Google Quantum AI đã chứng minh bằng phần cứng một giải pháp cho một trong những vấn đề tài nguyên cứng đầu nhất của điện toán lượng tử. Trong một bài báo xuất bản ngày 15 tháng 10 trên tạp chí Khoa học, nhóm đằng sau bộ xử lý Willow của Google báo cáo rằng "tu luyện trạng thái ma thuật" - một kỹ thuật được đề xuất lần đầu tiên trên lý thuyết hai năm trước - hoạt động trong thực tế, giảm sai sót khoảng 40 lần so với các trạng thái không được canh tác và tạo ra các trạng thái T với độ chính xác logic kỷ lục là 99,99%.

Kết quả được công bố trên blog chính thức của Google bởi nhà khoa học nghiên cứu Emma Rosenfeld và kỹ sư phần mềm lượng tử Craig Gidney, đánh dấu sự chứng minh thử nghiệm đầu tiên rằng các trạng thái ma thuật có thể được tạo ra một cách hiệu quả trên phần cứng lượng tử thực sự. Nó giải quyết một nút thắt cổ chai mà các kỹ sư đã khắc phục kể từ khi các nhà nghiên cứu lần đầu tiên xác định được nó cách đây hơn hai thập kỷ. Để biết thêm về những đột phá ở lĩnh vực điện toán, hãy xem thông tin nghiên cứu AI của chúng tôi.

Tại sao các trạng thái ma thuật lại quan trọng

Điện toán lượng tử phổ quát – loại có thể chạy các chương trình thực sự hữu ích – yêu cầu một tập hợp các hoạt động lượng tử cụ thể vượt xa những gì các qubit sửa lỗi vốn có thể thực hiện. Cách giải quyết tiêu chuẩn là chuẩn bị các trạng thái tài nguyên đặc biệt, được gọi là trạng thái ma thuật, cho phép thực hiện các hoạt động đó. Vấn đề là chi phí: một số ước tính cho thấy có thể cần phải dành tới 95% toàn bộ công suất của máy tính lượng tử để sản xuất chúng, chỉ còn rất ít chỗ cho tính toán thực tế. Các trạng thái ma thuật cũng có thể tiêu hao được - một khi đã sử dụng, chúng không thể được tái sử dụng - điều này khiến chúng trở thành đầu vào khan hiếm và đắt tiền đối với bất kỳ cỗ máy quy mô lớn nào.

Vào năm 2024, các nhà nghiên cứu AI Lượng tử của Google Craig Gidney, Noah Shutty và Cody Jones đã phát triển phương pháp trồng trọt trong một bài viết lý thuyết. Ý tưởng này hoạt động giống như một bộ lọc: trạng thái nhiễu được đưa vào một vùng nhỏ của chip lượng tử, sau đó một loạt các phép đo phối hợp chặt chẽ sẽ kiểm tra lỗi và loại bỏ các lần thử sai sót. Những gì còn sót lại trong quá trình này là trạng thái lượng tử có độ sai số thấp, cực kỳ tinh khiết, có thể đồng thời được điều chỉnh thành một mã hóa hữu ích và lớn hơn. Nếu nó hoạt động trên phần cứng, nó sẽ thu nhỏ đáng kể kích thước của máy tính lượng tử cần thiết cho các tác vụ thực tế.

Từ lý thuyết đến phần cứng

Để giao thức hoạt động trên Willow cần có một loạt cải tiến kỹ thuật. Một tập phim minh họa sự khó khăn. Khi nhà khoa học nghiên cứu Emma Rosenfeld lần đầu tiên thử nghiệm quy trình canh tác, dữ liệu của cô dường như bất chấp các định luật vật lý. Sau nhiều tháng mô phỏng, thảo luận và kiểm tra tính nhất quán, nhóm đã tìm ra điểm bất thường là do một giả định không chính xác trong kỹ thuật đo lường ban đầu của họ: độ lệch của thiết bị điện và sự thay đổi nhiệt độ trong phòng thí nghiệm đang cản trở tính hợp lệ của điểm chuẩn.

