[ad_1]
در سال 2019، گوگل اعلام کرد که موتور 53 کیوبیتی آن به اوج کوانتومی رسیده است – وظایفی را انجام می دهد که توسط محاسبات سنتی قابل انجام نیستند – اما IBM این ادعا را به چالش می کشد. 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 در جهان” است. و همین هفته، IBM از پردازنده کوانتومی سازگار با 127 کیوبیت خود رونمایی کرد که در بیانیه مطبوعاتی آن را یک “معجزه طراحی کوچک” توصیف کرد. جی گامبتا، معاون محاسبات کوانتومی آیبیام، میگوید: «خبر بزرگ، از دیدگاه من، این است که کار میکند.
اکنون QuEra ادعا می کند که دستگاه هایی با کیوبیت های بیشتری نسبت به آن رقبا ساخته است.
هدف نهایی محاسبات کوانتومی، البته، بازی تتریس نیست، بلکه کارآمدتر بودن از محاسبات کلاسیک در حل مسائل مورد علاقه در عمل است. علاقه مندان فکر می کنند که وقتی این رایانه ها به اندازه کافی قدرتمند باشند، شاید در یک یا دو دهه، تأثیرات متغیری را در زمینه هایی مانند پزشکی و مالی، علوم اعصاب و هوش مصنوعی ایجاد کنند. ماشین های کوانتومی ممکن است به هزاران کیوبیت برای رسیدگی به چنین مشکلات پیچیده ای نیاز داشته باشند.
با این حال، تعداد کیوبیت ها تنها عامل مهم نیست.
QuEra همچنین به توانایی ایجاد برنامههای بهبودیافته دستگاههای خود اشاره کرد که هر کدام از کیوبیتها یک اتم هستند و جالبترین آنها هستند. این اتم ها دقیقاً با چندین لیزر مرتب شده اند (فیزیکدانان آنها را پیچش نوری می نامند). تراز کردن کیوبیتها به موتور اجازه میدهد برنامهریزی شود، مشکلات در دست بررسی را عیبیابی کند و حتی در طول فرآیند محاسبات در زمان واقعی بازنشانی شود.
الکس کیزلینگ، مدیرعامل QuEra و یکی از بنیانگذاران این فناوری، می گوید: «مسائل مختلف مستلزم این است که اتم ها در پیکربندی های مختلف قرار گیرند. یکی از ویژگی های منحصر به فرد موتور ما این است که هر بار که آن را چند بار در ثانیه کار می کنیم، می توانیم هندسه و اتصال کیوبیت ها را به خوبی تعیین کنیم.
مزایای اتم ها
موتور QuEra از سالها طراحی و فناوری پیشرفته ساخته شده است که توسط میخائیل لوکین و مارکوس گرینر در هاروارد و ولادان وولتیچ و دیرک انگلوند در MIT (همه در تیم موسس QuEra هستند). در سال 2017، نسخههای قبلی دستگاههای گروه هاروارد تنها از 51 کیوبیت استفاده میکردند. تا سال 2020، آنها یک موتور 256 کیوبیتی را نشان دادند. تیم QuEra انتظار دارد ظرف دو سال به 1000 کیوبیت برسد و سپس، بدون تغییر پلتفرم زیاد، امیدوارند سیستم را به بیش از صدها هزار کیوبیت گسترش دهند.
این پلتفرم منحصربهفرد QuEra است – روش فیزیکی که سیستمها در آن کامپایل میشوند، و روشی که دادهها رمزگذاری و پردازش میشوند – که باید چنین جهشی را به جلو بدهد.
در حالی که سیستمهای محاسباتی کوانتومی گوگل و آیبیام از کیوبیتهای ابررسانا و IonQ از یونهای به دام افتاده استفاده میکنند، پلتفرم QuEra از آرایهای از اتمهای خنثی استفاده میکند که کیوبیتهای بسیار سازگار تولید میکنند (یعنی سطوح بالایی از “کوانتومی”). چنین ماشینهایی از پالسهای لیزری برای برهمکنش اتمها استفاده میکنند و آنها را قادر میسازد تا به حالت انرژی برانگیخته شوند – همانطور که فیزیکدان سوئدی یوهانس ریدبرگ در سال 1888 بیان میکند – که میتوانند منطق کوانتومی را به روشی قوی و با وفاداری بالا دنبال کنند. روش Rydberg در محاسبات کوانتومی چند دهه است که وجود داشته است، اما پیشرفتهای تکنولوژیکی – مانند لیزر و فوتونیک – برای قابل اعتماد کردن آن مورد نیاز است.
“بی دلیل”
زمانی که دانشمند کامپیوتر، اومش وزیرانی، مدیر مرکز کامپیوتر کوانتومی برکلی، برای اولین بار از تحقیقات لوکین در این راستا مطلع شد، احساس “غیر منطقی” کرد – به نظر یک رویکرد معجزه آسا بود، حتی اگر وزیرانی شهود او را زیر سوال برد. وی گفت: ما مسیرهای بسیار توسعه یافته ای مانند ابررساناها و تله های یونی داریم که برای مدت طولانی کار می کنند. “آیا نباید به پروژه ای متفاوت فکر کنیم؟” او با جان پرسکیل، فیزیکدان مؤسسه فناوری کالیفرنیا و مدیر مؤسسه اطلاعات کوانتومی و ماده تماس گرفت و وزیرانی را متقاعد کرد که شور و هیجان او معقول است.
Preskill پلتفرم Rydberg (نه فقط QuEra) را جالب میداند، زیرا آنها کیوبیتهای بسیار نزدیک به هم را تولید میکنند – “و جادوی کوانتومی اینجاست.” من در مورد پتانسیل کشف موارد غیرمنتظره در مدت زمان کوتاه بسیار هیجان زده هستم.
علاوه بر شبیهسازی و درک مواد کوانتومی و دینامیک – که لوکین آن را “نمونههای اولیه کاربرد کوانتومی کاربردی مرتبط با علم کاربردی” مینامد – محققان همچنین روی الگوریتمهای کوانتومی برای حل مسائل محاسباتی پیچیده با NP perfect (یعنی موارد بیشتر) کار میکنند.
[ad_2]