QuEra Computing که توسط فیزیکدانان هاروارد و MIT راه اندازی شده است، در حال تلاش از یک رویکرد کوانتومی متفاوت برای مقابله با وظایف محاسباتی غیرممکن است.
در نهایت، فیزیکدانان هاروارد و MIT برنامه قاتل را برای محاسبات کوانتومی پیدا کردند: یک GIF برادران ماریو که از کیوبیت ها ساخته شده است. کیوبیت‌ها (بیت‌های کوانتومی) را نیز می‌توان در طرح Space Invaders، یا تتریس، یا هر شکل دیگری مرتب کرد – آرزوی هندسی شما فرمان کیوبیت‌ها است.
این گیف‌ها توسط QuEra Computing، یک استارت‌آپ بوستون که از مخفی‌کاری پدیدار شده است، ارائه شد تا قابلیت برنامه‌ریزی شبیه‌ساز کوانتومی ۲۵۶ کیوبیتی خود را نشان دهد – یک کامپیوتر کوانتومی ویژه که برای حل انواع خاصی از مسائل ساخته شده است.
ماشین QuEra آخرین جهش در مقیاس بزرگ کردن محاسبات کوانتومی است تا آن را قدرتمندتر کند و بتواند مشکلات عملی را حل کند. کیوبیت‌های بیشتر به این معنی است که اطلاعات بیشتری را می‌توان ذخیره و پردازش کرد، و محققانی که این فناوری را توسعه می‌دهند به طور مداوم برای بالا بردن سطح رقابت تلاش کرده‌اند.
در سال 2019، گوگل اعلام کرد که ماشین 53 کیوبیتی آن به برتری کوانتومی دست یافته است – وظیفه ای را انجام می دهد که توسط یک کامپیوتر معمولی قابل مدیریت نیست – اما IBM این ادعا را به چالش کشید. در همان سال، IBM کامپیوتر کوانتومی 53 بیتی خود را راه اندازی کرد . در سال 2020، IonQ از یک سیستم 32 کیوبیتی رونمایی کرد که به گفته این شرکت "قوی ترین کامپیوتر کوانتومی جهان" است. و همین هفته IBM پردازنده کوانتومی 127 کیوبیتی جدید خود را راه اندازی کرد که در بیانیه مطبوعاتی آن را "معجزه کوچک طراحی" توصیف کرد. جی گامبتا، معاون محاسبات کوانتومی آی‌بی‌ام، می‌گوید: «از دیدگاه من، خبر مهم این است که کار می‌کند.
اکنون QuEra ادعا می کند که دستگاهی با کیوبیت های بسیار بیشتر از هر یک از آن رقبا ساخته است.
هدف نهایی محاسبات کوانتومی، البته، بازی تتریس نیست، بلکه پیشی گرفتن از کامپیوترهای کلاسیک در حل مسائل مورد علاقه عملی است. علاقه مندان بر این باورند که وقتی این رایانه ها به اندازه کافی قدرتمند شوند، شاید در یک یا دو دهه، ممکن است تأثیرات دگرگون کننده ای در زمینه هایی مانند پزشکی و مالی، علوم اعصاب و هوش مصنوعی داشته باشند. ماشین های کوانتومی احتمالاً برای مدیریت چنین مشکلات پیچیده ای به هزاران کیوبیت نیاز دارند.
با این حال، تعداد کیوبیت ها تنها عامل مهم نیست.
QuEra همچنین برنامه‌پذیری پیشرفته دستگاه خود را که در آن هر کیوبیت یک اتم منفرد و فوق‌سرد است، تبلیغ می‌کند. این اتم ها دقیقاً با یک سری لیزر مرتب شده اند (فیزیکدانان آنها را موچین نوری می نامند). قرار دادن کیوبیت ها به ماشین اجازه می دهد تا برنامه ریزی شود، روی مشکل مورد بررسی تنظیم شود، و حتی در زمان واقعی در طول فرآیند محاسبات مجددا پیکربندی شود.
