گوگل روشی را برای رفع بهتر خطاهای کامپیوتر کوانتومی به نمایش می گذارد

کامپیوتر کوانتومی ویلو

هوش مصنوعی کوانتومی گوگل

ساخت کامپیوترهای کوانتومی ضد خطا یکی از بزرگ‌ترین چالش‌هایی است که در حال حاضر این فناوری با آن مواجه است. محققان در Google Quantum AI یک راه را برای انجام کارآمدتر نشان داده‌اند. کار آنها نشان می‌دهد که رایانه‌های کوانتومی کوچک‌تر که در چند سال آینده در دسترس خواهند بود، می‌توانند تأثیرگذارتر از حد انتظار باشند.

رایانه‌های کوانتومی می‌توانند عملیات ریاضی شبیه به جمع یا ضرب را اجرا کنند که رایانه‌های معمولی نمی‌توانند. این آنها را برای حل برخی از مشکلاتی که قبلا غیرقابل حل تلقی می شدند، مانند مواردی که زیربنای رمزنگاری هستند، مناسب می کند.

مهمترین عملیات کوانتومی که رایانه ها اجرا می کنند «دروازه های غیرکلیفورد» هستند که اجزای اصلی الگوریتم هایی هستند که از محاسبات معمولی فراتر می روند.

تبلیغات

ادامه مطلب در نهایت ممکن است راهی برای ارزیابی مفید بودن یک کامپیوتر کوانتومی داشته باشیم

اما یک مشکل وجود دارد. کامپیوترهای کوانتومی بسیار مستعد خطا هستند و بلوک‌های سازنده آن‌ها که کیوبیت نامیده می‌شوند، باید در گروه‌های خاص یا «کیوبیت‌های منطقی» کدگذاری شوند تا بتوانند عملیات‌ها را به طور قابل اعتماد اجرا کنند. اجرای گیت‌های غیرکلیفورد به روش تصحیح شده خطا به تعداد زیادی کیوبیت نیاز دارد، که به معنای ساخت رایانه‌های کوانتومی بسیار بزرگ است - یک چالش مهندسی بزرگ.

اکنون، اما روزنفلد از هوش مصنوعی کوانتومی گوگل و همکارانش از کامپیوتر کوانتومی ویلو این شرکت استفاده کرده‌اند تا نشان دهند که فرآیند تصحیح خطا را می‌توان کارآمدتر کرد. تکنیک جدید آنها در نهایت خطاهای ویلو را 40 برابر کاهش داد.

در مرکز پیشرفت آنها، ایده "حالت جادویی" وجود دارد، که یک حالت کوانتومی ویژه است که کیوبیت ها باید قبل از اینکه کامپیوتر کوانتومی بتواند عملیات غیرکلیفورد تصحیح شده با خطا را اجرا کند، آن را در نظر بگیرند. روزنفلد می‌گوید که ایجاد این حالت‌ها تاکنون یک گلوگاه واقعی برای محاسبات کوانتومی بوده است. او می‌گوید: «این کیوبیت‌ها و زمان زیادی را می‌خورد.

خبرنامه رایگان

در ستون پروفسور هانا فرای ثبت نام کنید

در خبرنامه ثبت نام کنید

در سال 2024، همکاران او در گوگل کوانتومی AI روش کارآمدتری را برای ایجاد حالت‌های جادویی به نام «کشت حالت جادویی» پیشنهاد کردند. در اینجا، به‌جای اینکه بسیاری از کیوبیت‌های ناقص به طور مکرر ترکیب شوند و به حالت جادویی دستکاری شوند که سپس برای اجرای یک عملیات تصحیح شده خطا قرار می‌گیرد، حالت جادویی در یک پچ کوچک‌تر از کیوبیت‌ها «رشد» می‌شود.

محققان گوگل نشان دادند که پرورش حالت جادویی می‌تواند در تئوری، کامپیوترهای کوانتومی را قادر سازد تا برنامه‌های بعدی را تنها با یک دهم کیوبیت‌هایی که ما انتظار داشتیم اجرا کنند، اجرا کنند. آزمایش جدید روزنفلد و همکارانش ثابت می کند که کشت حالت جادویی در عمل کار می کند.

این اولین بار نیست که روش‌های جدید برای ایجاد حالت‌های جادویی، نرخ خطای رایانه‌های کوانتومی را کاهش می‌دهند. پیشرفت‌هایی در ایجاد حالت‌های جادویی و گیت‌های غیرکلیفورد تصحیح‌کننده خطا نیز در آزمایش‌هایی با رایانه‌های کوانتومی که کیوبیت‌های مبتنی بر یون دارند به دست آمده است. کیوبیت‌های ویلو که مبتنی بر مدارهای ابررسانای کوچک هستند، به نرخ خطای مشابه آزمایش‌های گذشته دست یافتند، اما روزنفلد می‌گوید که آنها سریع‌تر کار می‌کنند و به طور بالقوه زمان اجرای کلی کامپیوتر کوانتومی را کاهش می‌دهند.

کامپیوترهای کوانتومی مبتنی بر اتم در حال رسیدن به سودمندی هستند

یک کامپیوتر کوانتومی ساخته شده از اتم های بسیار سرد می تواند خطاهای خود را در طول محاسبات طولانی تصحیح کند، که یک پیش نیاز مهم برای مفید بودن واقعی است.

ایزاک کیم از دانشگاه کالیفرنیا، دیویس، می گوید: «این یک نمایش چشمگیر از یک ایده امیدوارکننده اخیر است که توسط گوگل پیشگام شده است. این رویکردی است که می‌تواند محاسبات کوانتومی تحمل‌پذیر خطا را به‌طور قابل‌توجهی ارزان‌تر کند.» دومینیک هانگلیتر در ETH زوریخ در سوئیس می‌گوید، کار جدید یکی از بلوک‌های سازنده لازم برای محاسبات کوانتومی جهانی را نشان می‌دهد و می‌تواند یک «تغییرگر بازی» از نظر ساخت رایانه‌های کوانتومی با اندازه متوسط ​​با صدها کیوبیت منطقی باشد.

ژنیو کای از امپریال کالج لندن می‌گوید در حالی که این آزمایش گام مهمی به جلو است، باید خطاهای ویلو بیشتر کاهش یابد تا بتواند مشکلات واقعا مفیدی را حل کند. علاوه بر این، کیم می‌گوید که در این آزمایش، ویلو حالت‌های جادویی خوبی را تنها برای کسری از محاسبات خود ایجاد کرد: تنها 8 درصد از محاسبات ویلو حالت‌های جادویی با کیفیت بالا را تولید کردند که می‌توان آن‌ها را مورد استفاده بیشتر قرار داد.

روزنفلد می گوید که این درصد باید افزایش یابد زیرا او و همکارانش تکنیک را اصلاح می کنند و سخت افزار ویلو را بهبود می بخشند. او می‌گوید، در این مورد، همچنین تحت‌تاثیر تکنیک محک‌گذاری بسیار دقیقی است که تیم استفاده می‌کرد، که ممکن است در برنامه‌های بعدی مورد استفاده قرار نگیرد. "این اولین نمایشی است که مفاهیم کار می کنند. ما تمام نشده ایم."

مرجع مجله:

علم DOI: 10.1126/science.aee7961