با «ویلو» تراشه کوانتومی پیشرفته گوگل آشنا شوید

امتیاز شما

تراشه جدید ما خطاها را تصحیح می‌کند و عملکردی دارد که راه را برای ساخت رایانه کوانتومی کارآمد و در مقیاس بزرگ هموار می‌کند.

هارتموت نون – بنیانگذار و رئیس «گوگل کوانتوم ای‌آی»

مفتخرم که امروز «ویلو» جدیدترین تراشه کوانتومی شرکت‌مان را معرفی کنم. «ویلو» از بسیاری لحاظ بهترین عملکرد ممکن را دارد و دو دستاورد مهم را محقق می‌کند.

  • اولین مورد این است که «ویلو» می‌تواند در عین افزایش استفاده از کیوبیت‌، خطا را به شکل نمایی کاهش دهد. این چالش بزرگی را در تصحیح خطای کوانتومی حل می‌کند که متخصصان این حوزه تقریبا سی سال درگیر آن بوده‌اند.
  • دومین مورد این است که «ویلو» یک محاسبات مقایسه عملکرد استاندارد را در کمتر از پنج دقیقه انجام داد که در سریع‌ترین ابررایانه‌های امروزی ۱۰ سپتیلیون (یعنی ۱۰۲۵) سال طول می‌کشد. این رقم بسیار بیشتر از سن کیهان است.

تراشه «ویلو» گام بزرگی در مسیری که ۱۰ سال پیش آغاز شد، به شمار می‌رود. وقتی «گوگل کوانتوم ای‌آی» را سال ۲۰۱۲ تاسیس کردم، چشم انداز این بود که رایانه کوانتومی کارآمدی را در مقیاس بزرگ بسازیم که بتواند از مکانیک کوانتوم بهره بگیرد تا به جامعه سود برساند. مکانیک کوانتوم تا جایی که امروز می‌دانیم، «سیستم عامل»‌ طبیعت است. می‌توان از آن‌ در پیش‌برد کشفیات علمی، توسعه کاربردهای سودمند و حل کردن بزرگ‌ترین چالش‌های جامعه استفاده کرد. تیم ما، به عنوان بخشی از «گوگل ریسرچ»، نقشه راه بلند مدتی ترسیم کرده است و «ویلو» ما رادر این راه به سمت کاربردهایی سوق می‌دهد که می‌تواند در بازار عرضه و تجاری‌سازی شوند.

تصحیح خطای کوانتومی نمایی – زیر آستانه!

خطا یکی از چالش‌های بزرگ در محاسبات کوانتومی به شمار می‌رود زیرا کیوبیت‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ها که همان واحد‌های انجام محاسبات در رایانه هستند تمایل به تبادل سریع اطلاعات با محیط خود دارند و این موضوع حفظ اطلاعات لازم برای تکمیل محاسبات را دشوار می‌کند. معمولاً هر چه بیشتر از کیوبیت‌ استفاده شود، میزان خطا بیشتر و سیستم کلاسیک‌‌تر می‌شود.

امروز در «نیچر» نتایجی را منتشر کردیم که نشان می‌دهد با استفاده بیشتر از کیوبیت‌ها در «ویلو» میزان خطا کاهش میابد و سیستم کوانتومی‌تر می‌شود. ما آرایه‌های بزرگ‌تری از کیوبیت‌های فیزیکی را آزمایش کردیم، و اندازه آن را از شبکه‌های 3×3، به 5×5، و سپس 7×7 افزایش دادیم و هر بار با تازه‌ترین دستاوردهای خود در زمینه تصحیح خطای کوانتومی، توانستیم میزان خطا را به نصف کاهش دهیم. به عبارت دیگر، به کاهش نمایی میزان خطا دست پیدا کردیم. این دستاورد تاریخی در این رشته «زیر آستانه» نام دارد که به معنای توانایی کاهش میزان خطا با افزایش تعداد کیوبیت‌ها است. برای نشان دادن پیشرفت واقعی در زمینه تصحیح خطا باید زیر آستانه باشید و این از سال ۱۹۹۵ که پیتر شور مسئله تصحیح خطای کوانتومی را مطرح کرد، چالش بزرگی بوده است.

