Ett banbrytande framsteg inom kvantdatorer har sett dagens ljus och kan dramatiskt accelerera artificiell intelligens och dess tillämpningar.
Forskare vid Chalmers tekniska högskola i Sverige har utvecklat en mycket energieffektiv förstärkare som beskrivs som "den känsligaste förstärkaren som kan byggas idag med transistorer". Teamet har lyckats minska dess energiförbrukning till endast en tiondel av vad som krävs för dagens bästa förstärkare, utan att kompromissa med prestandan.
Innovationens styrka ligger i en smart design som endast aktiveras när data läses från qubits. Denna minskade energiförbrukning hjälper till att minimera störningar på qubits och kan möjliggöra konstruktionen av större och kraftfullare kvantdatorer. Att läsa kvantinformation är extremt känsligt – även små temperaturvariationer, brus eller elektromagnetiska störningar kan få qubits att tappa sitt kvanttillstånd. Eftersom förstärkare genererar värme som orsakar decoherens, har forskare länge strävat efter mer energieffektiva qubit-förstärkare.
Till skillnad från andra lågbullriga förstärkare är den nya enheten pulsstyrd och aktiveras endast när det behövs för qubit-förstärkning, istället för att vara ständigt påslagen. Eftersom kvantinformation överförs i pulser var en nyckelutmaning att säkerställa att förstärkaren kunde aktiveras tillräckligt snabbt för att hinna med qubit-avläsningen. Chalmers-teamet löste detta genom att använda genetisk programmering för att möjliggöra smart styrning av förstärkaren, vilket gör att den kan reagera på inkommande qubit-pulser på bara 35 nanosekunder.
Detta framsteg är avgörande för att kunna skala upp kvantdatorer till att hantera betydligt fler qubits. Ju fler qubits, desto större datorkraft och kapacitet att lösa mycket komplexa beräkningar. Men större kvantsystem kräver fler förstärkare, vilket leder till högre energiförbrukning som kan orsaka decoherens hos qubits. "Den här studien erbjuder en lösning för framtida uppskalning av kvantdatorer där värmeutvecklingen från dessa qubit-förstärkare utgör en stor begränsande faktor," säger Jan Grahn, professor i mikrovågselektronik vid Chalmers.
Genombrottet sammanfaller med ny forskning som visar att även småskaliga kvantdatorer kan förbättra maskininlärning med hjälp av nya fotoniska kvantkretsar. Dessa resultat tyder på att dagens kvantteknik inte bara är experimentell – den kan redan nu överträffa klassiska system i vissa uppgifter.
Kvantdatorer har potential att lösa problem långt bortom dagens mest kraftfulla maskiner, och öppnar dörrar inom läkemedelsutveckling, cybersäkerhet, artificiell intelligens och logistik. Den ultraeffektiva förstärkaren som utvecklats vid Chalmers aktiveras endast när det är dags att läsa data från qubits. Tack vare sin smarta, pulsstyrda design använder den bara en tiondel av energin jämfört med dagens toppmodeller.
Många av dagens stora språkmodeller kräver över en miljon GPU-timmar för att tränas, medan kvantneuronätverk lovar effektivare hantering av komplexa, högdimensionella datamängder jämfört med klassiska neuronätverk. Utöver snabbhetsförbättringar kan kvantdatorer revolutionera AI genom förbättrade optimeringsalgoritmer, mer avancerade modellsimuleringar och avsevärt minskad energiförbrukning vid träning av AI-modeller.
"Vi förväntar oss de första stora genombrotten inom Quantum AI i slutet av detta decennium och början av nästa, när vi går från dagens brusiga kvantenheter till felkorrigerade kvantdatorer med tiotals till hundratals logiska qubits," förklarar Dr. Ines de Vega, chef för Quantum Innovation vid IQM. "Dessa maskiner kommer att göra det möjligt för oss att gå bortom rent experimentella NISQ-kvantalgoritmer och låsa upp praktiska och potentiellt oväntade fördelar för AI-tillämpningar. Fusionen mellan kvantdatorer och AI har potentialen att få en enorm inverkan på världen. Kvant och AI tillsammans kan lösa problem som klassiska datorer inte klarar av, och göra AI mer effektiv, snabbare och kraftfullare."