Kvanttilaskennan mullistava edistysaskel on syntynyt, ja se voi vauhdittaa tekoälyn kyvykkyyksiä ja sovelluksia merkittävästi.
Ruotsin Chalmersin teknillisen yliopiston tutkijat ovat kehittäneet erittäin tehokkaan vahvistimen, jota he kuvaavat "herkimmäksi transistoripohjaiseksi vahvistimeksi, joka voidaan tänä päivänä rakentaa". Tutkijaryhmä onnistui pienentämään laitteen energiankulutuksen vain kymmenesosaan nykyisten huippuvahvistimien tarpeesta suorituskyvystä tinkimättä.
Innovaatio perustuu älykkääseen suunnitteluun, jossa vahvistin kytkeytyy päälle vain, kun kubiteista luetaan tietoa. Tämä pienempi energiankulutus auttaa minimoimaan häiriöt kubitteihin ja voi mahdollistaa suurempien ja tehokkaampien kvanttitietokoneiden rakentamisen. Kvanttitiedon lukeminen on äärimmäisen herkkää – jopa pienet lämpötilavaihtelut, kohina tai sähkömagneettiset häiriöt voivat saada kubitit menettämään kvanttitilansa. Koska vahvistimet tuottavat lämpöä, joka aiheuttaa dekohesiota, tutkijat ovat pyrkineet kehittämään energiatehokkaampia kubittivahvistimia.
Toisin kuin muut vähäkohinaiset vahvistimet, uusi laite toimii pulssiohjauksella ja aktivoituu vain tarvittaessa kubittien vahvistusta varten, eikä ole jatkuvasti päällä. Koska kvanttitietoa siirretään pulssimuodossa, keskeinen haaste oli varmistaa, että vahvistin aktivoituu riittävän nopeasti pysyäkseen kubittien lukunopeuden tahdissa. Chalmersin tiimi ratkaisi tämän käyttämällä geneettistä ohjelmointia, joka mahdollistaa vahvistimen älykkään ohjauksen ja reagoinnin saapuviin kubittipulsseihin vain 35 nanosekunnissa.
Tämä edistysaskel on olennaisen tärkeä kvanttitietokoneiden skaalaamiseksi huomattavasti suurempiin kubittimääriin. Mitä enemmän kubitteja, sitä suurempi laskentateho ja kyky ratkaista erittäin monimutkaisia ongelmia. Kuitenkin suuremmat kvanttijärjestelmät vaativat enemmän vahvistimia, mikä lisää energiankulutusta ja voi aiheuttaa kubittien dekohesiota. "Tämä tutkimus tarjoaa ratkaisun kvanttitietokoneiden tulevaan laajentamiseen, jossa näiden kubittivahvistimien tuottama lämpö muodostaa merkittävän rajoittavan tekijän", kertoo mikroaaltotekniikan professori Jan Grahn Chalmersista.
Läpimurto ajoittuu samaan aikaan kuin tuore tutkimus, joka osoittaa, että jopa pienimuotoiset kvanttitietokoneet voivat parantaa koneoppimisen suorituskykyä uusien fotonisten kvanttipiirien avulla. Tulokset viittaavat siihen, että nykyinen kvanttiteknologia ei ole enää pelkästään kokeellista – se kykenee jo nyt päihittämään klassiset järjestelmät tietyissä tehtävissä.
Kvanttitietokoneet voivat ratkaista ongelmia, jotka ovat nykyisten tehokkaimpienkin koneiden ulottumattomissa, avaten ovia lääketutkimukseen, kyberturvallisuuteen, tekoälyyn ja logistiikkaan. Chalmersin kehittämä erittäin energiatehokas vahvistin kytkeytyy päälle vain, kun on aika lukea tietoa kubiteista. Älykkään, pulssipohjaisen suunnittelun ansiosta se kuluttaa vain kymmenesosan nykyisten huippumallien tarvitsemasta energiasta.
Monien nykyisten suurten kielimallien kouluttaminen vaatii yli miljoona GPU-tuntia, kun taas kvanttihermoverkot lupaavat tehokkaampaa monimutkaisten, korkeaulotteisten aineistojen käsittelyä verrattuna klassisiin hermoverkkoihin. Nopeuden lisäksi kvanttilaskenta voi mullistaa tekoälyn parantamalla optimointialgoritmeja, mahdollistamalla kehittyneempiä mallisimulaatioita ja vähentämällä merkittävästi tekoälymallien koulutukseen kuluvaa energiaa.
"Odotamme ensimmäisten merkittävien läpimurtojen Quantum AI:ssa tapahtuvan tämän vuosikymmenen lopulla ja seuraavan alussa, kun siirrymme nykyisistä meluisista kvanttilaitteista virheenkorjattuihin kvanttitietokoneisiin, joissa on kymmeniä tai satoja loogisia kubitteja", selittää Dr. Ines de Vega, IQM:n Quantum Innovation -yksikön johtaja. "Nämä laitteet mahdollistavat siirtymisen puhtaasti kokeellisista NISQ-kvanttialgoritmeista käytännön ja mahdollisesti yllättäviin etuihin tekoälysovelluksissa. Kvanttilaskennan ja tekoälyn yhdistämisellä voi olla valtava vaikutus maailmaan. Kvantti ja tekoäly yhdessä voivat ratkaista ongelmia, joihin klassiset tietokoneet eivät kykene, tehden tekoälystä tehokkaampaa, nopeampaa ja voimakkaampaa."