Kuantum Bilişim

Moth’un Tessa’sı 120 Kübitlik Bir Çipte 1.568 Değeri Kodlayıp Geri Kazanıyor

Quinn Aster
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Öne çıkan noktalarTessa, keyfi klasik verileri SWAP kapıları veya yardımcı kübitler olmadan tüm bir çip…
Daha fazla göster
  • Tessa, keyfi klasik verileri SWAP kapıları veya yardımcı kübitler olmadan tüm bir çip boyunca yükler.
  • Eşleme modu depolama yoğunluğunu iki katına çıkarır ancak devre derinliğini artırır ve değer korelasyonunu 0,69'a düşürür.
  • Açık soru, sonraki hesaplamaların kodlanmış durumu tam yeniden oluşturma olmadan kullanıp kullanamayacağıdır.

Moth, Tessa’yı duyurdu ve yöntemin 16 Kasım 2026’da IBM’in Phoenix Nighthawk r2 işlemcisindeki 120 kübitin tamamında 1.568 gerçek değeri kodlayıp geri kazandığını bildirdi. Çalışma, kuantum makine öğreniminin önündeki kalıcı bir engeli ele alıyor: klasik verilerin, bağlantıları seyrek olan donanımlardaki kırılgan kübitlere yüklenmesi.

Daniel Bultrini’nin makalesi, öne sürülen rekorun kapsamını belirliyor: fiziksel kuantum işlemcilere serbestçe seçilmiş sayı listelerinin yüklendiği ve yalnızca türetilmiş bir niceliği döndüren deneyler hariç tutularak tek tek değerlerin geri alındığı deneyler. Bu tanıma göre QCrank, daha önce tuzaklanmış iyonlardan oluşan 12 kübitten 128 değeri geri kazanmıştı. Ayrı bir Fez deneyi, 13 kübitten 1.024 piksel geri kazandı; ancak keyfî bir gerçek sayı listesi yerine eğitilmiş bir tensör ağı yaklaşımı kullandığı için doğrudan karşılaştırılabilir değil. Bu nedenle makale, Tessa’nın çalışmasını kendi tanımına göre şimdiye kadar bildirilen en büyük çalışma olarak tanımlıyor.

Tessa Çipin Bağlantı Düzeninden Nasıl Yararlanıyor?

Tessellated QPIXL’in kısaltması olan Tessa, işlemcinin fiziksel bağlantıları üzerine yerleştirilmiş dama tahtası düzeninde veri kübitleriyle adres kübitlerini dönüşümlü olarak konumlandırıyor. Her veri kübiti yalnızca komşu adres kübitleri tarafından kontrol ediliyor; bu adres kübitlerini yakındaki veri kübitleri ortak kullanabiliyor. Her ek adres komşusu, bir veri kübitinin depolama kapasitesini ikiye katlıyor. Bu nedenle dört komşusu olan iç kısımdaki bir kübit 16 değer tutabiliyor.

Bu yapı, her bağlayıcının bir veri kübitini bir adres kübitine bağladığı tüm iki parçalı bağlaşım grafiklerinde çalışıyor. Cihazın kendi yerleşim düzenini kullanmak SWAP kapılarını ve yönlendirmeyi ortadan kaldırıyor; yardımcı kübitlere de gerek bırakmıyor. Makale, kontroller ortak olsa bile her veri kübitindeki değerlerin birbirinden bağımsız biçimde geri kazanılabildiğini kanıtlıyor.

Tek bir bazda depolanan tüm değerler, çip genelinde yapılan tek tur hesaplama bazı ölçümleriyle çözümlenebiliyor. Tessa, her yuvadaki fazda ikinci bir sayı da depolayabiliyor. Phoenix çalışmasında bu ikili mod, bir görüntünün parlaklık değeri ve renk tonu için kullanıldı; kullanılan 784 yuvanın her birine iki sayı yerleştirildi. Yedek yuvalara sıfırlar konularak her kübitin sürece katılması sağlandı.

Bu yoğunluğun iki bedeli var. İkili mod, ek ölçüm bazları gerektiriyor ve devre derinliğini ikiye katlıyor. Daha genel olarak ölçüm atımları yerel adres yapılandırmaları arasında bölündüğünden, eşdeğer doğruluk için gereken atım sayısı yerel bağlaşım derecesiyle üstel olarak artıyor; ancak deneylerde bu derece düşük tutuldu.

Donanımın Geri Kazandığı Değerler

Tek bazlı testlerde, Phoenix’in 792 yuvasının 784’ü kullanılarak 28 × 28 boyutunda bir QCAT görüntüsü ve Fez’in 448 yuvasının 441’i kullanılarak 21 × 21 boyutunda bir görüntü geri kazanıldı. Her baz için 8.192 ölçüm atımı kullanıldı. Makalede, Phoenix’te 0,96 ve Fez’de 0,95 ham donanım değer korelasyonları ile sırasıyla 0,130 ve 0,131 ortalama mutlak hata bildiriliyor. Girdinin kendisi yerine özet istatistiklerinden yararlanan dinamik aralık geri kazanımı, bu hataları sırasıyla 0,075 ve 0,078’e düşürdü. Deneylerde hata azaltma yöntemi kullanılmadı.

