شرکت IBM اعلام کرده که در حوزه محاسبات کوانتومی عمومی به پیشرفت قابل توجهی دست یافته است؛ زیرا تراشه‌های استاندارد شرکت AMD موفق شده‌اند یکی از الگوریتم‌های کلیدی تصحیح خطا را با موفقیت اجرا کنند.
اجرای الگوریتم تصحیح خطای کیوبیت با عملکرد 10 برابر بالاتر از انتظار؛ دستاورد مهم IBM با استفاده از تراشه‌های استاندارد AMD
IBM همواره یکی از پیشگامان رقابت در زمینه توسعه کامپیوترهای کوانتومی بوده و در کنار گوگل توانسته به دستاوردهای قابل توجهی دست یابد؛ اما تمرکز این شرکت بیشتر بر توسعه فناوری‌های قابل استفاده عمومی قرار دارد و اعلام اخیر آن نشان از پیشرفتی بزرگ دارد.
براساس گزارش رویترز، IBM موفق شده الگوریتم تصحیح خطای کوانتومی را روی FPGAهای ساخت AMD اجرا کند و به عملکردی ده برابر سریع‌تر از مقدار پیش‌بینی‌شده دست یابد. جِی گامبتا، مدیر بخش تحقیقات IBM، در گفت‌وگویی با رویترز اظهار کرد که این دستاورد نشان می‌دهد الگوریتم IBM نه تنها در شرایط واقعی قابل استفاده است، بلکه روی تراشه‌های آماده و مقرون‌به‌صرفه AMD نیز قابل اجرا است.
مفهوم الگوریتم تصحیح خطا در محاسبات کوانتومی
برای درک بهتر این موضوع لازم است مفهوم الگوریتم تصحیح خطا (QEC) توضیح داده شود. در محاسبات کوانتومی، همه چیز بر پایه «کیوبیت»ها است؛ واحدهایی که تفاوت بسیاری با بیت‌های دودویی کلاسیک دارند. کیوبیت‌ها به‌شدت حساس هستند و کوچک‌ترین عوامل محیطی مانند لرزش‌های جزئی می‌تواند در فرآیند محاسبه اختلال ایجاد کند.
در اینجا نقش الگوریتم‌های تصحیح خطا مشخص می‌شود؛ این الگوریتم‌ها برای شناسایی و رفع خطاها بدون از بین بردن وضعیت کوانتومی کیوبیت‌ها به کار می‌روند. این توضیح، خلاصه‌ای از عملکرد QEC است، اما برای درک موضوع در این متن کافی محسوب می‌شود.
چرا FPGAهای AMD برای الگوریتم‌های QEC مناسب هستند
دلیل اصلی کارآمد بودن FPGAهای AMD در اجرای الگوریتم‌های QEC، قابلیت پیکربندی مجدد این تراشه‌ها است؛ یعنی می‌توان آن‌ها را برای انجام وظایف خاص با راندمان بسیار بالا تنظیم کرد. در فرآیند تصحیح خطا، وجود یک حلقه بازخورد قوی با تأخیر بسیار پایین اهمیت زیادی دارد؛ به همین دلیل FPGAهای AMD گزینه‌ای مناسب برای این کاربرد هستند. اهمیت دیگر این دستاورد در آن است که IBM بخشی از پردازش محاسبات کوانتومی کلاسیک را به سخت‌افزارهای آماده بازار منتقل کرده و نیاز به سیلیکون سفارشی را کاهش داده است.
تفاوت رویکرد انویدیا در محاسبات کوانتومی
استراتژی انویدیا در زمینه محاسبات کوانتومی متفاوت است. این شرکت به جای استفاده از تراشه‌های سطح پایین مانند FPGA، یک پشته فناوری جامع شامل پلتفرم DGX Quantum با پشتیبانی از CUDA-Q را توسعه داده است. این زیرساخت نیز توانایی اجرای الگوریتم‌های QEC را دارد و احتمالاً از نظر عملکرد، بر FPGAها برتری دارد.
با این حال، دستاورد AMD صرفاً در اجرای الگوریتم‌های QEC خلاصه نمی‌شود، بلکه در استفاده از سخت‌افزارهای معمولی برای این کار اهمیت دارد؛ امری که انویدیا هنوز موفق به انجام آن نشده است. یکی از دلایل این موضوع نبود دارایی مشابه Xilinx در مجموعه فناوری‌های انویدیا است.
آینده محاسبات کوانتومی در دوران اوج هوش مصنوعی
محاسبات کوانتومی همچنان زمینه‌ای نوظهور در صنعت محسوب می‌شود و در زمانی رشد کرده که تب هوش مصنوعی به اوج خود رسیده است. مشاهده مسیر پیشرفت شرکت‌هایی مانند AMD و انویدیا در آینده، زمانی که کامپیوترهای کوانتومی به زیرساخت اصلی هوش مصنوعی تبدیل شوند، بسیار جالب خواهد بود.
توسط 
دیدگاهتان را بنویسید