گوگل کوانتومی AI راه حلی برای یکی از سرسخت ترین مشکلات منابع محاسبات کوانتومی را در سخت افزار نشان داده است. در مقاله ای که در 15 اکتبر در ژورنال Science منتشر شد، تیم سازنده پردازشگر Willow گوگل گزارش داد که "کشت حالت جادویی" - تکنیکی که برای اولین بار در تئوری دو سال پیش ارائه شد - در عمل کار می کند و خطاها را تقریباً 40 برابر در مقایسه با حالت های کشت نشده کاهش می دهد و حالت های T را با وفاداری منطقی رکورد 999٪ تولید می کند.

نتیجه که توسط دانشمند پژوهشی اما روزنفلد و مهندس نرم‌افزار کوانتومی کریگ گیدنی در وبلاگ رسمی گوگل اعلام شد، نشان‌دهنده اولین نمایش تجربی است که حالت‌های جادویی را می‌توان به طور موثر بر روی سخت‌افزار کوانتومی واقعی تولید کرد. این به گلوگاهی می پردازد که مهندسان از زمانی که محققان برای اولین بار بیش از دو دهه پیش آن را شناسایی کردند، آن را برطرف کردند. برای اطلاعات بیشتر در مورد پیشرفت‌ها در مرز محاسبات، به [پوشش تحقیقاتی هوش مصنوعی] (https://aibuzzwire.news) ما مراجعه کنید.

چرا حالات جادویی مهم هستند

محاسبات کوانتومی جهانی - نوعی که می‌تواند برنامه‌های واقعاً مفید را اجرا کند - به مجموعه خاصی از عملیات کوانتومی نیاز دارد که فراتر از آن چیزی است که کیوبیت‌های تصحیح شده با خطا می‌توانند انجام دهند. راه‌حل استاندارد این است که حالت‌های منبع ویژه‌ای که به عنوان حالت‌های جادویی شناخته می‌شوند، آماده شود که آن عملیات را فعال می‌کند. مشکل هزینه است: برخی تخمین‌ها نشان می‌دهند که تا 95 درصد از کل ظرفیت یک کامپیوتر کوانتومی می‌تواند به ساخت آنها اختصاص داده شود و فضای کمی برای محاسبات واقعی باقی بماند. حالت‌های جادویی نیز قابل مصرف هستند – پس از استفاده، نمی‌توان مجدداً از آن‌ها استفاده کرد – که آنها را به ورودی کمیاب و گران قیمت برای هر ماشینی در مقیاس بزرگ تبدیل می‌کند.

در سال 2024، محققان هوش مصنوعی کوانتومی گوگل، کریگ گیدنی، نوآ شاتی و کودی جونز رویکرد کشت را در یک مقاله تئوری توسعه دادند. این ایده مانند یک فیلتر عمل می کند: یک حالت پر سر و صدا به ناحیه کوچکی از تراشه کوانتومی تزریق می شود، سپس یک سری اندازه گیری بسیار هماهنگ، خطاها را بررسی می کند و تلاش های ناقص را کنار می گذارد. آنچه در این فرآیند باقی می ماند یک حالت کوانتومی فوق العاده خالص و کم خطا است که می تواند به طور همزمان در یک رمزگذاری بزرگتر و مفید تطبیق داده شود. اگر روی سخت افزار کار می کرد، اندازه کامپیوتر کوانتومی مورد نیاز برای کارهای عملی را به میزان قابل توجهی کاهش می داد.

از تئوری تا سخت افزار

ساخت پروتکل روی Willow به یک سری نوآوری های مهندسی نیاز داشت. یک قسمت دشواری را نشان می دهد. هنگامی که دانشمند محقق، اما روزنفلد برای اولین بار پروتکل کشت را آزمایش کرد، به نظر می رسید که داده های او قوانین فیزیک را نقض می کند. پس از ماه‌ها شبیه‌سازی، بحث‌ها و بررسی‌های سازگاری، تیم این ناهنجاری را در یک فرض نادرست در تکنیک اندازه‌گیری خود دنبال کردند: رانش تجهیزات الکتریکی و تغییرات دما در آزمایشگاه با اعتبار معیار تداخل می‌کند.