«اولین‌»‌های علمی دیگری نیز در این نتیجه وجود دارند. برای مثال، این یکی از نمونه‌های مستدل از تصحیح خطای لحظه‌ای در سیستم کوانتومی ابررسانا نیز به شمار می‌رود. این مسئله برای هر محاسبات کارآمدی اهمیت زیادی دارد زیرا در صورتی که خطاها سریع اصلاح نشوند، محاسبات پیش از تکمیل شدن خراب می‌شوند. آرایه‌های کیوبیت ما طول عمر بیشتری نسبت به کیوبیت‌های فیزیکی مجزا دارند. این موضوع به خوبی نشان می‌دهد که تصحیح خطا موجب ارتقای سیستم می‌شود.

به عنوان اولین سیستم زیر آستانه، این متقاعدکننده‌ترین نمونه اولیه کیوبیت مقیاس پذیر است که تا به امروز ساخته شده است. این به خوبی نشان می‌دهد که ساخت رایانه‌های کارآمد کوانتومی در مقیاس بزرگ ممکن است. «ویلو» ما را به پیاده‌سازی الگوریتم‌هایی کاربردی و تجاری نزدیک‌تر می‌کند که در رایانه‌های معمولی شدنی نیست.

۱۰ سپتیلیون سال در سریع‌ترین ابررایانه‌های امروزی

برای ارزیابی عملکرد ویلو، از معیار نمونه برداری مدار تصادفی (RCS) استفاده کردیم. نمونه برداری مدار تصادفی که تیم ما در آن پیشگام بوده است و اکنون به طور گسترده به عنوان استانداردی در این حوزه استفاده می‌شود، دشوارترین آزمایش مقایسه عملکرد کلاسیکی است که امروز روی رایانه کوانتومی امکان پذیر است. شما می‌توانید این را نقطه ورود محاسبات کوانتومی در نظر بگیرید. این درواقع بررسی می‌کند که آیا رایانه کوانتومی کاری انجام می‌دهد که رایانه کلاسیک نتواند انجام دهد. هر تیمی که رایانه کوانتومی می‌سازد باید ابتدا بررسی کند که آیا آن رایانه می‌تواند رایانه‌های کلاسیک را در نمونه برداری مدار تصادفی شکست دهد. در غیر این صورت، توانایی آن در انجام وظایف کوانتومی پیچیده بسیار شک برانگیز می‌شود. همیشه از این آزمایش مقایسه‌‌ای برای سنجش میزان پیشرفت نسل جدید نسبت به نسل پیشین آن استفاده کرده‌ایم. نتایج «سیکامور» را در اکتبر ۲۰۱۹ گزارش کردیم و به تازگی باری دیگر در اکتبر ۲۰۲۴ آن را منتشر کرده‌ایم.

عملکرد «ویلو» در این آزمایش مقایسه عملکرد حیرت‌انگیز بوده است. «ویلو» محاسباتی را در کمتر از پنج دقیقه انجام داد که در سریع‌ترین ابررایانه‌های امروزی ۱۰۲۵ یا ۱۰ سپتیلیون سال طول می‌کشد. اگر آن را بنویسید، ۱۰،۰۰۰،۰۰۰،۰۰۰،۰۰۰،۰۰۰،۰۰۰،۰۰۰،۰۰۰ سال می‌شود. این عدد سرسام آور از مقیاس‌های زمانی شناخته‌شده در فیزیک بیشتر است و از سن کیهان نیز عبور کرده‌است. این موضوع به ذهنیت رخ دادن محاسبات کوانتومی در بسیاری از جهان‌های موازی اعتبار می‌بخشد و با ایده اینکه ما در جهان‌های چندگانه زندگی می‌کنیم، مطابقت دارد. این ایده را اولین بار دیوید دویچ مطرح کرد.

جدیدترین نتایج «ویلو» که در نمودار ذیل نشان داده شده تا به اینجا بهترین بوده است و ما به پیشرفت خود ادامه می‌دهیم.

