تبدیل یک مزیت کوانتومی: جی گامبتای IBM در یکپارچه‌سازی محاسبات کوانتومی و کلاسیک

شرکت‌ها و آزمایشگاه‌های تحقیقاتی در سراسر جهان در تلاش هستند تا فناوری‌های کوانتومی نوپای خود را از آزمایشگاه خارج کنند و به دنیای واقعی وارد کنند، و غول فناوری ایالات متحده IBM یکی از بازیگران اصلی آن است. در اردیبهشت امسال، آی بی ام کوانتوم از جدیدترین نقشه راه خود رونمایی کرد برای آینده محاسبات کوانتومی در دهه آینده، و این شرکت اهداف بلندپروازانه ای را تعیین کرده است. با اعلام آن پردازنده ایگل با 127 بیت کوانتومی (کیوبیت) در سال گذشته، شرکت است در حال حاضر در حال توسعه پردازنده 433 کیوبیت Osprey برای اولین بار در سال جاری، که در سال 2023 توسط Condor 1121 کیوبیتی عرضه خواهد شد.

اما فراتر از آن، این شرکت می‌گوید، بازی به مونتاژ چنین پردازنده‌هایی در مدارهای مدولار روی می‌آورد که در آن تراشه‌ها از طریق اتصالات کوانتومی کم‌تر یا کلاسیک به هم متصل می‌شوند. این تلاش در سال 4158 به دستگاه کوکابورا 2025 کیوبیتی خود می گویند. فراتر از آن، آی بی ام ماژولار را پیش بینی می کند. پردازنده هایی با 100,000 کیوبیت یا بیشتر، قادر به محاسبه بدون خطاهایی هستند که در حال حاضر محاسبات کوانتومی را به یافتن راه حل هایی برای نویز بودن کیوبیت ها تبدیل می کند. با این رویکرد، تیم محاسبات کوانتومی شرکت مطمئن است که می‌تواند به یک "مزیت کوانتومی" کلی دست یابد، که در آن رایانه‌های کوانتومی به طور مداوم از رایانه‌های کلاسیک بهتر عمل می‌کنند و محاسبات پیچیده را فراتر از ابزارهای کلاسیک انجام می‌دهند.

در حالی که او در لندن در راه بود 28th کنفرانس Solvay در بروکسل، که با اطلاعات کوانتومی مقابله می کرد، دنیای فیزیک گرفتار فیزیکدان جی گامبتا، معاون IBM Quantum. گامبتا با رهبری بسیاری از پیشرفت‌های شرکت در دو دهه گذشته، توضیح داد که چگونه ممکن است به این اهداف دست پیدا کنند و چه چیزی برای آینده محاسبات کوانتومی به همراه خواهند داشت.

وضعیت فعلی هنر IBM Quantum چگونه است؟ برخی از پارامترهای کلیدی که روی آنها تمرکز می کنید چیست؟

نقشه راه IBM در مورد افزایش مقیاس است - نه فقط تعداد کیوبیت ها، بلکه سرعت، کیفیت و معماری مدار آنها. ما اکنون زمان‌های همدوسی [مدت زمانی که کیوبیت‌ها منسجم می‌مانند و قادر به انجام محاسبات کوانتومی هستند] 300 میکروثانیه در پردازنده Eagle [در مقایسه با حدود 1 میکروثانیه در سال 2010] داریم و نسل بعدی دستگاه‌ها به 300 میلی‌ثانیه خواهند رسید. و کیوبیت‌های ما [ساخته شده از فلزات ابررسانا] اکنون تقریباً 99.9 درصد وفاداری دارند [هر 1000 عملیات فقط یک خطا متحمل می‌شوند – نرخ خطای 10^-3]. من فکر می کنم 99.99٪ تا پایان سال آینده غیرممکن نخواهد بود.

پس آزمون تورنسل نهایی برای بلوغ کامپیوترهای کوانتومی این است که آیا زمان اجرا کوانتومی می تواند با زمان اجرا کلاسیک رقابت کند یا خیر.

اما انجام هوشمندانه کارها مهمتر از فشار دادن معیارهای خام است. معماری پردازنده اهمیت فزاینده ای پیدا می کند. من فکر نمی‌کنم که از 1000 کیوبیت در هر تراشه (مانند Condor) خیلی گذشته باشیم، بنابراین اکنون ما به دنبال ماژولار بودن هستیم. به این ترتیب می توانیم تا پایان این دهه به پردازنده های 10,000 کیوبیتی برسیم. ما از ارتباط کلاسیک (برای کنترل الکترونیک) بین تراشه‌ها و کانال‌های کوانتومی که مقداری درهم‌تنیدگی ایجاد می‌کنند (برای انجام محاسبات) استفاده می‌کنیم. این کانال های بین تراشه کند خواهند بود - شاید 100 برابر کندتر از خود مدارها. و وفاداری کانال ها به سختی به بالای 95 درصد می رسد.