Việc khắc phục yêu cầu thay đổi cả về mặt lý thuyết và kỹ thuật. Nhóm đã bổ sung khả năng kiểm soát bổ sung vào hệ thống để triệt tiêu tiếng ồn và phát minh ra một kỹ thuật đo điểm chuẩn mới sử dụng chính việc trồng trọt làm công cụ đo lường – một giải pháp mà công ty cho biết đã tạo ra một công nghệ đo lường lượng tử tiên tiến mới. Trên Willow, giao thức được cải tiến đã giảm được khoảng 40 lần lỗi so với các trạng thái không được phát triển, với trạng thái T đạt độ chính xác logic 99,99%.

Khả năng tương thích với Lộ trình sửa lỗi của Google

Nhóm cũng đã thực hiện những bước đầu tiên để thể hiện kỹ thuật này phù hợp với kiến trúc có khả năng chịu lỗi rộng hơn của Google. Sửa lỗi lượng tử có nhiều loại: "mã màu", một loại mới lý tưởng cho việc canh tác và "mã bề mặt", phương pháp lâu đời hơn làm nền tảng cho lộ trình dài hạn của Google. Các nhà nghiên cứu đã trình diễn một giao thức ghép – ban đầu được phát triển trong bài báo lý thuyết năm 2024 – chuyển đổi giữa hai giao thức, chuyển trạng thái tinh khiết từ mã màu khoảng cách 3 sang mã bề mặt khoảng cách 5. Các bang vẫn sống sót sau vụ chuyển giao, bằng chứng cho thấy việc trồng trọt có thể cùng tồn tại với các kế hoạch sửa lỗi mà Google dự định mở rộng quy mô.

Những gì còn lại chưa được giải quyết

Google rất cẩn thận về những cảnh báo. Tu luyện trạng thái ma thuật đã được chứng minh ở quy mô nhỏ; cho thấy nó ở quy mô cần thiết cho điện toán lượng tử thực tế vẫn là công việc trong tương lai và những thách thức kỹ thuật quan trọng tồn tại giữa kết quả hiện tại và một cỗ máy hữu ích về mặt thương mại. Công ty đặt mục tiêu là biến "một ý tưởng lý thuyết quan trọng thành một thực tế đã được chứng minh bằng thực nghiệm" trên con đường hướng tới mục tiêu đã nêu là một máy tính lượng tử hữu ích, sửa lỗi.

Ý nghĩa thực tiễn là về ngân sách nguồn lực. Nếu các trạng thái ma thuật chất lượng cao có thể được tạo ra với giá rẻ thay vì được sản xuất thông qua chi phí vượt trội, thì các yêu cầu về phần cứng để chạy các thuật toán như quy trình phân tích nhân tố của Shor hoặc các mô phỏng hóa học lượng tử phức tạp sẽ giảm theo. Giảm 40 lần lỗi ở giai đoạn trạng thái ma thuật trong mỗi hoạt động như vậy mà máy thực hiện.

Bức tranh lớn hơn

Kết quả đến trong bối cảnh cạnh tranh ngày càng gay gắt về phần cứng lượng tử, với IBM, Quantinuum và các nhóm học thuật đều theo đuổi các máy sửa lỗi và với việc xây dựng AI của ngành công nghệ rộng lớn hơn đang thu hút hầu hết các tiêu đề và vốn. Tiến trình lượng tử chậm hơn và khó dự đoán hơn, nhưng những cột mốc quan trọng như cột mốc này - nút thắt lý thuyết kéo dài hai thập kỷ đã được giải quyết trên phần cứng sản xuất, được xuất bản với những con số có độ chính xác có thể tái tạo trên một tạp chí được bình duyệt - là loại bước tổng hợp lặng lẽ đặt lại các mốc thời gian.

Đối với những người theo dõi AI, cũng có một mối liên quan tiếp tuyến: phần lớn công cụ thuật toán và hệ thống điều khiển trong phòng thí nghiệm lượng tử hiện đại ngày càng phụ thuộc vào học máy để hiệu chuẩn và giải mã lỗi, một ví dụ nhỏ nhưng đang phát triển về việc AI tăng tốc các lĩnh vực khoa học lân cận.

---

Đi trước AI

Nhận tin tức, phân tích và đột phá mới nhất về AI — tất cả ở cùng một nơi.

Đọc thêm tin tức về AI →