Cercetătorii australieni au realizat ceea ce experții numesc o descoperire „spectaculoasă” în domeniul calculului cuantic, care ar putea accelera dramatic capacitățile de procesare AI în anii următori.
Echipa de la Universitatea din Sydney, condusă de profesorul David Reilly, a dezvoltat un mic „chiplet” CMOS capabil să funcționeze la 100 de milikelvini (puțin peste zero absolut) și să controleze mai mulți qubiți de spin din siliciu folosind doar microwați de energie. Aceasta rezolvă o provocare inginerească considerată de mult timp insurmontabilă în calculul cuantic.
Semnificația inovației constă în capacitatea de a plasa electronica de control la mai puțin de un milimetru de qubiți fără a perturba stările lor cuantice fragile. „Prin proiectare atentă, arătăm că qubiții abia observă comutarea a 100.000 de tranzistori chiar lângă ei”, a explicat Reilly, care a descris realizarea drept „finalul unui drum lung” după un deceniu de dezvoltare.
Abordările tradiționale de calcul cuantic necesită sisteme externe voluminoase de control, conectate prin cabluri dense, ceea ce creează un blocaj la scalare. Prin integrarea electronicii de control direct într-un pachet CMOS compatibil criogenic, echipa australiană a eliminat această limitare, deschizând calea către procesoare cuantice cu milioane de qubiți pe un singur cip.
Descoperirea valorifică qubiții de spin din siliciu, deosebit de promițători datorită compatibilității cu infrastructura existentă de fabricație a semiconductorilor. Spre deosebire de alte tehnologii cuantice, acești qubiți pot fi produși la scară largă folosind aceleași procese de fabricație CMOS utilizate la telefoanele și computerele moderne.
Implicațiile pentru inteligența artificială sunt profunde. Computerele cuantice cu milioane de qubiți ar putea accelera exponențial antrenarea modelelor AI complexe și ar putea permite dezvoltarea unor clase complet noi de algoritmi imposibil de rulat pe hardware-ul clasic. Acest lucru ar putea duce la descoperiri în domenii precum descoperirea de medicamente, știința materialelor și optimizarea sistemelor complexe, care rămân deocamdată imposibil de rezolvat chiar și pentru cele mai avansate sisteme AI actuale.