Obliczenia kwantowe

Tessa firmy Moth koduje i odzyskuje 1568 wartości na układzie z 120 kubitami

Quinn Aster
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyTessa ładuje dowolne dane klasyczne w całym chipie bez bramek SWAP ani kubitów…
Zobacz więcej
  • Tessa ładuje dowolne dane klasyczne w całym chipie bez bramek SWAP ani kubitów pomocniczych.
  • Tryb parowy podwaja gęstość przechowywania, ale zwiększa głębokość obwodu i obniża korelację wartości do 0,69.
  • Otwartym pytaniem jest, czy późniejsze obliczenia mogą wykorzystać zakodowany stan bez pełnej rekonstrukcji.

Firma Moth ogłosiła projekt Tessa 16 listopada 2026 r., informując, że metoda pozwoliła zakodować i odzyskać 1568 liczb rzeczywistych przy użyciu wszystkich 120 kubitów procesora IBM Phoenix Nighthawk r2. Prace dotyczą trwałej przeszkody w uczeniu maszynowym z wykorzystaniem komputerów kwantowych: wczytywania danych klasycznych do podatnych na zakłócenia kubitów w sprzęcie o rzadkiej sieci połączeń.

Artykuł Daniela Bultriniego precyzuje zakres deklarowanego rekordu: chodzi o eksperymenty, w których dowolnie wybrane listy liczb wczytywano do fizycznych procesorów kwantowych, a następnie odczytywano poszczególne wartości; nie uwzględniono prób, w których uzyskano jedynie wartość pochodną. Według tej definicji wcześniejszy system QCrank odzyskał 128 wartości z 12 kubitów uwięzionych jonów. W osobnym eksperymencie Fez odzyskano 1024 piksele z 13 kubitów, ale wyniku tego nie można bezpośrednio porównać, ponieważ wykorzystano w nim wytrenowane przybliżenie oparte na sieci tensorowej, a nie dowolną listę liczb rzeczywistych. Dlatego w artykule wskazano, że próba z użyciem Tessy jest największą spośród opisanych zgodnie z przyjętą definicją.

Jak Tessa wykorzystuje połączenia układu

Tessa, skrót od Tessellated QPIXL, rozmieszcza naprzemiennie kubity danych i kubity adresowe w układzie szachownicy nałożonym na fizyczne połączenia procesora. Każdy kubit danych jest sterowany wyłącznie przez sąsiadujące z nim kubity adresowe, z których mogą korzystać także pobliskie kubity danych. Każdy dodatkowy sąsiadujący kubit adresowy podwaja pojemność pamięci kubitu danych, dlatego kubit wewnętrzny z czterema sąsiadami przechowuje 16 wartości.

Taka konstrukcja działa na dowolnym dwudzielnym grafie sprzężeń, w którym każde sprzężenie łączy kubit danych z kubitem adresowym. Wykorzystanie układu połączeń samego urządzenia pozwala uniknąć bramek SWAP i trasowania, a także nie wymaga kubitów ancilla, czyli pomocniczych. W artykule dowiedziono, że mimo współdzielonego sterowania wartości zapisane w każdym kubicie danych można odzyskać niezależnie.

Wszystkie wartości zapisane w jednej bazie można odkodować na podstawie jednej serii pomiarów w bazie obliczeniowej przeprowadzonych na całym układzie. Tessa może też przechowywać drugą liczbę w fazie każdego slotu. W próbie na układzie Phoenix wykorzystano ten tryb par do zapisania jasności i odcienia obrazu: w każdym z 784 użytych slotów umieszczono dwie liczby. W wolnych slotach zapisano zera, dzięki czemu uczestniczył każdy kubit.

Tak duża gęstość zapisu wiąże się z dwoma kosztami. Tryb par wymaga dodatkowych baz pomiarowych i podwaja głębokość obwodu. Ogólniej rzecz biorąc, liczbę przebiegów pomiarowych dzieli się między lokalne konfiguracje adresowe, więc liczba potrzebna do uzyskania porównywalnej dokładności rośnie wykładniczo wraz z lokalnym stopniem sprzężenia, choć w eksperymentach utrzymano go na niskim poziomie.

Co udało się odzyskać na sprzęcie

W testach z użyciem jednej bazy wykorzystano po 8192 przebiegi pomiarowe na bazę. Odzyskano obraz QCAT o wymiarach 28 na 28 pikseli, wykorzystując 784 z 792 slotów układu Phoenix, oraz obraz o wymiarach 21 na 21 pikseli, wykorzystując 441 z 448 slotów układu Fez. W artykule podano, że surowe korelacje wartości uzyskanych na sprzęcie wyniosły 0,96 dla Phoenix i 0,95 dla Fez, a średnie błędy bezwzględne — odpowiednio 0,130 i 0,131. Odtwarzanie zakresu dynamicznego, które wykorzystuje statystyki podsumowujące dane wejściowe zamiast samych danych, zmniejszyło te błędy do 0,075 i 0,078. W eksperymentach nie stosowano łagodzenia błędów.