الکس کیزلینگ، مدیرعامل QuEra و مخترع این فناوری می‌گوید: «مشکلات مختلف مستلزم قرار گرفتن اتم‌ها در پیکربندی‌های مختلف است. یکی از چیزهایی که در مورد ماشین ما منحصر به فرد است این است که هر بار که آن را چند بار در ثانیه اجرا می کنیم، می توانیم هندسه و اتصال کیوبیت ها را کاملاً بازتعریف کنیم.
ماشین QuEra بر اساس طرح اولیه و فناوری‌هایی که طی چندین سال بهینه شده‌اند، به رهبری میخائیل لوکین و مارکوس گرینر در هاروارد و Vladan Vuletić و Dirk Englund در MIT ساخته شده است (همه در تیم موسس QuEra هستند). در سال 2017، مدل قبلی این دستگاه از گروه هاروارد تنها از 51 کیوبیت استفاده می کرد . در سال 2020، آنها ماشین 256 کیوبیتی را نشان دادند. در عرض دو سال، تیم QuEra انتظار دارد به 1000 کیوبیت برسد و سپس، بدون تغییر زیاد پلتفرم، امیدوار است که سیستم را فراتر از صدها هزار کیوبیت افزایش دهد.
این پلتفرم منحصربه‌فرد QuEra است – روش فیزیکی که سیستم مونتاژ می‌شود، و روشی که اطلاعات توسط آن کدگذاری و پردازش می‌شود – که باید چنین جهش‌هایی از مقیاس را فراهم کند.
در حالی که سیستم‌های محاسباتی کوانتومی گوگل و IBM از کیوبیت‌های ابررسانا استفاده می‌کنند، و IonQ از یون‌های به دام افتاده استفاده می‌کند، پلتفرم QuEra از آرایه‌هایی از اتم‌های خنثی استفاده می‌کند که کیوبیت‌هایی با انسجام چشمگیر تولید می‌کنند (یعنی درجه بالایی از «کوانتومی»). این دستگاه از پالس‌های لیزری برای برهم‌کنش اتم‌ها استفاده می‌کند و آنها را به حالت انرژی برمی‌انگیزد – یک حالت "ریدبرگ" که در سال 1888 توسط فیزیکدان سوئدی یوهانس رایدبرگ توصیف شد – که در آن آنها می‌توانند منطق کوانتومی را به روشی قوی و با وفاداری بالا انجام دهند. این رویکرد رایدبرگ برای محاسبات کوانتومی چند دهه است که روی آن کار شده است، اما پیشرفت‌های تکنولوژیکی – به عنوان مثال، با لیزر و فوتونیک – برای قابل اعتماد کردن آن مورد نیاز بود.
زمانی که دانشمند کامپیوتر اومش وزیرانی، مدیر مرکز محاسبات کوانتومی برکلی، برای اولین بار از تحقیقات لوکین در این راستا مطلع شد، احساس "غیر منطقی" کرد – این رویکردی شگفت انگیز به نظر می رسید، اگرچه وزیرانی این سوال را مطرح کرد که آیا شهود او با واقعیت در ارتباط است یا خیر. او می‌گوید: «ما مسیرهای مختلف توسعه‌یافته‌ای مانند ابررساناها و تله‌های یونی داشته‌ایم که برای مدت طولانی روی آن‌ها کار شده است. "آیا نباید به طرح های مختلف فکر کنیم؟" او با جان پرسکیل، فیزیکدان مؤسسه فناوری کالیفرنیا و مدیر مؤسسه اطلاعات و ماده کوانتومی تماس گرفت، که به وزیرانی اطمینان داد که شور و نشاط او موجه است.
Preskill پلتفرم‌های Rydberg (نه فقط QuEra) را جالب می‌داند، زیرا آنها کیوبیت‌هایی با تعامل قوی تولید می‌کنند که به شدت درهم تنیده شده‌اند – "و جادوی کوانتومی اینجاست." من در مورد پتانسیل در مقیاس زمانی نسبتاً کوتاه برای کشف چیزهای غیرمنتظره بسیار هیجان زده هستم.