برای محاسبات با کارایی بالا، چیزی که واقعاً اهمیت دارد، به حداقل رساندن زمان اجرا است - یعنی به حداقل رساندن زمان لازم برای ایجاد راه حل برای یک مشکل مورد علاقه. آزمون تورنسل نهایی برای بلوغ کامپیوترهای کوانتومی این است که آیا زمان اجرا کوانتومی می تواند با زمان اجرا کلاسیک رقابت کند یا خیر. ما از نظر تئوری شروع کرده‌ایم نشان می‌دهیم که اگر مدار بزرگی دارید که می‌خواهید اجرا کنید، و آن را به مدارهای کوچک‌تر تقسیم می‌کنید، هر بار که برش می‌دهید، می‌توانید آن را به عنوان هزینه کلاسیک در نظر بگیرید، که زمان اجرا را افزایش می‌دهد. نمایی. بنابراین هدف این است که این افزایش نمایی تا حد امکان نزدیک به 1 باشد.

برای یک مدار معین، زمان اجرا به صورت نمایی به a بستگی دارد پارامتر را γ̄ می نامیم به قدرت رساند nd، که در آن n تعداد کیوبیت ها و d عمق [معیار طولانی‌ترین مسیر بین ورودی و خروجی مدار، یا معادل آن تعداد گام‌های زمانی لازم برای اجرای مدار است]. بنابراین اگر بتوانیم γ̄ را تا حد امکان به 1 نزدیک کنیم، به نقطه ای می رسیم که مزیت کوانتومی واقعی وجود دارد: عدم رشد نمایی در زمان اجرا. ما می توانیم γ̄ را از طریق بهبود انسجام و وفاداری دروازه [نرخ خطای ذاتی] کاهش دهیم. در نهایت ما به نقطه اوج خواهیم رسید که در آن، حتی با سربار تصاعدی کاهش خطا، می‌توانیم از مزایای زمان اجرا نسبت به رایانه‌های کلاسیک بهره ببریم. اگر بتوانید γ̄ را به 1.001 کاهش دهید، زمان اجرا سریعتر از زمانی است که بخواهید آن مدارها را به صورت کلاسیک شبیه سازی کنید. من مطمئن هستم که می‌توانیم این کار را انجام دهیم – با بهبود در وفاداری گیت و کاهش تداخل بین کیوبیت‌ها، ما قبلاً یک γ̄ 1.008 را در تراشه Falcon r10 [27-کیوبیت] اندازه‌گیری کرده‌ایم.

چگونه می توانید آن پیشرفت ها را برای کاهش خطا انجام دهید؟

برای بهبود وفاداری، رویکردی به نام لغو خطای احتمالی [arXiv:2201.09866]. ایده این است که شما حجم کاری را برای من بفرستید و من نتایج پردازش شده را با برآوردهای بدون نویز از آنها برای شما ارسال کنم. شما می گویید من می خواهم این مدار را اجرا کنید. من تمام نویزهایی را که در سیستم خود دارم مشخص می‌کنم، و اجراهای زیادی را انجام می‌دهم و سپس همه آن نتایج را با هم پردازش می‌کنم تا تخمینی بدون نویز از خروجی مدار به شما ارائه کنم. به این ترتیب، ما شروع به نشان دادن این موضوع کرده‌ایم که احتمالاً یک تداوم از جایی که امروز هستیم با سرکوب خطا و کاهش خطا تا تصحیح کامل خطا وجود دارد.

بنابراین شما می توانید بدون ساخت کیوبیت های منطقی تصحیح کننده خطا به آنجا برسید؟

واقعا کیوبیت منطقی چیست؟ واقعاً منظور مردم از آن چیست؟ آنچه واقعاً اهمیت دارد این است: آیا می توانید مدارهای منطقی را اجرا کنید و چگونه آنها را به گونه ای اجرا کنید که زمان اجرا همیشه سریعتر شود؟ به جای اینکه به ساخت کیوبیت‌های منطقی فکر کنیم، به این فکر می‌کنیم که چگونه مدارها را اجرا می‌کنیم و به کاربران تخمین‌هایی از پاسخ می‌دهیم، و سپس آن را بر اساس زمان اجرا تعیین می‌کنیم.

وقتی تصحیح خطای معمولی را انجام می‌دهید، آنچه را که فکر می‌کردید تا آن مرحله پاسخ داده شده بود، تصحیح می‌کنید. شما یک چارچوب مرجع را به روز می کنید. اما ما از طریق کاهش خطا به تصحیح خطا خواهیم رسید. با γ̄ برابر با 1، من عملاً تصحیح خطا خواهم داشت، زیرا هیچ هزینه ای برای بهبود برآوردها به هر اندازه که دوست دارید وجود ندارد.

