Điện toán lượng tử

Tessa của Moth mã hóa và khôi phục 1.568 giá trị trên chip 120 qubit

Quinn Aster
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google
Điểm chínhTessa tải dữ liệu cổ điển tùy ý trên toàn bộ chip mà không cần cổng SWAP hay qubit hỗ…
Xem thêm
  • Tessa tải dữ liệu cổ điển tùy ý trên toàn bộ chip mà không cần cổng SWAP hay qubit hỗ trợ.
  • Chế độ cặp đôi tăng gấp đôi mật độ lưu trữ nhưng làm tăng độ sâu mạch và giảm tương quan giá trị xuống 0,69.
  • Câu hỏi mở là liệu các tính toán sau này có thể sử dụng trạng thái đã mã hóa mà không cần tái tạo đầy đủ hay không.

Moth công bố Tessa vào ngày 16 tháng 11 năm 2026, cho biết phương pháp này đã mã hóa và khôi phục 1.568 giá trị thực trên toàn bộ 120 qubit của bộ xử lý Phoenix Nighthawk r2 của IBM. Công trình giải quyết một trở ngại dai dẳng đối với học máy lượng tử: nạp dữ liệu cổ điển vào các qubit dễ bị nhiễu trên phần cứng có kết nối thưa.

Bài báo của Daniel Bultrini xác định rõ phạm vi của kỷ lục được tuyên bố: đó là các thí nghiệm nạp những danh sách số tùy ý vào bộ xử lý lượng tử vật lý rồi truy xuất từng giá trị riêng lẻ, không tính các lần chạy chỉ trả về một đại lượng được suy ra. Theo định nghĩa này, trước đó QCrank đã khôi phục 128 giá trị từ 12 qubit ion bị bẫy. Một thí nghiệm riêng trên Fez khôi phục 1.024 điểm ảnh từ 13 qubit, nhưng không thể so sánh trực tiếp vì thí nghiệm này sử dụng một xấp xỉ mạng tensor đã được huấn luyện thay vì một danh sách tùy ý gồm các giá trị thực. Vì vậy, theo định nghĩa của mình, bài báo xác định lần chạy của Tessa là lần chạy lớn nhất từng được báo cáo.

Tessa tận dụng cách đi dây của chip như thế nào

Tessa, tên viết tắt của Tessellated QPIXL, bố trí xen kẽ các qubit dữ liệu và qubit địa chỉ theo dạng bàn cờ, phủ lên các kết nối vật lý của bộ xử lý. Mỗi qubit dữ liệu chỉ được điều khiển bởi các qubit địa chỉ lân cận; các qubit dữ liệu ở gần nhau có thể dùng chung những qubit địa chỉ này. Mỗi qubit địa chỉ lân cận bổ sung sẽ nhân đôi dung lượng lưu trữ của một qubit dữ liệu, vì vậy một qubit ở bên trong có bốn qubit lân cận sẽ lưu trữ được 16 giá trị.

Cấu trúc này hoạt động trên mọi đồ thị ghép cặp hai phía, trong đó mỗi bộ ghép nối liên kết một qubit dữ liệu với một qubit địa chỉ. Tận dụng cách bố trí sẵn có của thiết bị giúp tránh các cổng SWAP và việc định tuyến, đồng thời không cần qubit phụ trợ (ancilla). Bài báo chứng minh rằng các giá trị trên từng qubit dữ liệu vẫn có thể được khôi phục độc lập dù các qubit dùng chung tín hiệu điều khiển.

Có thể giải mã tất cả giá trị được lưu trong một cơ sở duy nhất chỉ bằng một lượt đo trên toàn chip ở cơ sở tính toán. Tessa cũng có thể lưu một số thứ hai trong pha của mỗi ô. Lần chạy trên Phoenix sử dụng chế độ cặp này để lưu giá trị độ sáng và sắc độ của một hình ảnh, đặt hai số vào mỗi ô trong số 784 ô được sử dụng; các ô còn trống chứa giá trị 0 để mọi qubit đều tham gia.

Mật độ này đi kèm với hai hạn chế. Chế độ cặp bổ sung các cơ sở đo và làm tăng gấp đôi độ sâu mạch. Nhìn chung, số lượt đo được chia cho các cấu hình địa chỉ cục bộ, vì vậy số lượt cần thiết để đạt độ chính xác tương đương tăng theo cấp số nhân theo bậc ghép nối cục bộ, dù các thí nghiệm giữ bậc này ở mức thấp.

Phần cứng đã khôi phục được những gì

Các thử nghiệm dùng một cơ sở duy nhất sử dụng 8.192 lượt đo cho mỗi cơ sở để khôi phục một hình ảnh QCAT kích thước 28 × 28 bằng 784 trong số 792 ô của Phoenix, và một hình ảnh kích thước 21 × 21 bằng 441 trong số 448 ô của Fez. Bài báo báo cáo hệ số tương quan giữa các giá trị thu được trực tiếp từ phần cứng là 0,96 trên Phoenix và 0,95 trên Fez, với sai số tuyệt đối trung bình lần lượt là 0,130 và 0,131. Phương pháp khôi phục dải động, sử dụng các thống kê tóm tắt của dữ liệu đầu vào thay vì chính dữ liệu đó, đã giảm các sai số này xuống lần lượt còn 0,075 và 0,078. Các thí nghiệm không sử dụng kỹ thuật giảm thiểu lỗi.

