Google Quantum AI imeonyesha katika maunzi suluhu kwa mojawapo ya matatizo magumu zaidi ya rasilimali ya kompyuta. Katika karatasi iliyochapishwa Oktoba 15 katika jarida la Sayansi, timu inayoendesha mchakato wa Google Willow inaripoti kwamba "kilimo cha hali ya uchawi" - mbinu iliyopendekezwa kwa nadharia miaka miwili iliyopita - inafanya kazi kwa vitendo, kupunguza makosa takriban mara 40 ikilinganishwa na majimbo ambayo hayajakuzwa na kutoa majimbo ya T yenye uaminifu wa kimantiki wa rekodi ya 99.99%.
Matokeo, yaliyotangazwa kwenye blogu rasmi ya Google na mwanasayansi mtafiti Emma Rosenfeld na mhandisi wa programu ya quantum Craig Gidney, yanaashiria onyesho la kwanza la majaribio kwamba hali za uchawi zinaweza kuzalishwa kwa ufanisi kwenye maunzi halisi ya quantum. Inashughulikia shida ambayo wahandisi wamekuwa wakiiondoa tangu watafiti walipoigundua zaidi ya miongo miwili iliyopita. Kwa zaidi kuhusu mafanikio katika mipaka ya kompyuta, angalia utafiti wetu wa AI.
Kwa nini Majimbo ya Uchawi Ni Muhimu
Kompyuta ya jumla ya quantum - aina ambayo inaweza kuendesha programu muhimu - inahitaji seti maalum ya utendakazi wa quantum ambayo huenda zaidi ya kile qubits zilizosahihishwa zinaweza kufanya asili. Njia ya kawaida ya kufanya kazi ni kuandaa hali maalum za rasilimali, zinazojulikana kama majimbo ya uchawi, ambayo huwezesha shughuli hizo. Tatizo ni gharama: baadhi ya makadirio yanapendekeza hadi 95% ya uwezo mzima wa kompyuta ya quantum inaweza kuhitaji kujitolea kuzitengeneza, na kuacha nafasi kidogo ya kukokotoa halisi. Majimbo ya uchawi pia yanaweza kutumika - mara yanapotumiwa, hayawezi kutumika tena - ambayo huwafanya kuwa pembejeo adimu na ya gharama kubwa kwa mashine yoyote kubwa.
Mnamo 2024, watafiti wa Google Quantum AI Craig Gidney, Noah Shutty, na Cody Jones walitengeneza mbinu ya upanzi katika karatasi ya nadharia. Wazo hufanya kazi kama kichujio: hali ya kelele hudungwa katika eneo ndogo la chip ya quantum, kisha mfululizo wa vipimo vilivyoratibiwa sana hukagua hitilafu na kutupa majaribio yenye dosari. Kinachosalia katika mchakato huo ni hali safi ya kipekee, yenye makosa ya chini ambayo inaweza kubadilishwa kwa wakati mmoja kuwa usimbaji mkubwa na muhimu. Ikiwa ilifanya kazi kwenye maunzi, ingepunguza kwa kiasi kikubwa saizi ya kompyuta ya quantum inayohitajika kwa kazi za vitendo.
Kutoka Nadharia hadi Vifaa
Kufanya itifaki ifanye kazi kwenye Willow kulichukua mfululizo wa uvumbuzi wa uhandisi. Kipindi kimoja kinaonyesha ugumu. Mwanasayansi wa utafiti Emma Rosenfeld alipojaribu kwa mara ya kwanza itifaki ya kilimo, data yake ilionekana kukaidi sheria za fizikia. Baada ya miezi kadhaa ya uigaji, majadiliano na ukaguzi wa uthabiti, timu ilifuatilia hitilafu kwa dhana isiyo sahihi katika mbinu yao ya kupima: kuelea kwa vifaa vya umeme na mabadiliko ya halijoto kwenye maabara yalikuwa yanatatiza uhalali wa kipimo.