محققان علاوه بر شبیه سازی و درک مواد کوانتومی و دینامیک – که لوکین آنها را "نمونه های اولیه مزیت کوانتومی مفید شامل کاربردهای علمی" می نامد – همچنین روی الگوریتم های کوانتومی برای حل مسائل بهینه سازی محاسباتی کار می کنند که NP-کامل هستند (یعنی بسیار سخت).
یکی از سرمایه گذاران QuEra Rakuten است، یک شرکت ژاپنی خدمات اینترنتی، تجارت الکترونیک و فین تک، که علاقه مند به بررسی مشکل بهینه سازی مکان آنتن برای خدمات تلفن همراه 4G و 5G است. تاکویا کیتاگاوا، مدیر ارشد داده راکوتن می‌گوید: «همچنین، این فناوری نویدبخش بسیاری از مشکلات بهینه‌سازی از مسیریابی تحویل، سبد سهام، موتورهای جستجو گرفته تا توصیه‌ها است. "رویا بزرگ است."
با این حال، Preskill چندان خوش بین نیست که ماشین QuEra از الگوریتم های کلاسیک برای مسائل بهینه سازی بهتر عمل کند. او کسی است که اصطلاح برتری کوانتومی را ابداع کرد (توضیح نقطه ای که در آن رایانه های کوانتومی می توانند کارهایی را انجام دهند که رایانه های کلاسیک نمی توانند انجام دهند) و خاطرنشان می کند: «ما استدلال های نظری قوی نداریم که مزیت کوانتومی را در بهینه سازی ببینیم. هر زمان به زودی. اما مطمئناً ارزش بررسی دارد.»
و Preskill مشتاق برنامه QuEra است تا پلتفرم خود را به طور گسترده برای تحقیق و توسعه در دسترس قرار دهد. او می‌گوید که داشتن یک جامعه بزرگ‌تر از مردم که با ماشین‌ها بازی می‌کنند و با ماشین‌ها بازی می‌کنند، به فهمیدن مهارت آنها کمک می‌کند. امیدواریم که آنها وقت خود را صرف بازی تتریس و مهاجمان فضایی نکنند.
یک راه حل برای P در مقابل NP می تواند مشکلات محاسباتی بی شماری را باز کند – یا آنها را برای همیشه دور از دسترس نگه دارد.
شرکت هلندی ASML 9 میلیارد و 17 سال صرف ساخت راهی برای ادامه ساخت تراشه های کامپیوتری متراکم کرد.
دولت ایالات متحده در حال آغاز یک نبرد نسل بعدی در برابر تهدیدی است که رایانه های نسل بعدی برای رمزگذاری ایجاد می کنند.
اما دلایل پیچیده هستند – و نه همه اخبار بد.
پیشنهادهای ویژه، داستان های برتر، رویدادهای آینده و موارد دیگر را کشف کنید.
از اینکه ایمیل خود را ثبت کردید، متشکریم!
به نظر می رسد مشکلی پیش آمده است.
ما در ذخیره تنظیمات برگزیده شما با مشکل روبرو هستیم. سعی کنید این صفحه را بازخوانی کنید و یک بار دیگر آنها را به روز کنید. اگر همچنان این پیام را دریافت می‌کنید، با فهرستی از خبرنامه‌هایی که می‌خواهید دریافت کنید، از طریق customer-service@technologyreview.com با ما تماس بگیرید.
ماموریت ما این است که از طریق روزنامه نگاری معتبر، تأثیرگذار و قابل اعتماد، تصمیمات آگاهانه تر و آگاهانه تر در مورد فناوری را اتخاذ کنیم.
اشتراک در برای حمایت از روزنامه نگاری ما
© 2021 بررسی فناوری MIT

source

توسط techkhabari