Australialaiset tutkijat ovat saavuttaneet kvanttilaskennassa läpimurron, jota asiantuntijat kuvaavat todelliseksi 'game changeriksi' ja joka voi nopeuttaa tekoälyn laskentatehoa merkittävästi tulevina vuosina.
Sydneyn yliopiston tiimi, professori David Reillyn johdolla, on kehittänyt pienen CMOS-'sirupalan', joka kykenee toimimaan 100 millikelvinin lämpötilassa (vain hieman absoluuttisen nollapisteen yläpuolella) ja ohjaamaan useita piipohjaisia spinkubitteja vain mikrowattien teholla. Tämä ratkaisee pitkään ylitsepääsemättömänä pidetyn teknisen haasteen kvanttilaskennassa.
Innovaation merkitys piilee siinä, että ohjauselektroniikka voidaan sijoittaa alle millimetrin päähän itse kubiteista ilman, että niiden hauraat kvanttitilat häiriintyvät. "Huolellisen suunnittelun ansiosta osoitamme, että kubitit tuskin huomaavat, vaikka 100 000 transistoria kytkeytyy aivan vieressä", Reilly selittää ja kuvaa saavutusta "pitkän tien päätepisteeksi" yli vuosikymmenen kehitystyön jälkeen.
Perinteiset kvanttitietokoneet vaativat massiivisia ulkoisia ohjausjärjestelmiä ja tiheää johdotusta, mikä on muodostanut vakavan pullonkaulan laajentamiselle. Integroimalla ohjauselektroniikka suoraan kryogeeniseen CMOS-pakettiin australialaisryhmä on poistanut tämän rajoitteen ja avannut tien prosessoreille, joissa voi olla miljoonia kubitteja yhdellä sirulla.
Läpimurto hyödyntää piipohjaisia spinkubitteja, jotka ovat erityisen lupaavia, koska ne ovat yhteensopivia nykyisen puolijohdeteollisuuden valmistusprosessien kanssa. Toisin kuin monet muut kvanttiteknologiat, näitä kubitteja voidaan valmistaa teollisessa mittakaavassa samoilla CMOS-menetelmillä kuin nykyaikaisia älypuhelimia ja tietokoneita.
Vaikutukset tekoälylle voivat olla mullistavia. Miljoonien kubittien kvanttitietokoneet voisivat eksponentiaalisesti nopeuttaa monimutkaisten tekoälymallien koulutusta ja mahdollistaa täysin uusia algoritmiluokkia, jotka ovat klassisella raudalla mahdottomia. Tämä voi johtaa läpimurtoihin esimerkiksi lääkekehityksessä, materiaalitieteessä ja kompleksisten järjestelmien optimoinnissa – alueilla, jotka ovat edelleen laskennallisesti mahdottomia jopa nykyisille edistyneimmille tekoälyjärjestelmille.