رفع نیاز به تغییرات در هر دو طرف نظری و مهندسی. این تیم برای سرکوب نویز، کنترل بیشتری را به سیستم اضافه کردند و یک تکنیک معیار جدید اختراع کردند که از خود کشت به عنوان ابزار اندازه‌گیری استفاده می‌کند – راه‌حلی که شرکت می‌گوید یک پیشرفته‌ترین پیشرفته‌ترین را در مترولوژی کوانتومی ایجاد کرد. در Willow، پروتکل تصفیه شده تقریباً 40 برابر کاهش خطاها را نسبت به حالت های کشت نشده به دست آورد، با وضعیت های T به 99.99٪ وفاداری منطقی رسید.

سازگاری با نقشه راه تصحیح خطا گوگل

این تیم همچنین اولین گام‌ها را برای نشان دادن این تکنیک با معماری گسترده‌تر تحمل خطای گوگل برداشت. تصحیح خطای کوانتومی انواع مختلفی دارد: «کدهای رنگ»، یک نوع ایده‌آل جدیدتر برای کشت، و «کدهای سطحی»، روشی تثبیت‌شده‌تر که زیربنای نقشه راه بلندمدت گوگل است. محققان یک پروتکل پیوند را نشان دادند - که در اصل در مقاله تئوری 2024 توسعه یافته بود - که بین این دو سوئیچ می کند و حالت های خالص شده را از یک کد رنگ فاصله-3 به کد سطح فاصله-5 منتقل می کند. ایالت‌ها از این انتقال جان سالم به در بردند، شواهدی مبنی بر اینکه کشت می‌تواند با طرح‌های تصحیح خطا که گوگل قصد دارد مقیاس‌بندی کند، وجود داشته باشد.

آنچه حل نشده باقی می ماند

گوگل مراقب اخطارها است. کشت حالت جادویی در مقیاس کوچک نشان داده شده است. نشان دادن آن در مقیاس مورد نیاز برای محاسبات کوانتومی عملی کار آینده باقی می ماند و چالش های فنی قابل توجهی بین نتیجه فعلی و یک ماشین مفید تجاری وجود دارد. این شرکت نتیجه را به عنوان تبدیل "یک ایده نظری کلیدی به یک واقعیت آزمایشی نشان داده شده" در مسیر رسیدن به هدف اعلام شده خود یعنی یک کامپیوتر کوانتومی مفید و تصحیح شده با خطا تعریف می کند.

اهمیت عملی در مورد بودجه منابع است. اگر حالت‌های جادویی با کیفیت بالا را بتوان به‌جای تولید از طریق سربار غالب، ارزان‌تر کشت، نیازهای سخت‌افزاری برای اجرای الگوریتم‌هایی مانند روتین فاکتورگیری Shor یا شبیه‌سازی‌های شیمی کوانتومی پیچیده به همین ترتیب کاهش می‌یابد. کاهش خطای 40 برابری در ترکیبات مرحله جادویی در هر عملیاتی که یک ماشین انجام می دهد.

تصویر بزرگتر

نتیجه در میان تشدید رقابت در سخت‌افزار کوانتومی به دست می‌آید، با IBM، Quantinuum، و گروه‌های دانشگاهی که همگی به دنبال ماشین‌های تصحیح‌شده خطا هستند، و با ایجاد هوش مصنوعی صنعت فناوری بیشتر سرفصل‌ها و سرمایه‌ها را به خود جلب کرده است. پیشرفت کوانتومی کندتر و کمتر قابل پیش بینی است، اما نقاط عطفی مانند این - یک تنگنای نظری دو دهه ای که بر روی سخت افزار تولید پاک شد و با اعداد وفاداری قابل تکرار در یک مجله معتبر منتشر شد - نوعی مرحله مرکب است که بی سر و صدا جدول های زمانی را بازنشانی می کند.

برای ناظران هوش مصنوعی، یک ارتباط مماسی نیز وجود دارد: بسیاری از ابزارهای الگوریتمی و سیستم‌های کنترل در آزمایشگاه‌های کوانتومی مدرن به طور فزاینده‌ای به یادگیری ماشین برای کالیبراسیون و رمزگشایی خطا متکی هستند، نمونه‌ای کوچک اما رو به رشد از هوش مصنوعی که زمینه‌های علمی مجاور را شتاب می‌دهد.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →