คอมพิวติ้งควอนตัม
นักฟิสิกส์ทำการค้นพบอุปกรณ์ควอนตัมใหม่
ประเด็นสำคัญควอนตัมเมมริสเตอร์ผสาน AI และการคำนวณเชิงควอนตัมบนชิปโฟโตนิก
ดูเพิ่มเติม
- ควอนตัมเมมริสเตอร์ผสาน AI และการคำนวณเชิงควอนตัมบนชิปโฟโตนิก
- โฟตอนเดี่ยวในสถานะซ้อนทับทำให้อุปกรณ์สามารถเลียนแบบพฤติกรรมของไซแนปส์ประสาท
- เครือข่ายเชิงแสงที่มีควอนตัมเมมริสเตอร์สามารถเรียนรู้ทั้งงานแบบคลาสสิกและควอนตัม
ทีมนักฟิสิกส์จากมหาวิทยาลัยเวียนนาได้สร้างอุปกรณ์ควอนตัมใหม่เรียกว่า ควอนตัมเมมริสเตอร์ (quantum memristor) ซึ่งสามารถรวมโลกของปัญญาประดิษฐ์ (AI) และเทคโนโลยีควอนตัมได้ การทดลองนี้ได้รับการดำเนินการร่วมกับ สภาวิจัยแห่งชาติ (NRC ) (CNR) และ Politecnico di Milano ในอิตาลี และได้รับการดำเนินการที่ตัวประมวลผลควอนตัมแบบบูรณาการที่ทำงานบนโฟตอนเดี่ยว
การวิจัยนี้ได้รับการตีพิมพ์ในวารสาร Nature Photonics
การค้นพบเมมริสเตอร์
การประยุกต์ใช้ปัญญาประดิษฐ์ขึ้นอยู่กับเครือข่ายประสาทที่ได้รับแรงบันดาลใจจากโครงสร้างทางชีววิทยาของสมองมนุษย์ และได้รับการฝึกด้วยวิธีการทางคณิตศาสตร์จนสามารถทำงานได้เหมือนมนุษย์ เช่น การรู้จำใบหน้า การขับรถ หรือการวิเคราะห์ภาพ หนึ่งในพื้นที่การวิจัยที่สำคัญที่สุดในด้านนี้ทั้งในระดับวิชาการและอุตสาหกรรมคือการรวมอุปกรณ์ที่สามารถคำนวณได้อย่างรวดเร็วและมีประสิทธิภาพ
เมื่อปี 2008 มีการค้นพบเมมริสเตอร์ ซึ่งเป็นอุปกรณ์ที่เปลี่ยนความต้านทานตามความจำของกระแสไฟฟ้าในอดีต หลังจากการค้นพบเมมริสเตอร์ นักวิทยาศาสตร์พบว่าพฤติกรรมของเมมริสเตอร์มีความคล้ายคลึงกับซินแอพส์ประสาท ทำให้เมมริสเตอร์กลายเป็นส่วนสำคัญของสถาปัตยกรรมเลียนแบบระบบประสาท
การออกแบบควอนตัมเมมริสเตอร์
กลุ่มนักฟิสิกส์ทดลองนำโดย Prof. Phillip Walther และ Dr. Roberto Osellame ได้แสดงให้เห็นว่าอุปกรณ์ที่มีพฤติกรรมเหมือนเมมริสเตอร์สามารถถูกออกแบบได้ อุปกรณ์นี้ยังสามารถกระทำต่อสถานะควอนตัมและเข้ารหัสและส่งข้อมูลควอนตัม ทำให้ได้รับการเรียกว่า “ควอนตัมเมมริสเตอร์” เป็นเรื่องที่ยากมากที่จะสร้างอุปกรณ์เช่นนี้เนื่องจากพลวัตของเมมริสเตอร์ที่มักขัดแย้งกับพฤติกรรมควอนตัมทั่วไป
ทีมงานได้พึ่งพาโฟตอนเดี่ยวและความสามารถในการแพร่กระจายพร้อมกันในสถานะซ้อนทับของสองเส้นทางขึ้นไป ซึ่งเป็นสิ่งที่ช่วยให้ทีมสามารถสร้างอุปกรณ์เช่นนี้ได้
พวกเขาทำการทดลองโดยให้โฟตอนเดี่ยวแพร่กระจายไปตามท่อนำคลื่นที่เขียนด้วยเลเซอร์บนวัสดุฐานแก้ว โฟตอนเดี่ยวเหล่านี้ถูกนำไปตามเส้นทางที่ซ้อนทับกัน และหนึ่งในเส้นทางเหล่านั้นถูกใช้เพื่อวัดฟลักซ์ของโฟตอนที่เคลื่อนที่ผ่านอุปกรณ์ ปริมาณของโฟตอนเหล่านี้จะปรับการส่งผ่านที่ช่องเอาต์พุตอีกช่องหนึ่ง ซึ่งทำให้เกิดพฤติกรรมที่ต้องการคล้ายกับเมมริสเตอร์
นักวิจัยยังสามารถดำเนินการจำลองการทำงานที่แสดงให้เห็นว่าเครือข่ายแสงพร้อมควอนตัมเมมริสเตอร์สามารถใช้ในการเรียนรู้งานทั้งคลาสสิกและควอนตัมได้ ซึ่งเป็นสิ่งที่ทำให้ทีมเชื่อว่าควอนตัมเมมริสเตอร์คือสิ่งที่จำเป็นในการรวมโลกของ AI และการคำนวณควอนตัม
Michele Spagnolo เป็นผู้เขียนลำดับแรกของบทความวิจัย
“การปลดปล่อยศักยภาพเต็มที่ของทรัพยากรควอนตัมภายในปัญญาประดิษฐ์เป็นหนึ่งในความท้าทายที่ยิ่งใหญ่ที่สุดของการวิจัยในปัจจุบันในฟิสิกส์ควอนตัมและวิทยาศาสตร์คอมพิวเตอร์” Spagnolo กล่าว












