Kinesiske forskere skaber optisk kredsløbsdrevet kvantecomputer

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

Som rapporteret af LiveScience, er kvantecomputeren, der primært er designed af forskere ved University of Science and Technology, angiveligt væsentligt mere kraftfuld end den kvantecomputer, der er designed af Google i 2019. I 2019 påstod Google, at de havde designed den første computer, der nogensinde havde opnået “kvanteforståelse”, 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, der er designed af Google.

I de seneste få år har Kina investeret massivt i området for kvantecomputering, og har finansieret forskningen på landets National Laboratory for Quantum Information Sciences for omkring 10 milliarder dollars. Derudover er Kina i øjeblikket en af verdenslederne i kvantenetværk. Kvantenetværk anvender kvantemekanik til at kode data, mens de overføres over lange afstande.

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

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

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

Ifølge artiklen i Science tog det omkring 200 sekunder at generere listen over tal for hver testkørsel af kvantecomputeren. Traditionelle supercomputere ville tage omkring 2,5 milliarder år at generere den samme liste over tal. 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 den snævre række af opgaver, det er udviklet til, nemlig de, der handler om Gaussian Boson Sampling. Jiuzhang er ikke en generel kvantecomputer. Men det er et skridt mod skabelsen af praktiske kvantecomputere.

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

Forskerholdet undersøgte flere eksempler på optisk computering sammen med AI og fandt, at AI-inferens 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, og som afhænger af indkommende lys til at drive beregningerne.

AI-enheder, der opererer i systemer som smarte hjem, fjerntsensorer og autonome køretøjer, kan forbedre kraften af en almindelig elektronisk computer ved at anvende lys til at hurtigt analysere objekter og omgivelserne omkring objektet. Hybrid optisk computersystemer kan udnytte både fleksibiliteten af traditionelle computere og parallelisme og hastighed af optiske computere.