கூகுள் குவாண்டம் AI ஆனது குவாண்டம் கம்ப்யூட்டிங்கின் மிகவும் பிடிவாதமான ஆதாரப் பிரச்சனைகளில் ஒன்றிற்கான தீர்வை வன்பொருளில் நிரூபித்துள்ளது. அறிவியல் இதழில் அக்டோபர் 15 அன்று வெளியிடப்பட்ட ஒரு ஆய்வறிக்கையில், கூகிளின் வில்லோ செயலியின் பின்னால் உள்ள குழு, "மேஜிக் ஸ்டேட் சாகுபடி" - இரண்டு ஆண்டுகளுக்கு முன்பு கோட்பாட்டில் முதன்முதலில் முன்மொழியப்பட்ட ஒரு நுட்பம் - நடைமுறையில் வேலை செய்கிறது, பயிரிடப்படாத மாநிலங்களுடன் ஒப்பிடும்போது சுமார் 40 மடங்கு பிழைகளைக் குறைத்து, 99% தர்க்க நம்பகத்தன்மையுடன் T-ஸ்டேட்களை உருவாக்குகிறது.

ஆராய்ச்சி விஞ்ஞானி எம்மா ரோசன்ஃபீல்ட் மற்றும் குவாண்டம் மென்பொருள் பொறியாளர் கிரேக் கிட்னி ஆகியோரால் கூகுளின் அதிகாரப்பூர்வ வலைப்பதிவில் அறிவிக்கப்பட்ட முடிவு, உண்மையான குவாண்டம் வன்பொருளில் மேஜிக் நிலைகளை திறமையாக உருவாக்க முடியும் என்பதற்கான முதல் சோதனை நிரூபணத்தை குறிக்கிறது. இரண்டு தசாப்தங்களுக்கு முன்னர் ஆராய்ச்சியாளர்கள் முதன்முதலில் அதை அடையாளம் கண்டதில் இருந்து பொறியியலாளர்கள் சிப்பிங் செய்து வரும் ஒரு தடையை இது நிவர்த்தி செய்கிறது. கம்ப்யூட்டிங்கின் எல்லையில் முன்னேற்றங்கள் பற்றி மேலும் அறிய, எங்களின் AI ஆராய்ச்சி கவரேஜ் ஐப் பார்க்கவும்.

ஏன் மேஜிக் ஸ்டேட்ஸ் மேட்டர்

யுனிவர்சல் குவாண்டம் கம்ப்யூட்டிங்கிற்கு - உண்மையிலேயே பயனுள்ள நிரல்களை இயக்கக்கூடிய வகை - பிழை-திருத்தப்பட்ட குவிட்கள் பூர்வீகமாகச் செய்யக்கூடியதைத் தாண்டிய ஒரு குறிப்பிட்ட குவாண்டம் செயல்பாடுகள் தேவை. மாய நிலைகள் எனப்படும் சிறப்பு வள நிலைகளைத் தயாரிப்பது, அந்தச் செயல்பாடுகளைச் செயல்படுத்துவதே நிலையான தீர்வாகும். பிரச்சனை செலவு: சில மதிப்பீடுகள் ஒரு குவாண்டம் கணினியின் முழு திறனில் 95% வரை அவற்றை உற்பத்தி செய்ய அர்ப்பணிக்க வேண்டும் என்று பரிந்துரைக்கின்றன, இது உண்மையான கணக்கீட்டிற்கு சிறிய இடத்தை விட்டுச்செல்கிறது. மேஜிக் நிலைகளும் நுகரக்கூடியவை - ஒருமுறை பயன்படுத்தினால், அவற்றை மீண்டும் பயன்படுத்த முடியாது - இது எந்த பெரிய அளவிலான இயந்திரத்திற்கும் ஒரு பற்றாக்குறை மற்றும் விலையுயர்ந்த உள்ளீடு ஆகும்.

