Google Quantum AI zademonstrowało sprzętowo rozwiązanie jednego z najbardziej uporczywych problemów z zasobami w obliczeniach kwantowych. W artykule opublikowanym 15 października w czasopiśmie Science zespół odpowiedzialny za procesor Google Willow donosi, że „kultywacja stanu magicznego” – technika zaproponowana po raz pierwszy w teorii dwa lata temu – sprawdza się w praktyce, redukując błędy około 40-krotnie w porównaniu ze stanami nieuprawnymi i tworząc stany T z rekordową wiernością logiczną wynoszącą 99,99%.
Wynik, ogłoszony na oficjalnym blogu Google przez badaczkę Emmę Rosenfeld i inżyniera oprogramowania kwantowego Craiga Gidneya, stanowi pierwszą eksperymentalną demonstrację możliwości wydajnego wytwarzania stanów magicznych na prawdziwym sprzęcie kwantowym. Eliminuje wąskie gardło, nad którym inżynierowie pracują od chwili, gdy badacze po raz pierwszy zidentyfikowali go ponad dwie dekady temu. Więcej informacji na temat przełomowych przełomów w informatyce można znaleźć w referecie badań nad sztuczną inteligencją.
Dlaczego magiczne stany mają znaczenie
Uniwersalne obliczenia kwantowe — takie, w których można uruchamiać naprawdę przydatne programy — wymagają określonego zestawu operacji kwantowych, które wykraczają poza to, co natywnie mogą wykonywać kubity z korekcją błędów. Standardowym obejściem jest przygotowanie specjalnych stanów zasobów, zwanych stanami magicznymi, które umożliwiają te operacje. Problemem są koszty: niektóre szacunki sugerują, że na ich produkcję trzeba będzie przeznaczyć nawet 95% całkowitej mocy komputera kwantowego, pozostawiając niewiele miejsca na faktyczne obliczenia. Stany magiczne również nadają się do spożycia — raz użyte nie mogą być użyte ponownie — co sprawia, że są one rzadkim i kosztownym materiałem wejściowym dla każdej wielkoskalowej maszyny.
W 2024 r. badacze Google Quantum AI, Craig Gidney, Noah Shutty i Cody Jones, opracowali podejście do uprawy w artykule teoretycznym. Pomysł działa jak filtr: do małego obszaru chipa kwantowego wprowadzany jest zaszumiony stan, a następnie seria wysoce skoordynowanych pomiarów sprawdza błędy i odrzuca błędne próby. Tym, co przetrwa ten proces, jest wyjątkowo czysty stan kwantowy o niskim poziomie błędów, który można jednocześnie zaadaptować do większego, użytecznego kodowania. Gdyby działało na sprzęcie, znacznie zmniejszyłoby rozmiar komputera kwantowego potrzebnego do zadań praktycznych.
Od teorii do sprzętu
Aby protokół działał na Willow, konieczne było wprowadzenie szeregu innowacji inżynieryjnych. Jeden odcinek ilustruje trudność. Kiedy badaczka Emma Rosenfeld po raz pierwszy przetestowała protokół uprawy, jej dane zdawały się przeczyć prawom fizyki. Po miesiącach symulacji, dyskusji i kontroli spójności zespół wyśledził, że anomalia wynika z błędnego założenia przyjętej techniki pomiarowej: dryft sprzętu elektrycznego i zmiany temperatury w laboratorium zakłócały wiarygodność testu porównawczego.
Poprawka wymagała zmian zarówno po stronie teoretycznej, jak i inżynieryjnej. Zespół dodał dodatkową kontrolę do systemu, aby wytłumić hałas, i wynalazł nową technikę benchmarkingu, która wykorzystuje samą uprawę jako narzędzie pomiarowe. Rozwiązanie, które według firmy ustanowiło nowy, najnowocześniejszy poziom metrologii kwantowej. W przypadku Willow udoskonalony protokół osiągnął około 40-krotną redukcję błędów w porównaniu ze stanami niekultywowanymi, przy czym stany T osiągnęły 99,99% wierności logicznej.
Zgodność z planem korekcji błędów firmy Google
Zespół poczynił także pierwsze kroki w celu wykazania, że technika ta wpasowuje się w szerszą architekturę odporności na błędy firmy Google. Kwantowa korekcja błędów występuje w odmianach: „kody kolorów” – nowszy typ, idealny do uprawy, oraz „kody powierzchniowe” – bardziej ustalona metoda leżąca u podstaw długoterminowego planu działania Google. Naukowcy zademonstrowali protokół szczepienia — pierwotnie opracowany w artykule teoretycznym z 2024 r. — który przełącza między nimi, przenosząc oczyszczone stany z kodu koloru o odległości 3 do kodu powierzchni o odległości 5. Stany przetrwały transfer, co stanowi dowód na to, że uprawa może współistnieć z systemami korekcji błędów, które Google planuje skalować.
Co pozostaje nierozwiązane
Google ostrożnie podchodzi do zastrzeżeń. Uprawę stanu magicznego wykazano na małą skalę; pokazanie go w skali wymaganej do praktycznych obliczeń kwantowych pozostaje zadaniem przyszłości, a pomiędzy obecnym wynikiem a komercyjnie użyteczną maszyną stoją poważne wyzwania techniczne. Firma określa wynik jako przekształcenie „kluczowej idei teoretycznej w rzeczywistość wykazaną eksperymentalnie” na drodze do założonego celu, jakim jest użyteczny komputer kwantowy z korekcją błędów.
Praktyczne znaczenie dotyczy budżetów zasobów. Jeśli wysokiej jakości stany magiczne można tanio rozwijać, a nie wytwarzać przy użyciu dominującego narzutu, wymagania sprzętowe dotyczące uruchamiania algorytmów, takich jak procedura faktoringu Shora lub złożone symulacje chemii kwantowej, odpowiednio się zmniejszają. 40-krotna redukcja błędów na etapie stanu magicznego przy każdej takiej operacji wykonywanej przez maszynę.
Większy obraz
Wynik ten nastąpił w obliczu nasilającej się konkurencji na sprzęcie kwantowym, w której IBM, Quantinuum i grupy akademickie poszukują maszyn z korekcją błędów, a rozwój sztucznej inteligencji w szerszej branży technologicznej przyciąga większość nagłówków gazet i kapitału. Postęp kwantowy jest wolniejszy i mniej przewidywalny, ale kamienie milowe takie jak ten – istniejące od dwudziestu lat teoretyczne wąskie gardło usunięte na sprzęcie produkcyjnym i opublikowane z powtarzalnymi liczbami w recenzowanym czasopiśmie – są rodzajem złożonego kroku, który po cichu resetuje harmonogram.
Dla obserwatorów sztucznej inteligencji ma to również znaczenie styczne: większość narzędzi algorytmicznych i systemów sterowania we współczesnych laboratoriach kwantowych w coraz większym stopniu opiera się na uczeniu maszynowym do kalibracji i dekodowania błędów, co stanowi niewielki, ale rosnący przykład sztucznej inteligencji przyspieszającej sąsiednie dziedziny nauki.
---
Wyprzedź sztuczną inteligencjęOtrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.
Przeczytaj więcej aktualności o sztucznej inteligencji →