Próba w trybie par, obejmująca 1568 wartości, była mniej dokładna: według artykułu korelacja wartości na układzie Phoenix wyniosła 0,69, średni błąd bezwzględny wartości — 0,152, a średni błąd bezwzględny odcienia — 0,092. W obwodzie wykorzystano 1456 dwukubitowych bramek CZ, w porównaniu z 728 w próbie na układzie Phoenix z użyciem jednej bazy. Odzyskiwanie danych z całego układu zadziałało więc w przypadku dwóch grafów sprzężeń, ale zapis drugiej wartości fazy wymagał bardziej złożonych obwodów i wiązał się z niższą jakością rekonstrukcji.

Testy biologiczne i publicznie dostępny kod

Oprócz grafiki pikselowej w eksperymentach uwzględniono dźwięk, MIDI, DNA oraz sekwencje aminokwasowe białek, w tym p53. Sekwencje biologiczne wybrano ze względu na ich długość lub nazwy, a nie właściwości biologiczne, dlatego testy te dotyczyły obsługi danych, a nie analiz biologicznych.

W artykule podano, że przy 32 768 przebiegach pomiarowych na pomiar układ Phoenix odzyskał sekwencję MT-CO3 o długości 784 nukleotydów, uzyskując dokładność 92,1% nukleotydów bez przetwarzania końcowego oraz 92,3% przy najlepszej z testowanych metod odtwarzania zakresu dynamicznego, wybranej z wykorzystaniem rzeczywistej sekwencji. Odzyskiwanie gęsto upakowanych sekwencji białkowych nadal dawało gorsze wyniki. W artykule podkreślono, że nawet jeden nieprawidłowy nukleotyd lub aminokwas może mieć poważne konsekwencje biologiczne.

Firma Moth informuje, że Tessa jest dostępna do eksperymentów z przetwarzaniem obrazów na platformie Atlas. Dokumentacja repozytorium zawiera bibliotekę, surowe wyniki pomiarów sprzętowych, rejestry zadań, wyniki symulacji oraz notatniki pozwalające odtworzyć rysunki i tabele z artykułu bez konta IBM. Z rejestru uruchomień wynika, że główne eksperymenty QCAT na układach Phoenix i Fez przeprowadzono 26 września 2026 r., a późniejsze próby z danymi genetycznymi i grafiką pikselową — w październiku 2026 r. Pozwala to odróżnić prace na sprzęcie od listopadowego ogłoszenia.

Bezpośredni wkład Tessy polega na opracowaniu uwzględniającego właściwości sprzętu sposobu wczytywania i weryfikowania danych klasycznych w całym procesorze. W przypadku uczenia maszynowego z wykorzystaniem komputerów kwantowych kluczowym nierozstrzygniętym pytaniem pozostaje to, czy dalsze obliczenia mogą wykorzystać tak zakodowany stan bez konieczności pełnej rekonstrukcji, przy jednoczesnym ograniczeniu wzrostu liczby przebiegów pomiarowych i błędów związanych z gęstszym kodowaniem w parach.

Quinn Aster jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się przecięciem sztucznej inteligencji i komputerów kwantowych. Ich praca bada, jak techniki SI są stosowane do optymalizacji sterowania kubitami, usprawniania korekcji błędów kwantowych oraz przyspieszania algorytmów kwantowych — wypełniając lukę między abstrakcyjną teorią a postępem eksperymentalnym.

Z teoretycznego i głęboko intelektualnego punktu widzenia Aster analizuje badania powstające w laboratoriach kwantowych, instytucjach akademickich i krajowych programach badawczych. Skupia się na tym, jak modele uczenia maszynowego pomagają w zarządzaniu szumem kwantowym, kalibracji sprzętu oraz nawigacji po ogromnej złożoności systemów kwantowych, jednocześnie pozostając jasnym co do ograniczeń i niepewności, które wciąż definiują tę dziedzinę.

Artykuły autorstwa Quinn Aster są generowane przez SI i poddawane recenzji przez zespół redakcyjny Unite.AI, aby zapewnić dokładność, przejrzystość i odpowiedzialne relacjonowanie postępów w komputerach kwantowych oraz optymalizacji napędzanej przez SI.