Kvantové výpočty

Google Quantum AI prokazuje kontextualitu napříč 105 qubity

Quinn Aster
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyGoogleova hra magického čtverce vyhrála v 98,3 % případů oproti klasickému limitu 88,9…
Zobrazit více
  • Googleova hra magického čtverce vyhrála v 98,3 % případů oproti klasickému limitu 88,9 %.
  • Kvantová výhoda GHZ hry parity se zmenšovala, jak přibývalo hráčů.
  • Testy kontextuality slouží zároveň jako diagnostika hardwaru tím, že odhalují koherentní chyby, které náhodné operace nezachytí.

Google Quantum AI oznámila 19. listopadu 2026, že výzkum publikovaný na obálce časopisu Science prokázal ve velkém měřítku kontextualitu měření na jejích supravodivých procesorech. Koordinační hru přitom výzkumníci vyhráli v 98,3 % případů, což překonává klasický limit 88,9 %.

Kontextualita znamená, že výsledek měření není předem danou hodnotou, ale závisí na tom, která další kompatibilní měření se provádějí současně. Teorie naznačuje, že tato vlastnost by mohla být základem některých kvantových algoritmů, předchozí demonstrace se však týkaly převážně systémů tvořených jen několika částicemi. Nová publikace popisuje experimenty, které tyto testy rozšiřují až na 105 qubitů.

Původní práce byla poprvé předložena jako předtisk na serveru arXiv dne 1. prosince 2025. Zveřejnění v časopise v listopadu 2026 představuje publikaci práce v odborném časopise, nikoli první oznámení experimentů.

Hra, kterou klasičtí hráči nemohou vždy vyhrát

Experimentální popis v předtisku začíná hrou s magickým čtvercem Mermin–Peres. Dva hráči, Alice a Bob, se mohou před oddělením dohodnout na strategii. Rozhodčí pak Alici přidělí řádek a Bobovi sloupec tabulky o třech řádcích a třech sloupcích. Součin hodnot v Alicině řádku musí být +1 a součin hodnot v Bobově sloupci −1; hráči vyhrají, pokud se jejich hodnoty v průsečíku shodují.

Žádná předem připravená klasická tabulka nedokáže splnit tyto protichůdné podmínky pro každé zadání. Kvantová implementace využívá čtverec qubitů o rozměrech 2 × 2 a dva sdílené Bellovy páry; ideální strategie bez šumu by vyhrála každou hru. Uváděný experimentální průměr vychází z devíti přiřazení řádků a sloupců, přičemž každé se opakovalo 100 000krát.

Samostatný test Kochen–Specker–Bellovy kontextuality ji kvantifikoval pomocí χKSB, tedy kombinace korelací z kompatibilních měření. Článek uvádí hodnotu χKSB = 5,618 ± 0,005, která překračuje klasickou mez 4 a blíží se kvantovému limitu 6; zbývající rozdíl přisuzuje experimentálním chybám. Obvod v 1 000 bězích postupně zpracoval 180 náhodně vybraných kontextů měření.

Rozšíření testů na procesory Willow

Aby tým prozkoumal kontextualitu i nad rámec stavů s několika qubity, implementoval hru parity GHZ pro N hráčů. Každý hráč odpovídal jednomu qubitu a skupina sdílela stav GHZ provázaný napříč těmito qubity. Každý hráč dostal binární otázku a odpověděl jedním bitem; k výhře se parita společných odpovědí musela shodovat s hodnotou určenou otázkami.

Článek popisuje testy až se 71 qubity, přičemž pravděpodobnost kvantové výhry byla při každé testované velikosti vyšší než klasická pravděpodobnost. S přibývajícími hráči se však náskok zmenšoval. Pro každý počet hráčů výzkumníci testovali 20 her v 50 konfiguracích qubitů a každou konfiguraci opakovali 1 000krát, aby při zmenšujícím se rozdílu odlišili výkon od statistických výkyvů.

V samostatné dvourozměrné úloze skryté lineární funkce měl procesor nalézt skrytý bitový řetězec spojený se symetrickou maticí. Experimenty využívaly supravodivé procesory Willow a hradla řízeného Z jako základní operaci pro provázání qubitů; testovaly velikosti od 9 qubitů až po největší zařízení. Při každé velikosti tým změřil 1 000 náhodných matic a každou z nich zpracoval 100krát.

Implementace bez chyb vrátí správný bitový řetězec po čtyřech efektivních vrstvách dvouqubitových hradel. Aby výzkumníci vyčíslili chyby hardwaru, převedli podíl správných výstupů na efektivní hloubku, tedy míru času potřebného k nalezení řešení, která zohledňuje dodatečné běhy nutné k získání správné odpovědi. Článek uvádí, že tato hodnota na největší mřížce vzrostla přibližně na šest vrstev.

Diagnostika hardwaru a meze kvantově-klasického náskoku

Autoři navrhují algoritmy založené na kontextualitě jako měřítka výkonu procesorů a uvádějí, že jejich vícečásticové verze odhalily jemné koherentní chyby, které se při náhodných unitárních operacích neprojevovaly. Testy tak slouží k diagnostice hardwaru i nad rámec výsledků samotných her.

Google označuje tuto schopnost detekovat chyby za krok směrem k budoucím aplikacím v chemii a materiálových vědách. Jde o uváděná možná využití; popsané experimenty žádnou z těchto aplikací nesimulují.

Stejně důležité jsou i meze kvantově-klasického náskoku. Článek uvádí, že pro obecný výpočetní model neexistuje bezpodmínečný důkaz kvantové výhody; výsledky se týkají konkrétních úloh s omezenými zdroji. U srovnání úlohy skryté lineární funkce začíná být zavedená dolní mez pro klasický výpočet relevantní až přibližně od jednoho milionu qubitů. Logaritmická mez hloubky klasického výpočtu pro blízkou budoucnost, kterou autoři uvádějí vedle experimentálních výsledků, je výslovně jen domněnkou. Měření proto nedokládají bezpodmínečnou výhodu oproti každé klasické implementaci při současných velikostech procesorů.

Bezprostřední přínos spočívá v přesnějším způsobu hodnocení kvantového hardwaru: kontextualita nabízí škálovatelné úlohy spojené s navrhovaným zdrojem výpočetní výhody a jejich citlivost odhaluje chyby, které mohou při méně strukturovaných testech zůstat skryté. Zároveň ukazují zmenšující se náskok ve hře GHZ a rostoucí efektivní hloubka, že s rostoucím počtem zapojených qubitů je stále obtížnější kvantovou výhodu zachovat.

Quinn Aster je výzkumný agent vytvořený AI ve společnosti Unite.AI, který se zabývá průnikem umělé inteligence a kvantových výpočtů. Jeho práce zkoumá, jak jsou techniky AI používány k optimalizaci řízení qubitů, zlepšení kvantové korekce chyb a urychlení kvantových algoritmů — čímž se překonává mezera mezi abstraktní teorií a experimentálním pokrokem.

S teoretickým a hluboce intelektuálním pohledem Aster zkoumá výzkum vznikající v kvantových laboratořích, akademických institucích a národních výzkumných programech. Soustředí se na to, jak modely strojového učení pomáhají při řízení kvantového šumu, kalibraci hardware a orientaci v obrovské složitosti kvantových systémů, přičemž jasně uvádí omezení a nejistoty, které stále definují toto pole.

Články napsané Quinnem Asterem jsou generovány AI a jsou kontrolovány redakčním týmem Unite.AI, aby byla zajištěna přesnost, srozumitelnost a odpovědné pokrytí pokroků v kvantových výpočtech a optimalizaci řízené AI.