[ad_1]
نوشته و ویرایش شده توسط مجله ی اسکوار
یکی از بزرگترین چالشها در محاسبات کوانتوم رسیدن به حالت پایدار است. اما محققان گوگل بهتازگی با منفعت گیری از هوش مصنوعی تکنیک جدیدی کشف کردهاند که منفعتبردن از محاسبات کوانتومی را در زندگی واقعی عملی کند.
در مقاله تحقیقاتی منتشرشده در مجله نیچر، محققان واحد دیپمایند گوگل توضیح خواهند داد سیستم هوش مصنوعی تازه آنها با نام «AlphaQubit» در تصحیح خطاهایی که زمانها است رایانههای کوانتومی را تحتتأثیر قرار دادهاند، به طور چشمگیری موفق بوده است. این پیروزی درنهایت میتواند راه را برای منفعت گیری از محاسبات کوانتومی در زندگی روزمره هموارتر کند.
محققان گوگل روش جدیدی برای تصحیح خطاهای کوانتومی کشف کردند
رایانههای کوانتومی برای منفعت گیری عملی به نرخ خطای تنها یک در تریلیون عملیات (۱۲-^۱۰) نیاز دارند اما سختافزارهای جاری در هر عملیات نرخ خطایی بین ۳-^۱۰ و ۲-^۱۰ دارند که تصحیح اشتباه را زیاد مهم میکند. در بیانیهای که گوگل انتشار کرده آمده است:
«رایانههای کوانتومی این پتانسیل را دارند که در کشف دارو، طراحی مواد و فیزیک بنیادی انقلابی تشکیل کنند، منوط به این که بتوانیم آنها را وادار به انجام کار یقین کنیم. اما هیچچیز کامل نیست. سیستمهای کوانتومی بسیار شکنندهاند. حتی کوچکترین تداخل محیطی از گرما، ارتعاش، میدانهای الکترومغناطیسی یا حتی پرتوهای کیهانی میتواند حالات کوانتومی ظریف آنها را مختل کند و تبدیل خطاهایی بشود که محاسبات را غیرقابلمطمعن میکنند.»
گوگل این چنین در ادامه حرف های است کامپیوترهای کوانتومی میتوانند مشکلاتی را در تنها چند ساعت حل کنند که حل آنها برای کامپیوترهای عادی میلیاردها سال طول میکشد اما پردازندههای تازه نسبت به پردازندههای معمولی برای دریافت نویز مستعدتر می باشند.
سیستم هوش مصنوعی AlphaQubit گوگل تصمیم دارد با این مشکل مقابله کند. این سیستم از معماری شبکه عصبی پیچیده منفعت گیری میکند که دقت بیسابقهای در شناسایی و تصحیح خطاهای کوانتومی نشان داده است. در واقع، AlphaQubit نزدیک به ۶ درصد خطای کمتری نسبت به بهترین راه حلهای قبلی در آزمایشهای بزرگ و ۳۰ درصد خطای کمتری نسبت به تکنیکهای سنتی مشخص می کند.
هرچند AlphaQubit قدمی روبهجلو برسی میبشود و در تشخیص دقیق خطاها عملکردی عالی داشته اما این سیستم تا این مدت در تصحیح خطاها در پردازنده ابررسانا در زمان واقعی زیاد کند است.
دسته بندی مطالب
[ad_2]