به این ترتیب، ما به طور موثر کیوبیت های منطقی خواهیم داشت، اما آنها به طور مداوم درج می شوند. بنابراین ما شروع به فکر کردن به آن در سطح بالاتری می کنیم. دیدگاه ما ایجاد پیوستاری از دیدگاه کاربر است که سریع‌تر و سریع‌تر می‌شود. پس آزمون تورنسل نهایی برای بلوغ کامپیوترهای کوانتومی این است که آیا زمان اجرا کوانتومی می تواند با زمان اجرا کلاسیک رقابت کند یا خیر.

این با کاری که شرکت‌های کوانتومی دیگر انجام می‌دهند بسیار متفاوت است، اما اگر این دیدگاه عمومی نباشد، بسیار متعجب خواهم شد - شرط می‌بندم که شما شروع به دیدن افرادی خواهید کرد که زمان اجرا را مقایسه می‌کنند، نه نرخ تصحیح خطا.

کاری که ما انجام می دهیم صرفا محاسبات به طور کلی است و از طریق یک پردازنده کوانتومی آن را تقویت می کنیم.

اگر دستگاه های مدولار با اتصالات کلاسیک بسازید، آیا این بدان معناست که آینده واقعا کوانتومی در مقابل کلاسیک نیست، بلکه کوانتومی است. و کلاسیک؟

آره. ترکیب کلاسیک و کوانتومی با هم به شما امکان می دهد کارهای بیشتری انجام دهید. این چیزی است که من آن را مازاد کوانتومی می نامم: انجام محاسبات کلاسیک به روشی هوشمند با استفاده از منابع کوانتومی.

اگر می توانستم یک عصای جادویی را تکان دهم، آن را محاسبات کوانتومی نمی نامیدم. من به عقب برمی گردم و می گویم که واقعاً کاری که ما انجام می دهیم صرفاً محاسبات است و ما آن را از طریق یک پردازنده کوانتومی تقویت می کنیم. من از عبارت "ابر محاسبات کوانتومی محور" استفاده کرده ام. این واقعاً در مورد افزایش محاسبات با افزودن کوانتوم به آن است. من واقعاً فکر می کنم این معماری خواهد بود.

موانع فنی چیست؟ آیا مهم است که این دستگاه ها به سرمایش برودتی نیاز دارند؟

این واقعاً چیز مهمی نیست. مشکل بزرگتر این است که اگر به نقشه راه خود ادامه دهیم، نگران قیمت لوازم الکترونیکی و همه چیزهایی هستم که در اطراف آن وجود دارد. برای کاهش این هزینه ها، ما نیاز به توسعه یک اکوسیستم داریم. و ما به عنوان یک جامعه هنوز به اندازه کافی برای ایجاد آن محیط کار نمی کنیم. من نمی بینم که افراد زیادی فقط روی الکترونیک تمرکز کنند، اما فکر می کنم این اتفاق خواهد افتاد.

آیا در حال حاضر تمام علم انجام شده است، به طوری که اکنون بیشتر یک موضوع مهندسی است؟

همیشه علمی برای انجام دادن وجود خواهد داشت، به خصوص که شما این مسیر را از کاهش خطا تا تصحیح خطا ترسیم می کنید. چه نوع اتصالی را می خواهید در تراشه ایجاد کنید؟ چه ارتباطاتی وجود دارد؟ اینها همه علوم بنیادی هستند. من فکر می کنم هنوز هم می توانیم نرخ خطا را به 10 برسانیم^-5. من شخصاً دوست ندارم به چیزها برچسب "علم" یا "تکنولوژی" بزنم. ما در حال ساختن یک نوآوری هستیم. من فکر می‌کنم قطعاً انتقالی به ابزار تبدیل شدن این دستگاه‌ها وجود دارد و این سؤال این است که چگونه از این چیزها برای علم استفاده می‌کنیم، نه در مورد علم ایجاد ابزار.