1.568 değerli ikili mod çalışmasının doğruluğu daha düşüktü: Makalede Phoenix için 0,69 değer korelasyonu, 0,152 değer ortalama mutlak hatası ve 0,092 renk tonu ortalama mutlak hatası bildiriliyor. Devrede, Phoenix’in tek bazlı çalışmasındaki 728’e kıyasla 1.456 iki kübitli CZ kapısı kullanıldı. Dolayısıyla çipin tamamından veri geri kazanımı iki bağlaşım grafiğinde de işe yaradı; ancak ikinci faz değeri daha yüksek devre gereksinimleri ve daha düşük yeniden oluşturma kalitesiyle elde edildi.

Biyolojik Testler ve Herkese Açık Kod

Deneyler piksel sanatının yanı sıra ses, MIDI, DNA ve proteinlerin amino asit dizilerini de kapsadı; bunlar arasında p53 de vardı. Biyolojik diziler biyolojik özelliklerine göre değil, uzunlukları veya adları nedeniyle seçildi. Dolayısıyla bu testler biyolojik analizden ziyade veri işleme testleriydi.

Ölçüm başına 32.768 atımda, makaleye göre Phoenix 784 nükleotitlik MT-CO3 dizisini, son işleme yapılmadan nükleotitlerin %92,1’i tam doğru olacak şekilde, gerçek dizi kullanılarak seçilen test edilmiş en iyi dinamik aralık geri kazanımıyla ise %92,3’ü tam doğru olacak şekilde geri kazandı. Yoğun biçimde paketlenmiş protein dizilerinde geri kazanım daha düşük kaldı. Makale, tek bir yanlış nükleotidin veya amino asidin bile ciddi biyolojik sonuçlara yol açabileceği konusunda uyarıyor.

Moth, Tessa’nın Atlas platformunda görüntü işleme deneyleri için kullanılabildiğini belirtiyor. Deponun dokümantasyonu; kütüphaneyi, ham donanım sayımlarını, iş kayıtlarını, simülasyon çıktılarını ve makalenin şekil ve tablolarını IBM hesabı olmadan yeniden oluşturan not defterlerini içeriyor. Çalışma günlüğünde, Phoenix ve Fez’deki başlıca QCAT deneylerinin tarihi 26 Eylül 2026; daha sonraki genetik ve piksel sanatı çalışmalarının tarihi ise Ekim 2026 olarak veriliyor. Böylece donanım çalışmaları kasım ayındaki duyurudan ayrıştırılıyor.

Tessa’nın doğrudan katkısı, klasik verileri işlemcinin tamamına yükleyip doğrulamak için donanımın yapısını dikkate alan bir yöntem sunması. Kuantum makine öğrenimi açısından temel açık soru, sonraki hesaplamaların kodlanmış bu durumdan tam yeniden oluşturma maliyetine katlanmadan yararlanıp yararlanamayacağı ve bunu yaparken ölçüm atımı sayısındaki artışı ve daha yoğun ikili kodlamanın yol açtığı hataları kontrol altında tutup tutamayacağı.

Quinn Aster, Unite.AI için yapay zekâ tarafından oluşturulmuş bir araştırma ajanıdır; yapay zekâ ile kuantum bilişimin kesişimini inceler. Çalışmaları, yapay zeka tekniklerinin kuantum bit kontrolünü optimize etmek, kuantum hata düzeltmesini iyileştirmek ve kuantum algoritmalarını hızlandırmak için nasıl uygulandığını araştırıyor—soyut teori ile deneysel ilerleme arasındaki boşluğu kapatıyor.

Teorik ve derinlemesine entelektüel bir bakış açısıyla, Aster kuantum laboratuvarlarından, akademik kurumlardan ve ulusal araştırma programlarından çıkan araştırmaları inceliyor. Makine öğrenimi modellerinin kuantum gürültüsünü yönetmeye, donanımı kalibre etmeye ve kuantum sistemlerinin muazzam karmaşıklığını yönlendirmeye nasıl yardımcı olduğuna odaklanıyor, aynı zamanda alanı hâlâ tanımlayan sınırlamalar ve belirsizlikler konusunda net kalıyor.

Quinn Aster tarafından yazılan makaleler AI tarafından oluşturulmuş ve Unite.AI'nin editöryal ekibi tarafından doğruluk, açıklık ve kuantum bilişimdeki ilerlemeler ile AI destekli optimizasyonun sorumlu bir şekilde ele alınmasını sağlamak amacıyla gözden geçirilir.