Cercetătorii Google au descoperit o nouă tehnică care ar putea, în sfârșit, să facă computația cuantică practică în viața reală, folosind inteligența artificială pentru a rezolva una dintre cele mai persistente provocări ale științei: stări mai stabile.

Într-o lucrare de cercetare publicată în Nature, oamenii de știință de la Google Deepmind explică că noul lor sistem IA, AlphaQubit, s-a dovedit remarcabil de succes în corectarea erorilor persistente care au afectat de mult computerele cuantice.

„Computerele cuantice au potențialul de a revoluționa descoperirea medicamentelor, proiectarea materialelor și fizica fundamentală—adică, dacă putem să le facem să funcționeze fiabil,” se arată în anunțul Google. Dar nimic nu este perfect: sistemele cuantice sunt extraordinar de fragile. Chiar și cea mai mică interferență ambientală—de la căldură, vibrații, câmpuri electromagnetice sau chiar raze cosmice—poate perturba stările lor cuantice delicate, ducând la erori care fac calculul nesigur.

O lucrare de cercetare din martie evidențiază provocarea: computerele cuantice au nevoie de o rată de eroare de doar una la un trilion de operațiuni (10^-12) pentru utilizare practică. Cu toate acestea, hardware-ul actual are rate de eroare între 10^-3 și 10^-2 pe operațiune, făcând corectarea erorilor crucială.

„Anumite probleme, care ar necesita unui computer convențional miliarde de ani pentru a fi rezolvate, ar necesita unui computer cuantic doar câteva ore”, afirmă Google. „Cu toate acestea, aceste noi procesoare sunt mai predispuse la zgomot decât cele convenționale.”

„Dacă vrem să facem computerele cuantice mai fiabile, mai ales la scară, trebuie să identificăm și să corectăm aceste erori cu precizie.”

Noul sistem IA al Google, AlphaQubit, vrea să abordeze această problemă. Sistemul IA folosește o arhitectură sofisticată de rețea neurală care a demonstrat o precizie fără precedent în identificarea și corectarea erorilor cuantice, arătând cu 6% mai puține erori decât cele mai bune metode anterioare în experimente la scară largă și cu 30% mai puține erori decât tehnicile tradiționale.

De asemenea, a menținut o precizie ridicată în rândul sistemelor cuantice variind de la 17 qubits la 241 qubits—ceea ce sugerează că abordarea ar putea scala la sistemele mai mari necesare pentru computația cuantică practică.

Sub capotă

AlphaQubit folosește o abordare în două etape pentru a-și atinge precizia ridicată.

Sistemul se antrenează mai întâi pe date simulate de zgomot cuantic, învățând tipare generale ale erorilor cuantice, apoi se adaptează la hardware-ul cuantic real folosind o cantitate limitată de date experimentale.

Această abordare permite AlphaQubit să gestioneze efectele zgomotului cuantic complex din lumea reală, inclusiv cros-talk între qubits, scurgeri (când qubits ies din stările lor computaționale) și corelații subtile între diferite tipuri de erori.

Dar nu te entuziasma prea mult; nu vei avea în curând un computer cuantic în garajul tău.

În ciuda preciziei sale, AlphaQubit se confruntă în continuare cu obstacole semnificative înainte de implementarea practică. „Fiecare verificare de consistență într-un procesor cuantic superconductiv rapid este măsurată de un milion de ori pe secundă”, notează cercetătorii. „Deși AlphaQubit este excelent în identificarea precisă a erorilor, este încă prea lent pentru a corecta erorile într-un procesor superconductiv în timp real.”

„Antrenamentul la distanțe mai mari de cod este mai provocator deoarece exemplele sunt mai complexe, iar eficiența eșantionului pare mai mică la distanțe mai mari”, a declarat un purtător de cuvânt Deepmind pentru Decrypt, „Este important deoarece rata de eroare crește exponențial cu distanța codului, așa că ne așteptăm să fie necesar să rezolvăm distanțe mai mari pentru a obține rate de eroare ultra-scăzute necesare pentru calculul rezistent la erori pe circuite cuantice mari și profunde.

Cercetătorii se concentrează pe optimizarea vitezei, scalabilitate și integrare ca domenii critice pentru dezvoltarea viitoare.

IA și computația cuantică formează o relație sinergică, îmbunătățind potențialul celuilalt. „Ne așteptăm ca IA/ML și computația cuantică să rămână abordări complementare pentru calcul. IA poate fi aplicată în alte domenii pentru a sprijini dezvoltarea computerelor cuantice rezistente la erori, cum ar fi calibrarea și compilarea sau proiectarea algoritmilor,” a declarat purtătorul de cuvânt pentru Decrypt, „în același timp, oamenii caută aplicații de ML cuantic pentru date cuantice și, mai speculativ, pentru algoritmi de ML cuantic pe date clasice.

Această convergență ar putea reprezenta un punct de cotitură crucial în știința computațională. Pe măsură ce computerele cuantice devin mai fiabile prin corectarea erorilor asistată de IA, acestea ar putea, la rândul lor, să ajute la dezvoltarea unor sisteme IA mai sofisticate, creând un puternic ciclu de feedback al avansului tehnologic.

Era computației cuantice practice, mult promisă, dar niciodată livrată, ar putea fi în sfârșit mai aproape—deși nu suficient de aproape pentru a începe să ne îngrijorăm de un apocalipsă cyborg.

Editat de Sebastian Sinclair