2024 ஆம் ஆண்டில், கூகிள் குவாண்டம் AI ஆராய்ச்சியாளர்கள் கிரேக் கிட்னி, நோவா ஷட்டி மற்றும் கோடி ஜோன்ஸ் ஆகியோர் சாகுபடி அணுகுமுறையை ஒரு கோட்பாடு தாளில் உருவாக்கினர். யோசனை ஒரு வடிகட்டி போல் செயல்படுகிறது: குவாண்டம் சிப்பின் ஒரு சிறிய பகுதியில் ஒரு சத்தமில்லாத நிலை செலுத்தப்படுகிறது, பின்னர் மிகவும் ஒருங்கிணைந்த அளவீடுகளின் தொடர் பிழைகளை சரிபார்த்து குறைபாடுள்ள முயற்சிகளை நிராகரிக்கிறது. செயல்பாட்டில் எஞ்சியிருப்பது விதிவிலக்காக தூய்மையான, குறைந்த-பிழை குவாண்டம் நிலை ஆகும், இது ஒரே நேரத்தில் பெரிய, பயனுள்ள குறியாக்கத்திற்கு மாற்றியமைக்கப்படலாம். இது வன்பொருளில் வேலை செய்தால், நடைமுறைப் பணிகளுக்குத் தேவையான குவாண்டம் கணினியின் அளவைக் கணிசமாகக் குறைக்கும்.

கோட்பாட்டிலிருந்து வன்பொருள் வரை

வில்லோவில் நெறிமுறையை உருவாக்குவது தொடர்ச்சியான பொறியியல் கண்டுபிடிப்புகளை எடுத்தது. ஒரு அத்தியாயம் சிரமத்தை விளக்குகிறது. ஆராய்ச்சி விஞ்ஞானி எம்மா ரோசன்ஃபெல்ட் சாகுபடி நெறிமுறையை முதன்முதலில் சோதித்தபோது, ​​அவரது தரவு இயற்பியல் விதிகளை மீறுவதாகத் தோன்றியது. பல மாத உருவகப்படுத்துதல்கள், விவாதங்கள் மற்றும் சீரான சோதனைகளுக்குப் பிறகு, குழுவானது அவர்களின் கோ-டு அளவீட்டு நுட்பத்தில் தவறான அனுமானத்தை கண்டறிந்தது: மின் சாதனங்களின் சறுக்கல் மற்றும் ஆய்வகத்தில் வெப்பநிலை மாறுபாடு ஆகியவை அளவுகோலின் செல்லுபடியாகும் தன்மையில் குறுக்கிடுகின்றன.

பிழைத்திருத்தத்திற்கு கோட்பாட்டு மற்றும் பொறியியல் இரு பக்கங்களிலும் மாற்றங்கள் தேவை. குழுவானது இரைச்சலை அடக்க கணினியில் கூடுதல் கட்டுப்பாட்டைச் சேர்த்தது, மேலும் சாகுபடியையே அளவீட்டு கருவியாகப் பயன்படுத்தும் புதிய தரப்படுத்தல் நுட்பத்தைக் கண்டுபிடித்தது - இது குவாண்டம் அளவியலில் ஒரு புதிய அதிநவீனத்தை நிறுவியதாக நிறுவனம் கூறுகிறது. வில்லோவில், சுத்திகரிக்கப்பட்ட நெறிமுறையானது பயிரிடப்படாத நிலைகளுடன் ஒப்பிடும்போது பிழைகளில் தோராயமாக 40 மடங்கு குறைப்பை அடைந்தது, T-நிலைகள் 99.99% தர்க்க நம்பகத்தன்மையை எட்டியது.

Google இன் பிழை-திருத்த சாலை வரைபடத்துடன் இணக்கம்

கூகிளின் பரந்த தவறு-சகிப்புத்தன்மை கட்டமைப்பிற்குள் நுட்பம் பொருந்துகிறது என்பதைக் காட்ட குழு முதல் படிகளை எடுத்தது. குவாண்டம் பிழை திருத்தம் சுவைகளில் வருகிறது: "வண்ணக் குறியீடுகள்," சாகுபடிக்கு ஏற்ற புதிய வகை, மற்றும் "மேற்பரப்பு குறியீடுகள்", கூகிளின் நீண்ட கால வரைபடத்தின் அடிப்படையிலான மிகவும் நிறுவப்பட்ட முறை. ஆராய்ச்சியாளர்கள் ஒரு ஒட்டுதல் நெறிமுறையை நிரூபித்துள்ளனர் - முதலில் 2024 தியரி பேப்பரில் உருவாக்கப்பட்டது - இது இரண்டிற்கும் இடையில் மாறுகிறது, சுத்திகரிக்கப்பட்ட நிலைகளை தூர-3 வண்ணக் குறியீட்டிலிருந்து தூரம்-5 மேற்பரப்புக் குறியீட்டிற்கு மாற்றுகிறது. மாநிலங்கள் பரிமாற்றத்திலிருந்து தப்பிப்பிழைத்தன, கூகிள் அளவிட திட்டமிட்டுள்ள பிழை-திருத்தும் திட்டங்களுடன் சாகுபடி இணைந்து இருக்கலாம் என்பதற்கான சான்று.

