Google Quantum AI ने हार्डवेअरमध्ये क्वांटम कंप्युटिंगच्या सर्वात जिद्दी संसाधन समस्यांपैकी एक समाधान दाखवून दिले आहे. सायन्स जर्नलमध्ये 15 ऑक्टोबर रोजी प्रकाशित झालेल्या एका पेपरमध्ये, Google च्या Willow प्रोसेसरच्या पाठीमागील टीमने अहवाल दिला आहे की "जादूची स्थिती लागवड" — दोन वर्षांपूर्वी सिद्धांतामध्ये प्रथम प्रस्तावित केलेले तंत्र — व्यवहारात कार्य करते, अशेती राज्यांच्या तुलनेत अंदाजे 40 पट त्रुटी कमी करते आणि 9.9% च्या विक्रमी तार्किक निष्ठा असलेल्या T-राज्यांचे उत्पादन करते.

संशोधन शास्त्रज्ञ एम्मा रोसेनफेल्ड आणि क्वांटम सॉफ्टवेअर अभियंता क्रेग गिडनी यांनी Google च्या अधिकृत ब्लॉगवर घोषित केलेला निकाल, वास्तविक क्वांटम हार्डवेअरवर जादूची स्थिती कार्यक्षमतेने तयार केली जाऊ शकते हे पहिले प्रायोगिक प्रात्यक्षिक चिन्हांकित करते. दोन दशकांपूर्वी संशोधकांनी प्रथम ओळखल्यापासून अभियंते दूर करत असलेल्या अडथळ्याला संबोधित करते. कंप्युटिंगच्या सीमेवरील प्रगतीबद्दल अधिक माहितीसाठी, आमचे AI संशोधन कव्हरेज पहा.

जादूची अवस्था का महत्त्वाची

युनिव्हर्सल क्वांटम कंप्युटिंग — वास्तविकपणे उपयुक्त प्रोग्राम्स चालवू शकणाऱ्या प्रकारासाठी — क्वांटम ऑपरेशन्सचा एक विशिष्ट संच आवश्यक आहे जो एरर-दुरुस्त क्यूबिट्स नेटिव्हरित्या कार्य करू शकतात. स्टँडर्ड वर्कअराउंड म्हणजे मॅजिक स्टेट्स म्हणून ओळखल्या जाणाऱ्या स्पेशल रिसोर्स स्टेटस तयार करणे, जे त्या ऑपरेशन्स सक्षम करतात. समस्या खर्चाची आहे: काही अंदाज सूचित करतात की क्वांटम संगणकाच्या संपूर्ण क्षमतेच्या 95% पर्यंत त्यांची निर्मिती करण्यासाठी समर्पित करणे आवश्यक असू शकते, वास्तविक गणनेसाठी फारच कमी जागा शिल्लक आहे. मॅजिक स्टेटस देखील उपभोग्य आहेत — एकदा वापरल्या गेल्या की, त्यांचा पुन्हा वापर करता येत नाही — ज्यामुळे त्यांना कोणत्याही मोठ्या-प्रमाणातील मशीनसाठी दुर्मिळ आणि महाग इनपुट बनते.

2024 मध्ये, Google Quantum AI संशोधक क्रेग गिडनी, नोहा शट्टी आणि कोडी जोन्स यांनी एका सिद्धांत पेपरमध्ये लागवडीचा दृष्टिकोन विकसित केला. कल्पना एका फिल्टरप्रमाणे कार्य करते: क्वांटम चिपच्या एका लहान प्रदेशात गोंगाट करणारी स्थिती इंजेक्ट केली जाते, त्यानंतर उच्च समन्वित मोजमापांची मालिका त्रुटी तपासते आणि सदोष प्रयत्न काढून टाकते. या प्रक्रियेत जी गोष्ट टिकून राहते ती एक अपवादात्मक शुद्ध, कमी-एरर क्वांटम स्थिती आहे जी एकाच वेळी मोठ्या, उपयुक्त एन्कोडिंगमध्ये रुपांतरित केली जाऊ शकते. जर ते हार्डवेअरवर काम करत असेल, तर ते व्यावहारिक कार्यांसाठी आवश्यक असलेल्या क्वांटम संगणकाच्या आकारात लक्षणीय घट करेल.

सिद्धांत पासून हार्डवेअर पर्यंत

विलोवर प्रोटोकॉल कार्य करण्यासाठी अभियांत्रिकी नवकल्पनांची मालिका घेतली. एक भाग अडचण स्पष्ट करतो. जेव्हा संशोधन शास्त्रज्ञ एम्मा रोसेनफेल्ड यांनी लागवड प्रोटोकॉलची प्रथम चाचणी केली तेव्हा तिचा डेटा भौतिकशास्त्राच्या नियमांचे उल्लंघन करत असल्याचे दिसून आले. अनेक महिन्यांच्या सिम्युलेशन, चर्चा आणि सुसंगतता तपासल्यानंतर, टीमने त्यांच्या मापन तंत्रात चुकीच्या गृहीतकाची विसंगती शोधून काढली: लॅबमधील इलेक्ट्रिकल उपकरणे वाहून जाणे आणि तापमानातील फरक बेंचमार्कच्या वैधतेमध्ये व्यत्यय आणत होते.

