Κβαντικός υπολογισμός

Η Quantinuum αναφέρει πιστότητα λογικής μνήμης 99,9995% στο Helios

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Close-up rendering of Quantinuum’s gold Helios ion-trap chip against a dark background

Η Quantinuum ανακοίνωσε ένα αποτέλεσμα στην κβαντική διόρθωση σφαλμάτων που αναδεικνύει ακόμη περισσότερο μια βασική προϋπόθεση για τη χρήσιμη κβαντική υπολογιστική: τη διατήρηση της κβαντικής πληροφορίας ανέπαφης για αρκετό χρόνο, ώστε να αξιοποιηθεί. Στον κβαντικό υπολογιστή παγιδευμένων ιόντων Helios, η εταιρεία μέτρησε πιστότητα λογικής μνήμης 99,9995% ανά κύκλο ελέγχου σφαλμάτων — ισοδύναμη με περίπου πέντε αστοχίες λογικής μνήμης ανά εκατομμύριο κύκλους.

Το αποτέλεσμα ανακοινώθηκε στις 19 Οκτωβρίου και αντιπροσωπεύει δεκαπλάσια μείωση σε σχέση με το προηγούμενο ρεκόρ που είχε αναφέρει η εταιρεία. Η Quantinuum αναφέρει ότι ενισχύει την επιχειρηματολογία υπέρ του Apollo, του σχεδιαζόμενου καθολικού συστήματός της με ανοχή σε σφάλματα, το οποίο έχει προγραμματιστεί για το 2029. Ωστόσο, το πείραμα αποτελεί σημαντικό σημείο αναφοράς για τη μνήμη και όχι επίδειξη μιας ολοκληρωμένης, χρήσιμης εφαρμογής που λειτουργεί με αυτό το επίπεδο ακρίβειας.

Η συνοδευτική έρευνα αναδεικνύει επίσης μια ενισχυόμενη σύνδεση μεταξύ τεχνητής νοημοσύνης και κβαντικής υπολογιστικής: τα νευρωνικά δίκτυα μπορούν να συμβάλουν στην ταχεία ερμηνεία των μετρήσεων σφαλμάτων, ώστε να υποστηρίξουν τη μελλοντική διόρθωση σε πραγματικό χρόνο. Για να αξιολογηθεί η πρόοδος, είναι απαραίτητο να γίνει κατανοητό τι μετρήθηκε και πώς δοκιμάστηκαν αυτοί οι αποκωδικοποιητές.

Τι μετρά το αποτέλεσμα του 99,9995%

Τα φυσικά qubit είναι ευάλωτα σε διαταραχές που αλλοιώνουν τις κβαντικές τους καταστάσεις. Η διόρθωση σφαλμάτων κατανέμει την πληροφορία σε πολλαπλά φυσικά qubit, δημιουργώντας ένα λογικό qubit, ενώ πρόσθετες μετρήσεις αποκαλύπτουν ενδείξεις σφαλμάτων χωρίς να διαβάζουν απευθείας την προστατευμένη πληροφορία.

Το βασικό ερώτημα είναι αν η προσθήκη περισσότερης προστασίας μειώνει πράγματι το ποσοστό σφαλμάτων του λογικού qubit. Κάτω από ένα κατώφλι διόρθωσης σφαλμάτων, οι μεγαλύτεροι κώδικες θα πρέπει να αποδίδουν καλύτερα. Πάνω από αυτό, οι πρόσθετες πράξεις που απαιτούνται για τη διατήρηση του κώδικα ενδέχεται να προσθέσουν υπερβολικό θόρυβο.

Στην εργασία Κβαντική διόρθωση σφαλμάτων πολύ κάτω από το κατώφλι των κωδίκων χρώματος, οι ερευνητές της Quantinuum δοκίμασαν κώδικες χρώματος με αποστάσεις τρία, πέντε και επτά. Η απόσταση του κώδικα περιγράφει την ισχύ της προστασίας. Το μετρημένο ποσοστό σφαλμάτων λογικής μνήμης μειώθηκε από περίπου 5,5 στα 10.000 ανά κύκλο, σε απόσταση τρία, σε 3,8 στα 100.000, σε απόσταση πέντε, και σε περίπου πέντε ανά εκατομμύριο, σε απόσταση επτά.

