کامپیوترهای کوانتومی این پتانسیل را دارند که کشف دارو، طراحی مواد و فیزیک بنیادی را متحول کنند. یعنی اگر بتوانیم آنها را به طور قابل اعتماد به کار ببریم. AlphaQubit، نجاتدهنده محاسبات کوانتومی میتواند باشد.
برخی از مسائل، که برای حل یک کامپیوتر معمولی میلیاردها سال طول میکشد، یک کامپیوتر کوانتومی فقط چند ساعت طول میکشد. با این حال، این پردازندههای جدید بیشتر از پردازندههای معمولی مستعد نویز هستند. اگر میخواهیم رایانههای کوانتومی را بهویژه در مقیاس قابل اعتمادتر کنیم، باید این خطاها را به دقت شناسایی و تصحیح کنیم.
در مقاله امروز AlphaQubit را معرفی میکنیم. رمزگشای مبتنی بر هوش مصنوعی که خطاهای محاسبات کوانتومی را با دقت پیشرفتهای شناسایی میکند. این کار مشترک دانش یادگیری ماشین Google DeepMind و تخصص تصحیح خطا Google Quantum AI را برای تسریع پیشرفت در ساخت یک کامپیوتر کوانتومی قابل اعتماد گرد هم آورد.
شناسایی دقیق خطاها گامی حیاتی در جهت ساختن رایانههای کوانتومی قادر به انجام محاسبات طولانی در مقیاس است. همچنین درها را به سوی پیشرفتهای علمی و بسیاری از حوزههای جدید کشف باز میکند.
بیشتر بخوانید: نقش رایانش ابری در متاورس چیست؟
تصحیح خطاهای محاسبات کوانتومی با AlphaQubit
کامپیوترهای کوانتومی از ویژگیهای منحصر به فرد ماده در کوچکترین مقیاسها، مانند برهم نهی و درهم تنیدگی، استفاده میکنند. با این ویژگی میتوانند انواع خاصی از مسائل پیچیده را در مراحل بسیار کمتری نسبت به رایانههای کلاسیک حل کنند. این فناوری به کیوبیتها یا بیتهای کوانتومی متکی است که میتوانند مجموعه گستردهای از احتمالات را با استفاده از تداخل کوانتومی برای یافتن پاسخ بررسی کنند.
حالت کوانتومی طبیعی یک کیوبیت شکننده است و می تواند توسط عوامل مختلفی مختل شود. مانند نقص میکروسکوپی در سخت افزار، گرما، ارتعاش، تداخل الکترومغناطیسی و حتی پرتوهای کیهانی (که همه جا هستند).
تصحیح خطای کوانتومی با استفاده از افزونگی راهی به جلو ارائه میکند. گروهبندی کیوبیتهای متعدد در یک کیوبیت منطقی، و انجام منظم بررسیهای سازگاری روی آن. رمزگشا اطلاعات کوانتومی را با استفاده از این بررسیهای سازگاری برای شناسایی خطاها در کیوبیت منطقی حفظ میکند تا بتوان آنها را اصلاح کرد.
مقیاس بندی AlphaQubit برای سیستم های آینده
ما انتظار داریم کامپیوترهای کوانتومی فراتر از آنچه امروز در دسترس است پیشرفت کنند. برای اینکه ببینیم AlphaQubit چگونه با دستگاههای بزرگتر با سطوح خطای کمتر سازگار میشود، آن را با استفاده از دادههای سیستمهای کوانتومی شبیهسازیشده تا ۲۴۱ کیوبیت آموزش دادیم، زیرا این بیشتر از آنچه در پلتفرم Sycamore در دسترس بود، بود.
مجدداً، AlphaQubit بهتر از رمزگشاهای الگوریتمی پیشرو عمل کرد و نشان میدهد که در آینده روی دستگاههای کوانتومی با اندازه متوسط نیز کار خواهد کرد.
حرکت به سمت محاسبات کوانتومی عملی
AlphaQubit یک نقطه عطف بزرگ در استفاده از یادگیری ماشین برای تصحیح خطای کوانتومی است. اما ما هنوز با چالشهای مهمی از جمله سرعت و مقیاسپذیری روبرو هستیم.
به عنوان مثال، هر بررسی سازگاری در یک پردازنده کوانتومی سریع ابررسانا در هر ثانیه یک میلیون بار اندازهگیری میشود. در حالی که AlphaQubit در شناسایی دقیق خطاها عالی است، هنوز هم برای تصحیح خطاها در یک پردازنده ابررسانا در زمان واقعی بسیار کند است.