Google پرورش حالت‌های جادویی را روی Willow نشان داد و خطاها را حدود 40 برابر کاهش داد

Google Quantum AI می‌گوید نشان داده است که پرورش حالت جادویی، روشی برای آماده‌سازی نوع خاصی از منابع کوانتومی، روی پردازنده ابررسانای Willow کار می‌کند. به گفته این شرکت، این روش خطاها را در مقایسه با حالت‌هایی که بدون آن آماده شده‌اند تقریباً 40 برابر کاهش داد. Google گفت این پژوهش در مجله Science منتشر شده است و این هفته آن را در پستی وبلاگی به قلم Emma Rosenfeld، دانشمند پژوهشی، و Craig Gidney، مهندس نرم‌افزار کوانتومی، اعلام کرد.

رایانه‌های کوانتومی متحمل خطا به مجموعه‌ای جامع از عملیات نیاز دارند و گیت‌های موسوم به non-Clifford در میان آن‌ها، در بیشتر طرح‌های تصحیح خطا هزینه منابع قابل‌توجهی دارند. یکی از راه‌های رایج برای تأمین آن‌ها این است که ابتدا حالت‌های ورودی ویژه‌ای، موسوم به حالت‌های جادویی، آماده و سپس برای اجرای آن عملیات مصرف شوند. هر حالت جادویی فقط یک بار قابل مصرف است و تولید آن‌ها با خطای کم پرهزینه است: Google به برآوردهایی اشاره می‌کند که بر اساس آن‌ها ممکن است تا 95% ظرفیت یک دستگاه صرف تولید آن‌ها شود. به گفته این شرکت، پژوهشگران از سال 2004 این گلوگاه را پیش‌بینی کرده بودند.

پرورش در سال 2024 توسط Gidney به همراه همکارانش در Google، Noah Shutty و Cody Jones، پیشنهاد شد که ایده‌ای از پژوهش‌های پیشین را بهبود دادند. این روش مانند یک فیلتر عمل می‌کند: یک حالت نویزی به ناحیه کوچکی از تراشه تزریق می‌شود، سپس از طریق دنباله‌ای از اندازه‌گیری‌های هماهنگ بررسی می‌شود و هر تلاشی که خطایی را آشکار کند کنار گذاشته می‌شود. بر اساس چکیده پیش‌انتشار این تیم در arXiv، این آزمایش با نگه داشتن 8% از تلاش‌ها به وفاداری حالت 0.9999(1) رسید و تیم یک پروتکل اندازه‌گیری متحمل خطا برای تعیین کران این وفاداری توسعه داد. Google وفاداری منطقی 99.99% حالت‌های T خود را یک رکورد توصیف می‌کند.

پژوهشگران همچنین حالت‌های پرورش‌یافته را بین دو طرح تصحیح خطا جابه‌جا کردند. کدهای رنگی، که رویکردی جدیدتر هستند، برای پرورش مناسب‌اند، در حالی که کدهای سطحی روش جاافتاده‌تری به شمار می‌روند. تیم حالت‌ها را از یک کد رنگی با فاصله 3 به یک کد سطحی با فاصله 5 پیوند زد که به گفته Google نشان داد حالت‌های خالص‌شده می‌توانند این انتقال را روی سخت‌افزار آن تاب بیاورند. این شرکت همچنین از ماه‌ها عیب‌یابی پس از آن گفت که داده‌های اولیه از نظر فیزیکی نامحتمل به نظر می‌رسیدند: Rosenfeld ریشه مشکل را در نویز آزمایشگاهی ناشی از رانش تجهیزات الکتریکی و تغییرات دما یافت که معیار سنجش معمول تیم را تضعیف کرده بود؛ این امر به افزودن کنترل بیشتر و رویکرد تازه‌ای برای سنجش انجامید که در آن از پرورش برای اندازه‌گیری خود آن استفاده می‌شود.

Google اذعان کرد که پرورش هنوز باید در مقیاس بزرگ‌تری نشان داده شود تا برای دستگاه‌های کاربردی واقع‌بینانه شود و گفت چالش‌های فنی فراوانی همچنان باقی است. رقم نگه‌داشت همچنین به این معناست که بیشتر تلاش‌ها در این آزمایش کنار گذاشته شدند. پیش‌انتشاری از این مقاله پیش‌تر در arXiv منتشر شده بود. Google این نتیجه را گامی به سوی هدف خود، یعنی ساخت یک رایانه کوانتومی مفید و دارای تصحیح خطا، معرفی می‌کند.