निराकरणासाठी सैद्धांतिक आणि अभियांत्रिकी दोन्ही बाजूंनी बदल आवश्यक आहेत. संघाने आवाज दाबण्यासाठी प्रणालीवर अतिरिक्त नियंत्रण जोडले आणि एक नवीन बेंचमार्किंग तंत्र शोधून काढले जे मापन साधन म्हणून लागवडीचा वापर करते - कंपनीच्या म्हणण्यानुसार क्वांटम मेट्रोलॉजीमध्ये एक नवीन अत्याधुनिक स्थापना केली. विलोवर, परिष्कृत प्रोटोकॉलने अ-शेती केलेल्या राज्यांच्या तुलनेत त्रुटींमध्ये अंदाजे 40-पट घट साध्य केली, टी-स्टेट्सने 99.99% तार्किक निष्ठा गाठली.

Google च्या एरर-करेक्शन रोडमॅपसह सुसंगतता

Google च्या व्यापक दोष-सहिष्णुता आर्किटेक्चरमध्ये हे तंत्र बसते हे दाखवण्यासाठी संघाने पहिली पावले उचलली. क्वांटम एरर दुरूस्ती फ्लेवर्समध्ये येते: "रंग कोड," लागवडीसाठी एक नवीन प्रकार आदर्श आणि "पृष्ठभाग कोड," Google च्या दीर्घकालीन रोडमॅपला आधार देणारी अधिक स्थापित पद्धत. संशोधकांनी ग्राफ्टिंग प्रोटोकॉलचे प्रात्यक्षिक केले - मूलतः 2024 सिद्धांत पेपरमध्ये विकसित केले गेले - जे दोन दरम्यान स्विच करते, शुद्ध अवस्था दूर -3 रंग कोडपासून अंतर -5 पृष्ठभाग कोडमध्ये स्थानांतरित करते. राज्ये हस्तांतरणातून वाचली, याचा पुरावा की लागवड त्रुटी-सुधारणा योजनांसह असू शकते ज्याचे प्रमाण Google ने योजना आखले आहे.

काय उरले नाही

Google सावधगिरी बाळगते. जादूची राज्य लागवड लहान प्रमाणात दर्शविली गेली आहे; प्रॅक्टिकल क्वांटम कंप्युटिंगसाठी आवश्यक प्रमाणात ते दाखवणे हे भविष्यातील काम राहते आणि सध्याचे निकाल आणि व्यावसायिकदृष्ट्या उपयुक्त मशीन यांच्यामध्ये महत्त्वपूर्ण तांत्रिक आव्हाने उभी आहेत. कंपनी एक उपयुक्त, त्रुटी-दुरुस्त क्वांटम संगणकाच्या त्याच्या नमूद केलेल्या उद्दिष्टाच्या मार्गावर "एक मुख्य सैद्धांतिक कल्पना प्रायोगिकरित्या प्रदर्शित केलेल्या वास्तवात" बदलण्यासाठी परिणाम फ्रेम करते.

व्यावहारिक महत्त्व संसाधन बजेटबद्दल आहे. प्रबळ ओव्हरहेडद्वारे उत्पादित करण्याऐवजी उच्च-गुणवत्तेची जादूची अवस्था स्वस्तात विकसित केली जाऊ शकते, तर शोरच्या फॅक्टरिंग रूटीन किंवा जटिल क्वांटम केमिस्ट्री सिम्युलेशन सारख्या अल्गोरिदम चालविण्यासाठी हार्डवेअर आवश्यकता त्यानुसार कमी होतात. मॅजिक-स्टेट स्टेजवर 40-पट त्रुटी कमी करणे मशीन अशा प्रत्येक ऑपरेशनमध्ये संयुगे करते.

मोठे चित्र

क्वांटम हार्डवेअरमधील तीव्र स्पर्धा, IBM, Quantinuum आणि शैक्षणिक गटांसह सर्व त्रुटी-सुधारित मशीन्सचा पाठपुरावा करत असताना आणि व्यापक टेक उद्योगाच्या AI बिल्डआउटसह बहुतेक मथळे आणि भांडवल रेखांकित करत असताना हा परिणाम दिसून आला. क्वांटम प्रगती धीमी आणि कमी अंदाज लावता येण्यासारखी आहे, परंतु यासारखे टप्पे - उत्पादन हार्डवेअरवर दोन दशके जुने सैद्धांतिक अडथळे दूर केले गेले, पीअर-रिव्ह्यू केलेल्या जर्नलमध्ये पुनरुत्पादक निष्ठा क्रमांकांसह प्रकाशित - हे अशा प्रकारचे कंपाऊंड चरण आहेत जे शांतपणे टाइमलाइन रीसेट करतात.

AI वॉचर्ससाठी, एक स्पर्शिक प्रासंगिकता देखील आहे: आधुनिक क्वांटम लॅबमधील बहुतेक अल्गोरिदमिक आणि कंट्रोल-सिस्टम टूलींग कॅलिब्रेशन आणि एरर डीकोडिंगसाठी मशीन लर्निंगवर अवलंबून असते, AI ची गती वाढवणारे जवळच्या वैज्ञानिक क्षेत्रांचे एक लहान परंतु वाढणारे उदाहरण.

---

एआयच्या पुढे राहा

नवीनतम AI बातम्या, विश्लेषण आणि यश मिळवा — सर्व एकाच ठिकाणी.

अधिक AI बातम्या वाचा →