కష్టమైన క్వాంటం కంప్యూటింగ్ సమస్యకు హార్డ్‌వేర్ పరీక్ష
Google Quantum AI పరిశోధకులు సంస్థకు చెందిన Willow సూపర్‌కండక్టింగ్ ప్రాసెసర్‌పై మ్యాజిక్-స్టేట్ కల్టివేషన్ అనే సాంకేతికతను ప్రదర్శించారు. సిద్ధం చేసిన క్వాంటం స్థితుల్లో లోపం 40 రెట్లు తగ్గినట్లు వారు నివేదించారు. Scienceలో ప్రచురితమైన ఈ ఫలితాన్ని, ఈ విధానానికి సంబంధించిన తొలి విజయవంతమైన హార్డ్‌వేర్ పరీక్షగా పేర్కొన్నారు.
ఈ పని క్వాంటం కంప్యూటింగ్‌లోని ఒక ప్రధాన అడ్డంకిని పరిష్కరించేందుకు ప్రయత్నిస్తుంది: క్యూబిట్లు చాలా సున్నితంగా ఉంటాయి. సాంప్రదాయ డిజిటల్ బిట్లకు భిన్నంగా, క్వాంటం బిట్లు తమ పరిసరాలు, నియంత్రణలోని లోపాల వల్ల ప్రభావితమవుతాయి. ఈ లోపాలు విశ్వసనీయమైన లెక్కింపులను నిర్వహించడం అత్యంత కష్టతరం చేస్తాయి, ముఖ్యంగా ఉపయోగకరమైన fault-tolerant క్వాంటం కంప్యూటర్లకు అవసరమైన అధునాతన ఆపరేషన్లను.
ఈ ప్రయోగం “మ్యాజిక్ స్టేట్స్”పై దృష్టి పెడుతుంది—అధునాతన లెక్కింపులకు అవసరమైన ప్రత్యేకంగా సిద్ధం చేసిన క్వాంటం స్థితులు. అధిక నాణ్యత గల మ్యాజిక్ స్టేట్స్‌ను తయారు చేయడం పెద్ద సవాలు, ఎందుకంటే స్థితిలోని చిన్న లోపం కూడా పెద్ద లెక్కింపును దెబ్బతీయవచ్చు. Google ఫలితం fault-tolerant క్వాంటం కంప్యూటింగ్‌కు సంబంధించిన విస్తృత సవాలను తొలగించదు. అయితే వాస్తవ హార్డ్‌వేర్‌పై విలువైన ఒక భాగాన్ని మెరుగుపరచే మార్గాన్ని ఇది చూపిస్తుంది.
డిస్టిలేషన్ నుంచి కల్టివేషన్ వరకు
మ్యాజిక్ స్టేట్స్‌ను మెరుగుపరచడానికి పరిచితమైన మార్గం మ్యాజిక్-స్టేట్ డిస్టిలేషన్. విస్తృతంగా చెప్పాలంటే, డిస్టిలేషన్ క్వాంటం వనరుల్లోని లోపాలను వడపోస్తుంది. ఇది పనిచేయవచ్చు, కానీ వనరులు ఎక్కువగా అవసరం: తక్కువ సంఖ్యలో ఉపయోగకరమైన స్థితులను తయారు చేయడానికి గణనీయమైన హార్డ్‌వేర్, ప్రాసెసింగ్ అవసరం కావచ్చు.
మ్యాజిక్-స్టేట్ కల్టివేషన్ ఒక భిన్నమైన ప్రతిపాదన. అదే రకమైన వనరులు అధికంగా అవసరమయ్యే వడపోతపై ఆధారపడకుండా, రక్షిత క్యూబిట్‌లోనే శబ్దభరితమైన మ్యాజిక్ స్టేట్‌ను నేరుగా శుద్ధి చేయాలని ఇది లక్ష్యంగా పెట్టుకుంది. క్వాంటం సమాచారాన్ని ఒకే బలహీనమైన భాగంలో ఉంచకుండా, అనేక భౌతిక క్యూబిట్లలో ఎన్‌కోడ్ చేయడం ద్వారా ఈ రక్షణ లభిస్తుంది.
