stub Kinesiska forskare skapar optisk kretsdriven kvant-superdator - Unite.AI
Anslut dig till vårt nätverk!

Quantum Computing

Kinesiska forskare skapar optisk kretsdriven kvant-superdator

mm

publicerade

 on

Ett team av forskare från olika forskningsinstitut över hela Kina har nyligen visat kvantöverlägsenhet tack vare en fotonisk kvantdator. En artikel som nyligen publicerades av tidskriften Science beskriver kvantdatorn som "Jiuzhang".

Som rapporterats av LiveScience, kvantdatorn, designad huvudsakligen av forskare vid University of Science and Technology, är enligt uppgift betydligt kraftfullare än kvantdatorn som designades av Google 2019. 2019 hävdade Google att den hade designat den första datorn någonsin för att uppnå "kvantöverhöghet ”, som refererar till användningen av kvantbaserade datorer för att överträffa nuvarande, traditionella superdatorer. Enligt uppgift är Jiuzhang cirka 10 miljarder gånger snabbare än kvantdatorn designad av Google.

Under de senaste åren har Kina gjort massiva investeringar inom kvantberäkningsområdet och finansierat forskningen vid landets nationella laboratorium för kvantinformationsvetenskap för cirka 10 miljarder dollar. Dessutom är Kina för närvarande en av världens ledande inom kvantnätverk. Kvantnätverk använder sig av kvantmekanik för att koda data när den sänds över långa avstånd.

Kvantdatorer drar nytta av de unika egenskaperna hos kvantpartiklar för att få bättre prestanda än traditionella datorer. Klassiska datorer kan bara behandla data som finns i ett av två olika tillstånd. Bitar i detta binära system använder ettor och nollor för att representera data, och det är i sig begränsad jämfört med kvantbitar (qubits), som kan existera i mer än två tillstånd samtidigt. Denna egenskap gör det möjligt för kvantdatorer att hantera mer komplexa problem och bearbeta uppgifter mycket snabbare än till och med de bästa superdatorerna idag.

Det har länge varit en teori om att kvantdatorer dramatiskt skulle kunna slå ut moderna datorer, men att producera en pålitlig kvantdator är en teknisk utmaning som fortfarande pågår. Kvantdatorer behöver ofta placeras i kontrollerade miljöer som förhindrar fluktuationer i temperatur eller andra miljövariabler som kan kasta ut en kvantdators beräkningar. Forskargrupper runt om i världen har experimenterat med olika sätt att bygga kvantdatorer. Medan Googles vunna kvantdator förlitade sig på supraledande material integrerade med chips, litar Jiuzhang på optiska kretsar.

För att testa Jizhang fick forskargruppen det att beräkna uteffekten av en krets som använder ljus och returnerar en lista med siffror. Denna process är känd som Gaussisk bosonsampling. Målet var att upptäcka så många fotoner som möjligt. Jiuzhang är en optisk krets i sig och den lyckades detektera i genomsnitt 43 fotoner, vilket slog rekordet på 76 fotoner.

Enligt tidningen publicerad i Science tog det ungefär 200 sekunder att generera listan med siffror för varje provkörning av kvantdatorn. Traditionella superdatorer skulle ta cirka 2.5 miljarder år att generera samma lista med siffror. Om samma beräkningshastighet gäller för andra uppgifter, kan kvantdatorer kunna utföra beräkningar runt 100 biljoner gånger snabbare än traditionella superdatorer.

Det är viktigt att notera att Jiuzhang bara kan utföra det smala utbudet av uppgifter som det utvecklades för, de som kretsar kring Gaussian Boson Sampling. Jiuzhang är inte en allmän kvantdator. Det är dock ett steg mot skapandet av praktiska kvantdatorer.

Som TechXplore rapporterade, Jiuzhang-datorn är inte det enda senaste exemplet på framsteg inom ljusbaserad datorteknik som har potentiella effekter på artificiell intelligens. Ett team av forskare har nyligen granskat de senaste framstegen när det gäller tillämpningen av optisk datoranvändning på visuella datortekniker, och fann att optiska datorplattformar potentiellt kan samverka med djupa neurala nätverk.

Forskargruppen studerade flera exempel på optisk datoranvändning vid sidan av AI för att finna att AI-inferens baserad på ljus som rör sig över optiska enheter kan användas för att skapa nya former av visuella datortekniker. Dessa inkluderar optiska neurala nätverk som snabbt kan bearbeta och klassificera objekt utan behov av en extern strömförsörjning, som förlitar sig på inkommande ljus för att driva beräkningarna.

AI-enheter som fungerar i system som smarta hem, fjärrsensorer och autonoma fordon kan förbättra kraften hos en vanlig elektronisk dator genom att använda ljus för att snabbt analysera objekt och miljön som omger objektet. Hybrida optiska datorsystem skulle kunna utnyttja både flexibiliteten hos traditionella datorer med parallelliteten och hastigheten hos optiska datorer.

Bloggare och programmerare med specialiteter inom Maskininlärning och Deep Learning ämnen. Daniel hoppas kunna hjälpa andra att använda kraften i AI för socialt bästa.