آیا نگران این هستید که حباب کوانتومی وجود داشته باشد؟

نه. من فکر می کنم مزیت کوانتومی را می توان به دو چیز تقسیم کرد. اول، چگونه می توانید مدارها را سریعتر روی سخت افزار کوانتومی اجرا کنید؟ من مطمئن هستم که می توانم در مورد آن پیش بینی کنم. و دوم اینکه واقعاً چگونه از این مدارها استفاده می کنید و آنها را به برنامه های کاربردی مرتبط می کنید؟ چرا یک روش مبتنی بر کوانتومی بهتر از یک روش کلاسیک به تنهایی کار می کند؟ اینها سوالات علمی بسیار سختی هستند. و آنها سوالاتی هستند که فیزیکدانان انرژی بالا، دانشمندان مواد و شیمیدانان کوانتومی همگی به آنها علاقه مند هستند. ما شاهد علاقه برخی شرکت‌های تجاری هستیم، اما یافتن راه‌حل‌های واقعی مدتی طول می‌کشد، نه اینکه کوانتومی ابزاری برای انجام علم باشد.

من این را به عنوان یک انتقال آرام می بینم. یکی از زمینه‌های بالقوه بزرگ کاربرد، مشکلاتی است که داده‌هایی با نوعی ساختار دارند، به‌ویژه داده‌هایی که یافتن همبستگی‌های آنها به‌طور کلاسیک بسیار دشوار است. امور مالی و پزشکی هر دو با چنین مشکلاتی روبرو هستند و روش های کوانتومی مانند یادگیری ماشین کوانتومی در یافتن همبستگی ها بسیار خوب هستند. این راه طولانی خواهد بود، اما ارزش سرمایه گذاری برای انجام آن را دارد.

در مورد ایمن نگه داشتن محاسبات در برابر، مثلاً، حملاتی مانند الگوریتم فاکتورسازی Shor که از روش‌های کوانتومی برای شکستن روش‌های رمزنگاری کلید عمومی فعلی بر اساس فاکتورسازی استفاده می‌کند، چطور؟

همه می خواهند در برابر الگوریتم Shor ایمن باشند - اکنون به آن "کوانتومی ایمن" می گویند. ما تحقیقات بنیادی زیادی در مورد الگوریتم‌ها انجام داده‌ایم، اما نحوه ایجاد آن به یک سوال مهم تبدیل خواهد شد. ما همیشه در حال بررسی این هستیم که این را در محصولات خود بسازیم، نه به عنوان یک افزودنی. و ما باید بپرسیم که چگونه مطمئن شویم که زیرساخت کلاسیک را داریم که برای کوانتومی ایمن است. اینکه آینده چگونه پیش خواهد رفت، در چند سال آینده بسیار مهم خواهد بود – اینکه چگونه سخت افزار کوانتومی ایمن را از ابتدا بسازید.

تعریف من از موفقیت زمانی است که اکثر کاربران حتی نمی دانند که از یک کامپیوتر کوانتومی استفاده می کنند

آیا از سرعت ورود محاسبات کوانتومی شگفت زده شده اید؟

برای کسی که از سال 2000 به اندازه من در آن بوده است، به طرز قابل توجهی نزدیک به مسیری که پیش بینی شده بود دنبال می شود. من به یاد دارم که به نقشه راه داخلی IBM در سال 2011 بازگشتم و بسیار خوب بود. اون موقع فکر می کردم دارم چیزهایی درست می کنم! به طور کلی، من احساس می کنم که مردم در حال بیش از حد تخمین زدن هستند که چقدر طول می کشد. همانطور که ما بیشتر و بیشتر پیشرفت می کنیم و مردم ایده های اطلاعات کوانتومی را به این دستگاه ها می آورند، در چند سال آینده می توانیم مدارهای بزرگتری را اجرا کنیم. سپس در مورد اینکه چه نوع معماری را باید بسازید، چه اندازه خوشه ها بزرگ هستند، از چه نوع کانال های ارتباطی استفاده می کنید و غیره خواهد بود. این سؤالات بر اساس نوع مدارهایی که شما اجرا می کنید ایجاد می شود: چگونه می توانیم ماشین هایی را برای انواع خاصی از مدارها شروع کنیم؟ تخصص مدارها وجود خواهد داشت.

سال 2030 برای محاسبات کوانتومی چگونه خواهد بود؟

تعریف من از موفقیت زمانی است که اکثر کاربران حتی نمی دانند که از یک کامپیوتر کوانتومی استفاده می کنند، زیرا در معماری ساخته شده است که به طور یکپارچه با محاسبات کلاسیک کار می کند. معیار موفقیت این خواهد بود که برای اکثر مردمی که از آن استفاده می کنند نامرئی است، اما به نوعی زندگی آنها را بهبود می بخشد. شاید تلفن همراه شما از اپلیکیشنی استفاده کند که تخمین خود را با استفاده از کامپیوتر کوانتومی انجام می دهد. در سال 2030 ما در آن سطح قرار نخواهیم داشت، اما من فکر می کنم تا آن زمان ماشین های بسیار بزرگی خواهیم داشت و آنها بسیار فراتر از آنچه می توانیم به صورت کلاسیک انجام دهیم، خواهند بود.