Attention взламывает ограничения контекста — аналогичный трюк может случиться и в квантовой калибровке, когда AI сможет обрабатывать гигабайты сырых квантовых сигналов за секунды.
Есть и аппаратная сторона: Qualcomm со своими AI200 и AI250 тоже нацелились на серверную нишу. Если их NPU станут достаточно производительными для RL-инференса, калибровка квантовых компов вообще может переехать на чипы, которые стоят копейки по сравнению с H100.
Вопрос не в том, сможет ли AI полностью заменить человека в калибровке. Вопрос в том, когда кубиты начнут калибровать сами себя. И судя по темпам NVIDIA и Q-CTRL, этот день ближе, чем кажется.
