Da li bi veštačka inteligencija mogla da pomogne u prevazilaženju jedne od najvećih prepreka kvantnog računarstva?
Novo istraživanje australijske nacionalne agencije za nauku otkrilo je da bi veštačka inteligencija mogla da pomogne u rešavanju grešaka u kvantnom računarstvu. Ovo je ključni korak koji bi jednog dana mogao dovesti do toga da kvantni računari rešavaju složene probleme u stvarnom svetu.
Istraživanje CSIRO-a, objavljeno kao pismo u časopisu Physical Review Research, po prvi put je otkrilo da AI može pomoći u procesuiranju i rešavanju kvantnih grešaka poznatih kao kubitski šum, koje su generisane prirodom kvantne fizike.
Prevazilaženje ovih grešaka se široko smatra najvećom preprekom naprednim kvantnim računarima koji se kreću od eksperimenta do alata.
U konvencionalnim računarima, informacije se čuvaju i obrađuju u „bitovima“, koji rade na principima binarnih brojeva. Svaki bit može predstavljati ili 0 ili 1. Ali kvantni računarski uređaji se sastoje od kvantnih bitova, ili „kubita“.
Oni rade na posebnim osobinama kvantne mehanike, omogućavajući im da predstavljaju 0, 1, ili oba 0 i 1 u isto vreme. Očekuje se da će ovo otključati ogromnu računarsku snagu, omogućavajući im da rešavaju probleme van domašaja konvencionalnih računara.
Ali delikatna priroda kubita takođe dovodi do toga da kvantni računari stvaraju „šum“ ili greške u svojim izlazima. Da bi se ovo prevazišlo, kvantni kodovi za korekciju grešaka se koriste za otkrivanje i ispravljanje grešaka.
CSIRO je implementirao dekoder sindroma AI neuronske mreže da bi otkrio greške i napravio odgovarajuće ispravke. Vođa tima za kvantne sisteme Data61 iz CSIRO-a, dr. Muhamed Usman, rekao je da ovaj rad može efikasno da obradi složene greške iz stvarnog kvantnog hardvera.
„Naš rad po prvi put utvrđuje da dekoder zasnovan na mašinskom učenju može, u principu, obraditi informacije o greškama dobijene direktno iz merenja na IBM uređajima i predložiti odgovarajuće korekcije uprkos veoma složenoj prirodi šuma“, rekao je on.
„U našem radu ne primećujemo potiskivanje grešaka kada se rastojanje koda za ispravljanje grešaka poveća, kao što je teoretski predviđeno, zbog trenutno velikih nivoa buke (iznad praga koda) u IBM kvantnim procesorima.“
Kvantni kodovi za ispravku grešaka su razvijeni za borbu protiv osnovnog fizičkog šuma kubita širenjem logičkih informacija na mnoge fizičke kubite.
Ovi kodovi tumače informacije o grešci merenjem stabilizatora unutar mreže kubita – što se naziva merenje sindroma. Efikasna, brza i skalabilna implementacija računarski skupog koraka obrade sindroma je ključna za ukupne performanse kvantnih kodova za korekciju grešaka.
Da bi poboljšao ovu efikasnost korekcije, dr Usman je implementirao i obučio dekoder sindroma veštačke neuronske mreže.
Performanse dekodera neuronske mreže bile su direktno uporedne na IBM kvantnim procesorima, pokazujući da može efikasno da obrađuje složene greške iz stvarnog kvantnog hardvera i vrši odgovarajuće ispravke.
Istraživanje sugeriše da kako se stope fizičkih grešaka smanjuju u narednih nekoliko godina, AI bi mogao da omogući potiskivanje grešaka sa povećanjem udaljenosti koda, čak i postizanje pune tolerancije na greške kada rastojanje koda postane odgovarajuće veliko.
