Kinesiske forskere udvikler optisk kredsløbsdrevet kvantecomputer

Et hold af forskere fra forskellige forskningsinstitutter i Kina har nyligt demonstreret kvantefordel ved hjælp af en fotonisk kvantecomputer. En artikel, der er offentliggjort i tidsskriftet Science, beskriver kvantecomputeren som “Jiuzhang”.

Ifølge LiveScience er kvantecomputeren, der primært er designed af forskere fra University of Science and Technology, angiveligt betydeligt mere kraftfuld end den kvantecomputer, som Google (GOOGL ) designede i 2019. I 2019 påstod Google, at de havde designed den første computer, der nogensinde havde opnået “kvantefordel”, hvilket refererer til brugen af kvantebaserede computere til at overgå nuværende, traditionelle supercomputere. Ifølge rapporten er Jiuzhang omkring 10 milliarder gange hurtigere end den kvantecomputer, som Google designede.

I de seneste år har Kina investeret massivt i området kvantecomputering, med finansiering af forskningen på nationens National Laboratory for Quantum Information Sciences for omkring 10 milliarder dollars. Derudover er Kina i øjeblikket en af verdenslederne inden for kvantnetværk. Kvantnetværk anvender kvantemekanik til at kodificere data, mens den overføres over lange afstande.

Kvantecomputere udnytter de unikke egenskaber hos kvantepartikler for at opnå bedre ydelse end traditionelle computere. Klassiske computere kan kun behandle data, der findes i en af to forskellige tilstande. Bits i dette binære system anvender 1’ere og 0’ere til at repræsentere data og er i sig selv begrænset i forhold til kvantebits (qubits), der kan findes i mere end to tilstande på samme tid. Denne egenskab giver kvantecomputere mulighed for at håndtere mere komplekse problemer og udføre opgaver langt hurtigere end selv de bedste supercomputere i dag.

Det har længe været teoriseret, at kvantecomputere kunne slå moderne computere, men produktionen af en pålidelig kvantecomputer er en teknisk udfordring, der stadig er undervejs. Kvantecomputere har ofte brug for at være placeret i kontrollerede miljøer, der forhindrer fluktuationer i temperatur eller andre miljøfaktorer, der kunne forstyrre en kvantecomputers beregninger. Forskningsgrupper over hele verden har eksperimenteret med forskellige måder at bygge kvantecomputere på. Mens Googles kvantecomputer var baseret på superledende materialer integreret med chip, er Jiuzhang baseret på optiske kredsløb.

For at teste Jizhang havde forskerholdet det til at beregne outputtet af et kredsløb, der anvender lys og returnerer en liste af numre. Denne proces kaldes Gaussian Boson Sampling. Målet var at registrere så mange fotoner som muligt. Jiuzhang er selv et optisk kredsløb og kunne registrere en gennemsnit på 43 fotoner, med en rekord på 76 fotoner.

Ifølge artiklen i Science tog det omkring 200 sekunder at generere listen af numre for hver testkørsel af kvantecomputeren. Traditionelle supercomputere ville tage omkring 2,5 milliarder år at generere den samme liste af numre. Hvis den samme beregningshastighed gælder for andre opgaver, kan kvantecomputere muligvis udføre beregninger omkring 100 billioner gange hurtigere end traditionelle supercomputere.

Det er vigtigt at bemærke, at Jiuzhang kun kan udføre det snævre udvalg af opgaver, den er udviklet til, nemlig dem, der handler om Gaussian Boson Sampling. Jiuzhang er ikke en generel kvantecomputer. Men det er et skridt mod skabelsen af praktiske kvantecomputere.

Ifølge TechXplore er Jiuzhang-computeren ikke det eneste nylige eksempel på fremskridt inden for lysbaseret computerteknologi, der har potentiale til at påvirke kunstig intelligens. Et hold af forskere har nyligt gennemgået nylige fremskridt i forhold til anvendelsen af optisk computering til visuelt-computerteknologier og fandt, at optisk computering kan potentielt kombineres med dybe neurale netværk.

Forskerholdet undersøgte flere eksempler på optisk computering sammen med kunstig intelligens og fandt, at kunstig intelligens-baseret på lys, der bevæger sig over optiske enheder, kan anvendes til at skabe nye former for visuelt-computerteknologier. Disse inkluderer optiske neurale netværk, der kan hurtigt behandle og klassificere objekter uden brug for en ekstern strømforsyning, men i stedet afhænger af indkommende lys til at drive beregningerne.

Kunstig intelligens-enheder, der opererer i systemer som smarte hjem, fjerne sensorer og autonome køretøjer, kunne forbedre kraften af en almindelig elektronikcomputer ved at anvende lys til at hurtigt analysere objekter og den omgivende miljø. Hybrid optisk computersystemer kunne udnytte både fleksibiliteten af traditionelle computere og parallelismen og hastigheden af optiske computere.