Στο μεγαλύτερο πείραμα μνήμης χρησιμοποιήθηκαν 73 φυσικά qubit, μεταξύ των οποίων και βοηθητικά qubit μέτρησης, για την προστασία ενός λογικού qubit. Η εκτίμηση βασίστηκε σε τρεις αστοχίες σε 29.000 πειραματικές εκτελέσεις, καθεμία από τις οποίες περιλάμβανε 20 γύρους διόρθωσης. Ο μικρός αριθμός αστοχιών που παρατηρήθηκαν σημαίνει ότι η στατιστική αβεβαιότητα έχει σημασία: η εργασία αναφέρει κεντρική εκτίμηση σφάλματος πέντε ανά εκατομμύριο, με διάστημα μίας τυπικής απόκλισης που εκτείνεται περίπου από τρία έως εννέα ανά εκατομμύριο.

Αυτό αποτελεί ισχυρή ένδειξη ότι η προστασία γίνεται ολοένα αποτελεσματικότερη. Δεν σημαίνει, όμως, ότι εκτελέστηκαν χωρίς σφάλματα ένα εκατομμύριο αυθαίρετες κβαντικές πύλες ή ένα εκατομμύριο βήματα εμπορικού αλγορίθμου.

Γιατί το Helios μπορεί να δοκιμάζει διαφορετικούς κώδικες διόρθωσης σφαλμάτων

Η τεχνική περιγραφή του πειράματος από την Quantinuum δίνει έμφαση στις βελτιώσεις που έγιναν στο ίδιο υλικό Helios το οποίο χρησιμοποιήθηκε και στο προηγούμενο αποτέλεσμα της εταιρείας. Η πλατφόρμα χρησιμοποιεί παγιδευμένα ιόντα, με συνδεσιμότητα που επιτρέπει αλληλεπιδράσεις πέρα από μια σταθερή διάταξη μεταξύ γειτονικών qubit. Αυτή η ευελιξία επιτρέπει στους ερευνητές να αλλάζουν στρατηγικές διόρθωσης σφαλμάτων χωρίς να χρειάζεται να επανασχεδιάζουν τον επεξεργαστή για έναν μόνο κώδικα.

Η νέα εργασία εξετάζει επίσης τη διαρροή, κατά την οποία ένα ιόν εγκαταλείπει τις καταστάσεις που χρησιμοποιούνται για την αναπαράσταση ενός qubit. Η διαρροή μπορεί να προκαλέσει συσχετισμένα σφάλματα, τα οποία είναι ιδιαίτερα επιζήμια για τα σχήματα διόρθωσης. Οι ερευνητές συνδυάζουν την οπτική επαναάντληση, η οποία επαναφέρει τα ιόντα που έχουν διαρρεύσει στις υπολογιστικές καταστάσεις, με τεχνικές κυκλωμάτων που έχουν σχεδιαστεί για να περιορίζουν τη διάδοση των σφαλμάτων.

Για τις αποστάσεις κωδίκων που δοκιμάστηκαν, το ποσοστό σφαλμάτων λογικής μνήμης βελτιώθηκε κατά περίπου 12 φορές κάθε φορά που η απόσταση αυξανόταν κατά δύο. Σε ξεχωριστό πείραμα με πύλες Clifford δύο qubit, καταγράφηκε καταστολή των σφαλμάτων κατά περίπου εννέα φορές, μεταξύ των αποστάσεων τρία και πέντε. Πρόκειται για συναφή, αλλά διακριτά σημεία αναφοράς: η κεντρική τιμή για την πιστότητα μνήμης δεν πρέπει να αποδίδεται στο αποτέλεσμα των πυλών.

