Αυστραλοί ερευνητές σημείωσαν αυτό που οι ειδικοί χαρακτηρίζουν ως μια «καθοριστική» ανακάλυψη στην κβαντική υπολογιστική, η οποία θα μπορούσε να επιταχύνει δραματικά τις δυνατότητες επεξεργασίας τεχνητής νοημοσύνης τα επόμενα χρόνια.
Η ομάδα του Πανεπιστημίου του Σίδνεϊ, με επικεφαλής τον καθηγητή David Reilly, ανέπτυξε ένα μικροσκοπικό «chiplet» CMOS που μπορεί να λειτουργεί στους 100 millikelvin (λίγο πάνω από το απόλυτο μηδέν), ελέγχοντας πολλαπλά spin qubit πυριτίου χρησιμοποιώντας μόνο μικροβάτ ισχύος. Αυτό επιλύει μια πρόκληση μηχανικής που θεωρούνταν ανυπέρβλητη στην κβαντική υπολογιστική.
Η σημασία της καινοτομίας έγκειται στην ικανότητά της να τοποθετεί τα ηλεκτρονικά ελέγχου σε απόσταση μικρότερη του ενός χιλιοστού από τα ίδια τα qubit, χωρίς να διαταράσσει τις εύθραυστες κβαντικές καταστάσεις τους. «Με προσεκτικό σχεδιασμό, δείχνουμε ότι τα qubit σχεδόν δεν αντιλαμβάνονται τη λειτουργία 100.000 τρανζίστορ ακριβώς δίπλα τους», εξήγησε ο Reilly, ο οποίος χαρακτήρισε το επίτευγμα ως «το τέλος ενός μακρύ δρόμου» μετά από μια δεκαετία ανάπτυξης.
Οι παραδοσιακές προσεγγίσεις στην κβαντική υπολογιστική απαιτούν ογκώδη εξωτερικά συστήματα ελέγχου που συνδέονται με πυκνή καλωδίωση, δημιουργώντας ένα εμπόδιο στην κλιμάκωση. Ενσωματώνοντας τα ηλεκτρονικά ελέγχου απευθείας σε ένα πακέτο CMOS φιλικό προς τις κρυογενείς θερμοκρασίες, η αυστραλιανή ομάδα εξάλειψε αυτόν τον περιορισμό, ανοίγοντας τον δρόμο για κβαντικούς επεξεργαστές με εκατομμύρια qubit σε ένα μόνο chip.
Το επίτευγμα βασίζεται στα spin qubit πυριτίου, τα οποία θεωρούνται ιδιαίτερα υποσχόμενα λόγω της συμβατότητάς τους με την υπάρχουσα υποδομή κατασκευής ημιαγωγών. Σε αντίθεση με άλλες τεχνολογίες κβαντικών υπολογιστών, αυτά τα qubit μπορούν να παραχθούν μαζικά με τις ίδιες διαδικασίες CMOS που χρησιμοποιούνται σε σύγχρονα smartphones και υπολογιστές.
Οι επιπτώσεις για την τεχνητή νοημοσύνη είναι βαθιές. Κβαντικοί υπολογιστές με εκατομμύρια qubit θα μπορούσαν να επιταχύνουν εκθετικά την εκπαίδευση σύνθετων μοντέλων AI και να καταστήσουν εφικτές εντελώς νέες κατηγορίες αλγορίθμων που είναι αδύνατοι στο κλασικό hardware. Αυτό θα μπορούσε να οδηγήσει σε ανακαλύψεις σε τομείς όπως η ανακάλυψη φαρμάκων, η επιστήμη υλικών και η βελτιστοποίηση πολύπλοκων συστημάτων, που παραμένουν υπολογιστικά αδύνατες ακόμη και για τα πιο προηγμένα συστήματα AI του σήμερα.