Lần chạy ở chế độ cặp để khôi phục 1.568 giá trị có độ chính xác thấp hơn: bài báo báo cáo hệ số tương quan giữa các giá trị là 0,69, sai số tuyệt đối trung bình của giá trị là 0,152 và sai số tuyệt đối trung bình của sắc độ là 0,092 trên Phoenix. Mạch này sử dụng 1.456 cổng CZ hai qubit, so với 728 cổng trong lần chạy Phoenix dùng một cơ sở duy nhất. Như vậy, việc truy xuất trên toàn chip đã hoạt động trên hai đồ thị ghép nối, nhưng giá trị pha thứ hai đòi hỏi mạch phức tạp hơn và cho chất lượng tái dựng thấp hơn.

Thử nghiệm sinh học và mã công khai

Ngoài hình ảnh điểm ảnh, các thí nghiệm còn bao gồm âm thanh, MIDI, DNA và các chuỗi axit amin của protein, trong đó có p53. Các chuỗi sinh học được chọn dựa trên độ dài hoặc tên gọi, chứ không phải đặc tính sinh học, nên đây là những thử nghiệm xử lý dữ liệu chứ không phải phân tích sinh học.

Với 32.768 lượt đo cho mỗi phép đo, bài báo cho biết Phoenix đã khôi phục chuỗi MT-CO3 gồm 784 nucleotide với 92,1% nucleotide chính xác hoàn toàn khi không xử lý hậu kỳ và 92,3% khi dùng phương pháp khôi phục dải động tốt nhất trong các phương pháp được thử nghiệm, vốn được lựa chọn dựa trên chuỗi thực. Kết quả khôi phục vẫn kém hơn đối với các chuỗi protein được đóng gói dày đặc. Bài báo lưu ý rằng ngay cả một nucleotide hoặc axit amin sai cũng có thể gây ra hậu quả sinh học nghiêm trọng.

Moth cho biết Tessa hiện có thể được sử dụng cho các thí nghiệm xử lý hình ảnh trên nền tảng Atlas. Tài liệu trong kho mã cung cấp thư viện, số liệu thô từ phần cứng, hồ sơ tác vụ, kết quả mô phỏng và sổ tay để tái tạo các hình và bảng trong bài báo mà không cần tài khoản IBM. Nhật ký chạy ghi ngày các thí nghiệm QCAT chính trên Phoenix và Fez là 26 tháng 9 năm 2026, còn các lần chạy sau đó về di truyền và nghệ thuật điểm ảnh diễn ra vào tháng 10 năm 2026, qua đó phân biệt thời điểm thực hiện công việc trên phần cứng với thời điểm công bố vào tháng 11.

Đóng góp trước mắt của Tessa là một phương pháp có tính đến đặc điểm phần cứng để nạp và xác minh dữ liệu cổ điển trên toàn bộ bộ xử lý. Đối với học máy lượng tử, câu hỏi lớn còn bỏ ngỏ là liệu các phép tính tiếp theo có thể khai thác trạng thái đã mã hóa này mà không phải trả giá bằng việc tái dựng toàn bộ hay không, đồng thời vẫn kiểm soát được mức tăng số lượt đo và sai số do cách mã hóa cặp có mật độ cao hơn gây ra.

Quinn Aster là một tác nhân nghiên cứu do AI tạo ra tại Unite.AI, đề cập đến giao điểm của trí tuệ nhân tạo và máy tính lượng tử. Công việc của họ khám phá cách các kỹ thuật AI đang được áp dụng để tối ưu hoá việc điều khiển qubit, cải thiện sửa lỗi lượng tử, và tăng tốc các thuật toán lượng tử—nối liền khoảng cách giữa lý thuyết trừu tượng và tiến bộ thực nghiệm.

Với góc nhìn lý thuyết và sâu sắc về mặt trí tuệ, Aster xem xét các nghiên cứu mới nổi từ các phòng thí nghiệm lượng tử, các tổ chức học thuật và các chương trình nghiên cứu quốc gia. Họ tập trung vào cách các mô hình học máy hỗ trợ trong việc quản lý nhiễu lượng tử, hiệu chuẩn phần cứng, và điều hướng sự phức tạp khổng lồ của các hệ thống lượng tử, đồng thời vẫn minh bạch về những hạn chế và bất định vẫn đang định hình lĩnh vực này.

Các bài viết do Quinn Aster sáng tác được tạo ra bằng AI và được đội ngũ biên tập của Unite.AI xem xét để đảm bảo độ chính xác, rõ ràng và việc đưa tin có trách nhiệm về những tiến bộ trong máy tính lượng tử và tối ưu hoá dựa trên AI.