حافظه در دسترس تاثیر بسیاری روی هزینه‌های محاسباتی می‌گذارد. بنابراین، پیش‌بینی‌های ما شامل چند سناریو می‌شود، از وضعیت ایده آل با حافظه نامحدود (▲) آغاز شده و تا پیاده‌سازی عملی و موازی روی GPU (⬤) ادامه پیدا می‌کند.

ارزیابی ما از اینکه «ویلو» چگونه از «فرانتیر»، یکی از قدرتمندترین ابررایانه‌های کلاسیک جهان، پیشی می‌گیرد، بر اساس فرضیاتی محافظه کارانه بود. برای نمونه، ما فرض کردیم دسترسی کاملی به فضای ذخیره‌سازی ثانویه مانند دیسک سخت داریم و محدودیتی برای پهنای باند درنظر نگرفتیم. این مزایا برای «فرانتیر» بسیار زیاد و غیر واقع بینانه بود. البته مانند آنچه بعد از معرفی اولین محاسبات فراکلاسیک در سال ۲۰۱۹ رخ داد، انتظار داریم رایانه‌های کلاسیک همچنان در این آزمایش مقایسه عملکرد پیشرفت نشان بدهند اما افزایش سریع این فاصله حاکی از آن است که پردازنده‌های کوانتومی با سرعت نمایی دوبرابری درحال فاصله گرفتن هستند و هرچه ‌آن‌ها را بیشتر ارتقا دهیم، عملکردشان نسبت به رایانه‌های کلاسیک بهتر می‌شود.

عملکرد مدرن

ویلو در تاسیسات تولید پیشرفته ما در سانتا بارابارا ساخته شد. این یکی از معدود تاسیسات جهان است که از ابتدا به این منظور ساخته شده است. مهندسی سیستم در طراحی و تولید تراشه‌های کوانتومی نقش مهمی ایفا می‌کند: همه اجزای تراشه‌ها مانند، گیت‌های تک کیوبیتی و دو کیوبیتی، کیوبیت ریست و کیوبیت ریداوت باید به خوبی مهندسی و یکپارچه شده باشند. اگر هریک از این اجزا کند باشند یا اینکه دو جز عملکرد خوبی بایکدیگر نداشته باشند، میزان عملکرد سیستم کاهش میابد. بنابراین، به حداکثر رساندن عملکرد سیستم همه جنبه‌های این فرآیند، از معماری و تولید تراشه گرفته تا توسعه و کالیبره کردن گیت را تحت تاثیر قرار می‌دهد و به آن جهت‌دهی می‌کند. دستاوردهایی که گزارش کردیم، نگاهی کل نگر به سیستم‌های محاسبه کوانتومی دارد و صرفا در هر بار یکی از عوامل را در نظر نمی‌گیرد.

تمرکز ما روی کیفیت و نه صرفا کمیت است زیرا افزایش تولید میزان تولید کیوبیت‌هایی که از کیفیت لازم برخوردار نیستند، فایده‌ای ندارد. با ۱۰۵ کیوبیت، «ویلو» اکنون بهترین عملکرد را در زمینه دو آزمایش مقایسه عملکرد سیستم ذکر شده یعنی تصحیح خطای کوانتومی و نمونه‌برداری مدار تصادفی در نوع خود دارد. چنین آزمایش‌های مقایسه‌‌‌‌‌‌ عملکرد الگوریتمی بهترین روش سنجش عملکرد کلی تراشه هستند. سایر آزمایش‌های مقایسه عملکرد که جزئی و دقیق‌تر هستند نیز اهمیت دارند. برای نمونه، زمان T1 که مدت زمانی را که کیوبیت‌ها برانگیختگی خود را حفظ می‌کند، نشان می‌دهد، اکنون به ۱۰۰ میکرو ثانیه نزدیک شده است. توانایی حفظ این برانگیختگی به معنای ماندگاری اطلاعات و برای انجام محاسبات کوانتومی بسیار ضروری است. این پیشرفتی چشمگیر و پنج برابری نسبت به تراشه‌های نسل قبلی ما به شمار می‌رود. اگر می‌خواهید سخت‌افزار کوانتومی را ارزیابی کنید و آن را در پلتفرم‌های مختلف مقایسه کنید، اینجا جدولی از ویژگی‌های مهم آن قرار دارد.