Η τεχνητή νοημοσύνη βοηθά στην αποκωδικοποίηση των σημάτων σφάλματος

Η κβαντική διόρθωση σφαλμάτων βασίζεται σε έναν κλασικό αποκωδικοποιητή, ο οποίος ερμηνεύει τα μοτίβα των μετρήσεων και προσδιορίζει τα πιθανά σφάλματα. Από μόνο του, καλύτερο φυσικό υλικό δεν αρκεί, αν αυτή η ερμηνεία δεν μπορεί να συμβαδίσει με τον επεξεργαστή.

Η μελέτη συγκρίνει διάφορες προσεγγίσεις, μεταξύ των οποίων έναν αποκωδικοποιητή αναζήτησης A* με την ονομασία Tesseract, έναν αποκωδικοποιητή ροής με την ονομασία Frontier, ένα τρισδιάστατο συνελικτικό νευρωνικό δίκτυο και έναν μετασχηματιστή με διακριτικά γύρων. Τα νευρωνικά μοντέλα εκπαιδεύτηκαν με δεδομένα από προσομοιωτή του Helios και στη συνέχεια εφαρμόστηκαν σε πειραματικά δεδομένα χωρίς περαιτέρω προσαρμογή με δεδομένα από το υλικό.

Εδώ η τεχνητή νοημοσύνη επιτελεί έναν συγκεκριμένο ρόλο: εντοπίζει μοτίβα σφαλμάτων στις κβαντικές μετρήσεις. Τα μοντέλα δεν αντικαθιστούν τον κβαντικό επεξεργαστή ούτε επιδεικνύουν κάποια εφαρμογή τεχνητής νοημοσύνης γενικής χρήσης. Η αξία τους έγκειται στην εξισορρόπηση της ακρίβειας αποκωδικοποίησης με την ταχύτητα που απαιτείται για τη διατήρηση επαναλαμβανόμενων κύκλων διόρθωσης.

Οι ερευνητές αναφέρουν χρόνους νευρωνικής συναγωγής της τάξης εκατοντάδων μικροδευτερολέπτων, συμβατούς με λειτουργία σε πραγματικό χρόνο σε αυτή την κατηγορία υλικού. Το κρίσιμο είναι ότι όλη η αποκωδικοποίηση στη μελέτη πραγματοποιήθηκε εκτός σύνδεσης. Στις δοκιμές ροής, οι μετρήσεις τροφοδοτούνταν ανά γύρο για την αξιολόγηση του χρονισμού· οι δοκιμές αυτές δεν έδειξαν ότι οι νευρωνικοί αποκωδικοποιητές ελέγχουν έναν βρόχο ανάδρασης σε πραγματικό χρόνο καθ’ όλη τη διάρκεια του πειράματος.

Η διάκριση αυτή σημαίνει ότι απομένει ένα σημαντικό μηχανικό ορόσημο, χωρίς να μειώνεται η σημασία του αποτελέσματος: μοντέλα εκπαιδευμένα σε προσομοίωση ερμήνευσαν με επιτυχία σφάλματα από μια φυσική κβαντική μηχανή.

Τι απομένει μέχρι να περάσουμε από ένα ρεκόρ μνήμης σε χρήσιμους υπολογισμούς

Η Quantinuum χαρακτηρίζει το αποτέλεσμα παγκόσμιο ρεκόρ και αναφέρει ότι η ακρίβειά του βρίσκεται πλέον εντός του εύρους-στόχου για το Apollo. Οι ισχυρισμοί αυτοί πρέπει να εξεταστούν στο πλαίσιο των ευρύτερων απαιτήσεων των υπολογιστών ανεκτικών σε σφάλματα. Ένα πρακτικό σύστημα πρέπει να προστατεύει πολλά λογικά qubit, να εκτελεί ένα αρκετά ευρύ σύνολο κβαντικών πυλών, να διατηρεί τη διόρθωση σφαλμάτων κατά τη διάρκεια των υπολογισμών και να διαθέτει επαρκή ρυθμό διεκπεραίωσης ώστε να ολοκληρώνει υπολογισμούς ουσιαστικής αξίας.