தீர்க்கப்படாமல் இருப்பது

எச்சரிக்கைகள் குறித்து கூகுள் கவனமாக உள்ளது. மேஜிக் மாநில சாகுபடி சிறிய அளவில் நிரூபிக்கப்பட்டுள்ளது; நடைமுறை குவாண்டம் கம்ப்யூட்டிங்கிற்குத் தேவையான அளவில் அதைக் காண்பிப்பது எதிர்கால வேலையாகவே இருக்கும், மேலும் குறிப்பிடத்தக்க தொழில்நுட்ப சவால்கள் தற்போதைய முடிவுக்கும் வணிக ரீதியாக பயனுள்ள இயந்திரத்திற்கும் இடையில் நிற்கின்றன. பயனுள்ள, பிழை-திருத்தப்பட்ட குவாண்டம் கம்ப்யூட்டரின் குறிக்கோளுக்கான பாதையில் "ஒரு முக்கிய தத்துவார்த்த யோசனையை சோதனை ரீதியாக நிரூபிக்கப்பட்ட யதார்த்தமாக" மாற்றும் முடிவை நிறுவனம் உருவாக்குகிறது.

நடைமுறை முக்கியத்துவம் வள வரவு செலவுத் திட்டம் பற்றியது. உயர்தர மேஜிக் நிலைகளை மேலாதிக்க மேல்நிலை மூலம் உற்பத்தி செய்வதற்குப் பதிலாக மலிவாகப் பயிரிட முடியுமானால், ஷோரின் ஃபேக்டரிங் ரொடீன் அல்லது சிக்கலான குவாண்டம் கெமிஸ்ட்ரி சிமுலேஷன்கள் போன்ற அல்காரிதம்களை இயக்குவதற்கான வன்பொருள் தேவைகள் அதற்கேற்ப சுருங்கிவிடும். ஒரு இயந்திரம் செய்யும் ஒவ்வொரு செயலிலும் மேஜிக்-ஸ்டேட் ஸ்டேஜ் கலவைகளில் 40 மடங்கு பிழை குறைப்பு.

பெரிய படம்

IBM, Quantinuum மற்றும் கல்விக் குழுக்கள் அனைத்தும் பிழை-திருத்தப்பட்ட இயந்திரங்களைப் பின்தொடர்வதன் மூலம், குவாண்டம் வன்பொருளில் தீவிரமடையும் போட்டியின் மத்தியில் முடிவு வந்துள்ளது, மேலும் பரந்த தொழில்நுட்பத் துறையின் AI உருவாக்கம் பெரும்பாலான தலைப்புச் செய்திகளையும் மூலதனத்தையும் ஈர்க்கிறது. குவாண்டம் முன்னேற்றம் மெதுவாகவும், குறைவாகவும் கணிக்கக்கூடியது, ஆனால் இது போன்ற மைல்கற்கள் - உற்பத்தி வன்பொருளில் இரண்டு தசாப்தங்கள் பழமையான கோட்பாட்டு இடையூறு நீக்கப்பட்டது, மறுபரிசீலனை செய்யப்பட்ட ஜர்னலில் மீண்டும் உருவாக்கக்கூடிய நம்பகத்தன்மை எண்களுடன் வெளியிடப்பட்டது - இது காலக்கெடுவை அமைதியாக மீட்டமைக்கும் கூட்டு படியாகும்.

AI பார்வையாளர்களுக்கு, ஒரு தொடுநிலைப் பொருத்தமும் உள்ளது: நவீன குவாண்டம் ஆய்வகங்களில் உள்ள பெரும்பாலான வழிமுறைகள் மற்றும் கட்டுப்பாட்டு அமைப்புகள் கருவிகள் அளவுத்திருத்தம் மற்றும் பிழை டிகோடிங்கிற்கான இயந்திரக் கற்றலை அதிகளவில் நம்பியுள்ளன, இது AI ஆனது அருகிலுள்ள அறிவியல் துறைகளை விரைவுபடுத்துவதற்கான சிறிய ஆனால் வளர்ந்து வரும் எடுத்துக்காட்டு.

---

AIக்கு முன்னால் இருங்கள்

சமீபத்திய AI செய்திகள், பகுப்பாய்வு மற்றும் முன்னேற்றங்கள் - அனைத்தையும் ஒரே இடத்தில் பெறுங்கள்.

மேலும் AI செய்திகளைப் படிக்கவும் →