عملکرد «ویلو» در تعدادی از آزمایش‌های مقایسه عملکرد

آینده «ویلو» و فراتر از آن

چالش بعدی این حوزه، انجام اولین محاسبات «کارآمد و فراتر از کلاسیک» روی تراشه‌های کوانتومی امروزی آن هم به نحوی است که در دنیای واقعی کاربردی باشد. امیدواریم که تراشه‌های نسل «ویلو» بتوانند در دستیابی به این هدف ما را کمک کنند. تاکنون دو نوع آزمایش انجام داده‌ایم. از یک طرف، آزمایش مقایسه‌ای نمونه برداری مدار تصادفی را پیاده کرده‌ایم که عملکرد را در برابر رایانه‌های کلاسیک می‌سنجد، اما هیچ کاربرد شناخته‌شده‌ای در دنیای واقعی ندارد. از سوی دیگر، شبیه‌سازی‌های علمی جالبی از سیستم‌های کوانتومی کرده‌ایم که منجر به اکتشافات علمی تازه‌ای شدند، اما همچنان رایانه‌های کلاسیک قادر به انجام آن‌ها هستند. هدف ما این است که این دو را همزمان انجام دهیم: قدم گذاشتن در قلمرو الگوریتم‌هایی که در توان رایانه‌های کلاسیک نیستند و همچنین برای مسائل تجاری و در عمل کارآمد هستند.

نمونه برداری مدار تصادفی (RCS)، در حالی که برای رایانه‌های کلاسیک بسیار چالش برانگیز است، هنوز کاربرد تجاری در عمل ندارد.

ما از محققان، مهندسان و توسعه دهندگان دعوت می‌کنیم تا با بررسی نرم افزار منبع باز و منابع آموزشی ما، از جمله دوره جدیدمان در Coursera، به ما بپیوندند و در ساخت الگوریتم‌هایی به ما کمک کنند که مشکلات آینده را حل می‌کنند.

همکاران من بعضی اوقات می‌پرسند که چرا حوزه هوش مصنوعی که به سرعت در حال توسعه است را کنار گذاشتم تا روی محاسبات کوانتومی تمرکز کنم. پاسخ من این است که هردوی این فناوری‌ها تغییرات بزرگی را در عصر ما رقم خواهند زد اما دسترسی به محاسبات کوانتومی برای هوش مصنوعی پیشرفته منفعت زیادی خواهد داشت. به همین دلیل نام آزمایشگاه‌مان را «کوانتوم ای‌آی» گذاشتم. همانطور که در RCS مشاهده می‌کنیم، الگوریتم‌های کوانتومی قوانین مقیاس‌بندی اساسی دارند. بسیاری از وظایف محاسباتی بنیادینی که برای هوش مصنوعی ضروری هستند، مزایای مقیاس بندی مشابهی دارند. بنابراین محاسبات کوانتومی برای جمع‌آوری داده‌های آموزشی که ماشین‌های کلاسیک به آن‌ها دسترسی ندارند، آموزش و بهینه‌سازی برخی معماری‌های یادگیری، و مدل‌سازی سیستم‌هایی که اثرات کوانتومی اهمیت دارند، ضروری خواهد بود. این شامل کمک به ما در کشف داروهای جدید، طراحی باتری‌هایی با بهره‌وری بیشتر برای خودروهای برقی و تسریع پیشرفت در زمینه همجوشی و انرژی‌های نو و جایگزین‌ است. بسیاری از این کاربردهای سرنوشت‌ساز در رایانه‌های کلاسیک شدنی نیستند. آن‌ها منتظر هستند تا با محاسبات کوانتومی ممکن شوند.

mh hasanoghli
ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *


The reCAPTCHA verification period has expired. Please reload the page.