Исследователи Google обнаружили новую технику, которая наконец может сделать квантовые вычисления практичными в реальной жизни, используя искусственный интеллект для решения одной из самых настойчивых задач науки: более стабильные состояния.

В исследовательской работе, опубликованной в Nature, ученые Google Deepmind объясняют, что их новая система ИИ, AlphaQubit, оказалась невероятно успешной в коррекции постоянных ошибок, которые долгое время мучили квантовые компьютеры.

"Квантовые компьютеры имеют потенциал революционизировать открытие лекарств, проектирование материалов и фундаментальную физику, если мы сможем заставить их работать надежно," говорится в объявлении Google. Но ничто не идеально: квантовые системы чрезвычайно хрупки. Даже малейшее воздействие окружающей среды — от тепла, вибрации, электромагнитных полей или даже космических лучей — может нарушить их деликатные квантовые состояния, приводя к ошибкам, которые делают вычисления ненадежными.

Исследовательская работа за март подчеркивает проблему: квантовым компьютерам требуется уровень ошибок всего один на триллион операций (10^-12) для практического использования. Однако текущие аппаратные средства имеют уровни ошибок от 10^-3 до 10^-2 на операцию, что делает коррекцию ошибок крайне важной.

"Некоторые задачи, решение которых заняло бы у обычного компьютера миллиарды лет, квантовый компьютер решит всего за несколько часов," заявляет Google. "Однако эти новые процессоры более подвержены шуму, чем обычные."

«Если мы хотим сделать квантовые компьютеры более надежными, особенно в масштабе, нам нужно точно идентифицировать и исправлять эти ошибки.»

Новая система ИИ Google, AlphaQubit, хочет решить эту проблему. Система ИИ использует сложную архитектуру нейронной сети, которая продемонстрировала беспрецедентную точность в идентификации и коррекции квантовых ошибок, показывая на 6% меньше ошибок, чем предыдущие лучшие методы в масштабных экспериментах и на 30% меньше ошибок, чем традиционные техники.

Он также сохранял высокую точность в квантовых системах от 17 кубитов до 241 кубита, что предполагает, что этот подход может масштабироваться к более крупным системам, необходимым для практических квантовых вычислений.

Под Капотом

AlphaQubit применяет двухступенчатый подход для достижения своей высокой точности.

Система сначала обучается на данных о смоделированном квантовом шуме, изучая общие шаблоны квантовых ошибок, а затем адаптируется к реальному квантовому оборудованию, используя ограниченное количество экспериментальных данных.

Этот подход позволяет AlphaQubit справляться со сложными эффектами квантового шума в реальном мире, включая перекрестные помехи между кубитами, утечку (когда кубиты выходят из своих вычислительных состояний) и тонкие корреляции между различными типами ошибок.

Но не радуйтесь слишком сильно; у вас скоро не будет квантового компьютера в гараже.

Несмотря на свою точность, AlphaQubit все еще сталкивается с значительными препятствиями перед практической реализацией. "Каждая проверка согласованности в быстром сверхпроводящем квантовом процессоре измеряется миллион раз в секунду," отмечают исследователи. "Хотя AlphaQubit отлично справляется с точной идентификацией ошибок, он все еще слишком медленный, чтобы исправлять ошибки в сверхпроводящем процессоре в реальном времени."

"Обучение на больших расстояниях кода более сложно, потому что примеры более сложные, а эффективность выборки кажется ниже на больших расстояниях," сказал представитель Deepmind Decrypt, "Это важно, потому что уровень ошибок экспоненциально масштабируется с расстоянием кода, поэтому мы ожидаем, что нам нужно будет решать большие расстояния, чтобы получить ультранизкие уровни ошибок, необходимые для устойчивых к ошибкам вычислений на больших глубоких квантовых схемах.

Исследователи сосредоточены на оптимизации скорости, масштабируемости и интеграции как критических областях для будущего развития.

ИИ и квантовые вычисления образуют синергетические отношения, усиливающие потенциал друг друга. "Мы ожидаем, что ИИ/МЛ и квантовые вычисления останутся взаимодополняющими подходами к вычислениям. ИИ может быть применен в других областях для поддержки разработки устойчивых к ошибкам квантовых компьютеров, таких как калибровка и компиляция или проектирование алгоритмов," сказал представитель Decrypt, "в то же время люди изучают приложения квантового МЛ для квантовых данных и более спекулятивно, для квантовых МЛ-алгоритмов на классических данных.

Это слияние может представлять собой важный поворотный момент в вычислительной науке. Поскольку квантовые компьютеры становятся более надежными благодаря коррекции ошибок с помощью ИИ, они, в свою очередь, могут помочь в разработке более сложных систем ИИ, создавая мощную обратную связь технологического прогресса.

Эра практических квантовых вычислений, долго обещанная, но никогда не осуществленная, наконец может стать ближе, хотя и не достаточно близко, чтобы начинать беспокоиться о киборг-апокалипсисе.

Отредактировано Себастьяном Синклером