يستطيع Google DeepMind AI إصلاح الأخطاء في أجهزة الكمبيوتر الكمومية بخبرة

طورت Google DeepMind نموذجًا للذكاء الاصطناعي يمكنه تحسين أداء أجهزة الكمبيوتر الكمومية عن طريق تصحيح الأخطاء بشكل أكثر فعالية من أي طريقة موجودة، مما يجعل هذه الأجهزة أقرب خطوة إلى الاستخدام الأوسع.

تقوم أجهزة الكمبيوتر الكمومية بإجراء عمليات حسابية على البتات الكمومية، أو الكيوبتات، وهي وحدات من المعلومات يمكنها تخزين قيم متعددة في نفس الوقت، على عكس البتات الكلاسيكية، التي يمكن أن تحتوي إما على 0 أو 1. ومع ذلك، فإن هذه البتات الكمومية هشة وعرضة للأخطاء. عندما تنزعج من عوامل مثل الحرارة البيئية أو الأشعة الكونية المتجولة.

لتصحيح هذه الأخطاء، يمكن للباحثين تجميع الكيوبتات معًا لتكوين ما يسمى بالكيوبت المنطقي، حيث يتم استخدام بعض الكيوبتات للحساب بينما يتم حجز البعض الآخر كأدوات للكشف عن الأخطاء. ويجب تفسير المعلومات الواردة من الكيوبتات الأخيرة، غالبًا من خلال خوارزمية حوسبة كلاسيكية، لمعرفة كيفية تصحيح الأخطاء، في عملية تسمى فك التشفير. هذه مهمة صعبة، ولكنها مرتبطة ارتباطًا وثيقًا بالقدرة الإجمالية على تصحيح الأخطاء للكمبيوتر الكمي والتي بدورها تحدد قدرته على تشغيل مهام مفيدة في العالم الحقيقي.

الآن، قام يوهانس باوش من Google DeepMind وزملاؤه بتطوير نموذج ذكاء اصطناعي يسمى AlphaQubit، يمكنه فك تشفير هذه الأخطاء بشكل أفضل وأسرع من أي خوارزمية موجودة.

وقال باوش للصحفيين في مؤتمر صحفي عُقد في الثاني من نوفمبر: “إن تصميم وحدة فك تشفير لرمز تصحيح الخطأ الكمي هو أمر غير تافه على الإطلاق، إذا كنت مهتمًا بالدقة العالية جدًا”. “تتعلم AlphaQubit مهمة فك التشفير عالية الدقة دون أن يقوم الإنسان بتصميم الخوارزمية الخاصة بها.”

لتدريب AlphaQubit، استخدم باوش وفريقه شبكة عصبية محولة، وهي نفس التكنولوجيا التي تدعم الذكاء الاصطناعي للتنبؤ بالبروتين الحائز على جائزة نوبل، وAlphaFold، ونماذج اللغة الكبيرة مثل ChatGPT، لمعرفة كيفية توافق البيانات من الكيوبتات التي تكتشف الأخطاء مع الكيوبت. أخطاء. قاموا أولاً بتدريب النموذج ببيانات من محاكاة لما قد تبدو عليه الأخطاء، قبل ضبطه على بيانات العالم الحقيقي من شريحة الحوسبة الكمومية Sycamore من Google.

وفي تجارب أجريت على عدد صغير من الكيوبتات على شريحة Sycamore، وجد باوش وفريقه أن AlphaQubit ترتكب أخطاء أقل بنسبة 6% من الخوارزمية التالية الأفضل، والتي تسمى شبكة موتر. لكن شبكات الموترات تصبح أيضًا بطيئة بشكل متزايد مع زيادة حجم أجهزة الكمبيوتر الكمومية، لذلك لا يمكن التوسع في أجهزة المستقبل، في حين يبدو أن AlphaQubit قادر على العمل بنفس السرعة، وفقًا لعمليات المحاكاة، مما يجعله أداة واعدة مع نمو هذه الحواسيب، كما يقول باوش. .

يقول سكوت أرونسون من جامعة تكساس في أوستن: “إنه أمر مثير للغاية”. “لقد كان واضحًا لفترة من الوقت أن فك التشفير وتصحيح الأخطاء بسرعة كافية، في حساب كمي متسامح مع الأخطاء، سيدفع الحوسبة الكلاسيكية إلى أقصى الحدود أيضًا. لقد أصبح من الواضح أيضًا أنه بالنسبة لأي شيء تفعله أجهزة الكمبيوتر الكلاسيكية يتعلق بالتحسين أو عدم اليقين، يمكنك الآن استخدام التعلم الآلي فيه، وقد يقومون بذلك بشكل أفضل.