Marekebisho yalihitaji mabadiliko katika pande zote za kinadharia na uhandisi. Timu iliongeza udhibiti wa ziada kwenye mfumo ili kukandamiza kelele, na kuvumbua mbinu mpya ya ulinganishaji ambayo hutumia kilimo chenyewe kama zana ya kupima - suluhu ambayo kampuni inasema ilianzisha mbinu mpya ya hali ya juu katika quantum metrology. Kwenye Willow, itifaki iliyoboreshwa ilipata upungufu wa takriban mara 40 wa makosa kuhusiana na majimbo ambayo hayajakuzwa, huku T-states ikifikia uaminifu wa kimantiki wa 99.99%.
Utangamano na Ramani ya Njia ya Google ya Kurekebisha Hitilafu
Timu pia ilichukua hatua za kwanza kuelekea kuonyesha mbinu hiyo inafaa ndani ya usanifu mpana wa Google wa kustahimili makosa. Marekebisho ya hitilafu ya Quantum huja katika ladha: "misimbo ya rangi," aina mpya zaidi bora kwa kilimo, na "misimbo ya uso," njia iliyothibitishwa zaidi inayozingatia ramani ya muda mrefu ya Google. Watafiti walionyesha itifaki ya upandikizaji - iliyotengenezwa awali katika karatasi ya nadharia ya 2024 - ambayo hubadilika kati ya hizo mbili, kuhamisha majimbo yaliyotakaswa kutoka kwa nambari ya rangi ya umbali-3 hadi nambari ya uso ya umbali-5. Majimbo yalinusurika kuhamishwa, ushahidi kwamba upanzi unaweza kuwepo pamoja na mipango ya kurekebisha makosa ambayo Google inapanga kuongeza.
Kilichobaki Bila Kutatuliwa
Google iko makini kuhusu tahadhari. Ukulima wa hali ya uchawi umeonyeshwa kwa kiwango kidogo; kuionyesha katika kiwango kinachohitajika kwa utendaji wa kompyuta ya kiasi inasalia kuwa kazi ya siku zijazo, na changamoto kubwa za kiufundi zinasimama kati ya matokeo ya sasa na mashine muhimu kibiashara. Kampuni inaweka matokeo kama kugeuza "wazo kuu la kinadharia kuwa ukweli ulioonyeshwa kwa majaribio" kwenye njia ya kufikia lengo lake lililobainishwa la kompyuta muhimu iliyosahihishwa na makosa.
Umuhimu wa kiutendaji ni kuhusu bajeti ya rasilimali. Iwapo majimbo ya uchawi ya ubora wa juu yanaweza kukuzwa kwa bei nafuu badala ya kutengenezwa kwa njia ya juu zaidi, mahitaji ya maunzi ya kuendesha algoriti kama vile utaratibu wa uwekaji alama wa Shor au uigaji changamano wa kemia ya quantum hupungua ipasavyo. Kupunguza makosa mara 40 katika hatua ya hali ya uchawi katika kila operesheni kama hiyo ambayo mashine hufanya.
Picha Kubwa
Matokeo yake yanakuja huku kukiwa na ushindani unaozidi kuongezeka katika maunzi ya kiasi, huku IBM, Quantinuum, na vikundi vya wasomi vikiendelea kutafuta mashine zilizosahihishwa na makosa, na muundo mpana wa AI wa tasnia ya teknolojia ukichora vichwa vya habari na mtaji mwingi. Maendeleo ya Quantum ni ya polepole na hayatabiriki sana, lakini hatua muhimu kama hii - kizuizi cha kinadharia cha miongo miwili iliyopita kwenye maunzi ya uzalishaji, iliyochapishwa kwa nambari za uaminifu zinazoweza kurudiwa katika jarida lililopitiwa na marafiki - ni aina ya hatua kiwanja ambayo huweka upya kalenda za matukio kimya kimya.
Kwa watazamaji wa AI, pia kuna umuhimu wa kutatanisha: zana nyingi za algorithmic na udhibiti wa mifumo katika maabara ya kisasa ya quantum inazidi kutegemea ujifunzaji wa mashine kwa urekebishaji na utatuzi wa makosa, mfano mdogo lakini unaokua wa AI kuharakisha nyanja za kisayansi zilizo karibu.
---
Kaa Mbele ya AIPata habari za hivi punde za AI, uchanganuzi na mafanikio - yote katika sehemu moja.
Soma habari zaidi za AI →
