نظرات (۱)IBM اعلام کرده موفق شده یکی از الگوریتمهای کلیدی محاسبات کوانتومی خود را بهصورت بسیار ایدهآل بر روی تراشههای FPGA شرکت AMD اجرا کند که میتواند گامی بزرگ برای ساختن سیستمهای کوانتومی ارزانتر و کاربردیتر باشد. جزئیات را در ادامه خبر بخوانید.
این الگوریتم که برای تشخیص و اصلاح آنی خطاهای کوانتومی حین انجام محاسبات طراحی شده، حالا بهجای استفاده از سختافزارهای خاص و گرانقیمت میتواند بر روی تراشههای FPGA ساخت AMD اجرا شود که به وفور در دسترس هستند. با این کار میتوان کامپیوترهای کوانتومی ترکیبی ساخت که بخشی از محاسبات آنها بر روی سختافزارهای معمولی اجرا میشود.
گامی بزرگ برای ساخت سیستمهای کوانتومی هیبریدی
جالبتر اینکه جِی گامبتا (Jay Gambetta)، نایب رئیس بخش کوانتوم IBM، میگوید نسخه مبتنی بر FPGA این الگوریتم ۱۰ برابر سریعتر از آنچه که برای تصحیح آنی خطاها نیاز است اجرا میشود و عملاً چیزی را از دست نمیدهند. به نقل از TechPowerUp، او در گفتوگو با خبرگزاری رویترز این پیشرفت را یک اتفاق بزرگ برای آوردن محاسبات کوانتومی به دنیای واقعی و استفاده کاربردی از این فناوری پیشرفته توصیف کرد.
در این روش، سیستم بهطور مداوم خطاهای احتمالی در بیتهای کوانتومی (Qubit) را شناسایی و اصلاح میکند تا پایداری عملیات حفظ شود؛ مسئلهای که همیشه یکی از چالشهای اصلی رایانش کوانتومی بوده است.
ظاهراً IBM با این دستآورده توانسته یک سال از برنامه زمانی خود برای توسعه سیستم کوانتومی Starling جلو بیفتد که قرار است تا سال ۲۰۲۹ آماده شود. اهمیت این دستآورد از آنجایی است که در طراحی فعلی این شرکت برای ساخت کامپیوتر کوانتومی، باید سیستم بهطور مداوم خطاهای ناخواسته احتمالی در دادههای کیوبیتها را شناسایی و تصحیح کند تا سیستم بتواند به بدون انحراف یا خطا به کار خود ادامه بدهد.
مهمتر اینکه IBM توانسته الگوریتم تصحیح خطاها را به تراشههای نسبتاً معمولی AMD منتقل کند که به معنای ادغام محاسبات کلاسیک و کوانتومی است. در این سیستم ترکیبی، FPGA ها وظیفه کنترل و تصحیح خطا را بر عهده دارد، در حالی که بخش کوانتومی محاسبات اصلی را انجام میدهد.
افزون بر اینکه موفقیت IBM در اجرای الگوریتمهای کوانتومی بر روی تراشههای معمولی AMD یک موفقیت برای این شرکت است، در عین حال انتخاب AMD توسط آیبیام در پروژههای این چنینی، مطمئناً یک دست آورد برای تیم AMD به رهبری لیزا سو است.