Ακόμη και σε αυτή τη μελέτη, οι περιορισμοί των διαθέσιμων πόρων είναι εμφανείς. Οι ερευνητές δεν πραγματοποίησαν το πείραμα κβαντικής πύλης δύο qubit απόστασης επτά, επειδή απαιτούσε περισσότερα qubit από όσα ήταν διαθέσιμα στο Helios. Το ιστολόγιο της εταιρείας αναφέρει επίσης ότι η κλιμακώσιμη προετοιμασία μαγικών καταστάσεων κάτω από το κατώφλι —απαραίτητη για μια σημαντική οδό προς καθολικούς υπολογισμούς ανεκτικούς σε σφάλματα— είναι ένα επίτευγμα που μένει ακόμη να καταδειχθεί.

Ο οδικός χάρτης της Quantinuum περιλαμβάνει το σύστημα Sol το 2027 και το Apollo το 2029. Αυτά εξακολουθούν να αποτελούν στόχους ανάπτυξης. Τα διαθέσιμα στοιχεία είναι πιο περιορισμένα, αλλά ουσιαστικά: στο υπάρχον υλικό, η αλλαγή του κώδικα, ο έλεγχος της διαρροής και η βελτίωση της αποκωδικοποίησης μείωσαν σημαντικά τα σφάλματα λογικής μνήμης.

Για τον κλάδο της κβαντικής τεχνολογίας, το αποτέλεσμα στρέφει την προσοχή σε ένα πιο απαιτητικό ερώτημα από το αν ένας επεξεργαστής μπορεί απλώς να επιδείξει διόρθωση σφαλμάτων: αν αυτή η προστασία μπορεί να επεκταθεί σε ολόκληρη την υποδομή που απαιτούν οι χρήσιμοι υπολογισμοί. Για τους ερευνητές της τεχνητής νοημοσύνης, αποτελεί ένα απτό παράδειγμα συμβολής της μηχανικής μάθησης σε αυτή την προσπάθεια, στο επίπεδο της υποδομής ελέγχου.

Quinn Aster είναι ένας ερευνητικός πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη στην Unite.AI, καλύπτοντας τη διασταύρωση της τεχνητής νοημοσύνης και της κβαντικής υπολογιστικής. Η δουλειά του εξερευνά πώς οι τεχνικές AI εφαρμόζονται για τη βελτιστοποίηση του ελέγχου των qubit, τη βελτίωση της κβαντικής διόρθωσης σφαλμάτων και την επιτάχυνση των κβαντικών αλγορίθμων—γεφυρώνοντας το χάσμα μεταξύ αφηρημένης θεωρίας και πειραματικής προόδου.

Με μια θεωρητική και βαθιά διανοητική προοπτική, ο Aster εξετάζει την έρευνα που προέρχεται από κβαντικά εργαστήρια, ακαδημαϊκά ιδρύματα και εθνικά ερευνητικά προγράμματα. Επικεντρώνεται στο πώς τα μοντέλα μηχανικής μάθησης βοηθούν στη διαχείριση του κβαντικού θορύβου, στην βαθμονόμηση του υλικού και στην πλοήγηση στην τεράστια πολυπλοκότητα των κβαντικών συστημάτων, παραμένοντας σαφής σχετικά με τους περιορισμούς και τις αβεβαιότητες που εξακολουθούν να ορίζουν το πεδίο.

Τα άρθρα που συντάσσει ο Quinn Aster δημιουργούνται από AI και ελέγχονται από την ομάδα συντακτών της Unite.AI για να διασφαλιστεί η ακρίβεια, η σαφήνεια και η υπεύθυνη κάλυψη των προόδων στην κβαντική υπολογιστική και τη βελτιστοποίηση με βάση την AI.