Willow ప్రయోగంలో, సరిచేయాల్సిన లోపాలతోనే బృందం ఉద్దేశపూర్వకంగా ప్రారంభించింది. పరిశోధకులు శబ్దభరితమైన మ్యాజిక్ స్టేట్‌ను చిన్న భౌతిక క్యూబిట్ గ్రిడ్‌లో ఎన్‌కోడ్ చేశారు. ఆ తర్వాత సున్నితమైన క్వాంటం డేటాను నాశనం చేయకుండా ఎన్‌కోడ్ చేసిన సమాచారంలోని తప్పులను తనిఖీ చేయడానికి సహాయక క్యూబిట్లను ఉపయోగించారు.
తనిఖీలు లోపాన్ని గుర్తించినప్పుడు, ఆ ప్రయత్నాన్ని విస్మరించి వ్యవస్థ మళ్లీ ప్రారంభమైంది. ఒక ప్రయత్నం అన్ని తనిఖీల్లో ఉత్తీర్ణత సాధించినప్పుడు, మెరుగుపరచిన మ్యాజిక్ స్టేట్‌ను తదుపరి ప్రాసెసింగ్ కోసం నిల్వ చేశారు. ఈ post-selection ముఖ్యమైనది: ప్రతి ప్రయత్నం విజయవంతమవుతుందని ఈ విధానం చెప్పదు. బదులుగా, కోరుకున్న రక్షిత స్థితి తనిఖీలను తట్టుకుని నిలిచిన సందర్భాలను గుర్తించడమే దీని లక్ష్యం.
40 రెట్లు అనే సంఖ్య అర్థం
పరిశోధకుల ప్రకారం, కల్టివేషన్ లోపాన్ని 40 రెట్లు తగ్గించింది. ఆమోదించబడిన మ్యాజిక్ స్టేట్స్ కనీసం సుమారు 99.99% fidelity సాధించాయి; ఇది సిద్ధం చేసిన స్థితి ఉద్దేశించిన స్థితితో ఎంత దగ్గరగా సరిపోతుందో కొలుస్తుంది.
ఈ సంఖ్య ఈ రంగంలో కొలత ఎందుకు సవాలుగా ఉంటుందో కూడా చూపిస్తుంది. మిగిలిన లోపాలు చాలా చిన్నవిగా ఉన్నప్పుడు, అవి నిజంగా చిన్నవేనని నిరూపించడానికి జాగ్రత్తగా ధృవీకరణ అవసరం. సాంప్రదాయ పద్ధతులకంటే తక్కువ కొలతలతో మిగిలిన లోపాలను గుర్తించేందుకు బృందం kickback tomography అనే సాంకేతికతను అభివృద్ధి చేసింది.
వడపోత ఎంపికాత్మకంగా జరిగింది. ప్రారంభ ప్రయత్నాల్లో కేవలం 8% మాత్రమే ప్రతి తనిఖీలో ఉత్తీర్ణత సాధించాయి. కల్టివేషన్‌కు సంబంధించిన ఆచరణాత్మక ప్రశ్నలో ఈ మార్పిడి ఒక భాగం: ఒక సాంకేతికత ఆమోదించబడిన స్థితుల నాణ్యతను గణనీయంగా మెరుగుపరచవచ్చు, కానీ దానికి పునరావృత ప్రయత్నాలు అవసరం కావచ్చు. అందువల్ల సంబంధిత పోలిక కేవలం మిగిలిన స్థితుల లోప రేటు కాదు; ఉపయోగకరమైన లెక్కింపుకు తగినన్ని స్థితులను తయారు చేయడానికి అయ్యే మొత్తం ఖర్చు కూడా.
మ్యాజిక్ స్టేట్స్ ఎందుకు ముఖ్యమైనవి
క్వాంటం ప్రాసెసర్లు కొన్ని ఆపరేషన్లను ఇతర వాటికంటే సహజంగా నిర్వహించగలవు. క్వాంటం కంప్యూటింగ్‌లోని అత్యంత క్లిష్టమైన రూపాలకు, అవసరమైన అధునాతన ఆపరేషన్లను వ్యవస్థ నిర్వహించేందుకు జాగ్రత్తగా సిద్ధం చేసిన వనరులు అవసరం. మ్యాజిక్ స్టేట్స్ అలాంటి ఒక వనరు.
అందువల్ల విశ్వసనీయమైన మ్యాజిక్ స్టేట్స్‌ను తయారు చేసే ఖర్చు భవిష్యత్తులోని fault-tolerant యంత్రం పరిమాణం, రూపకల్పనను ప్రభావితం చేయవచ్చు. తక్కువ మొత్తం వనరులతో మెరుగైన స్థితులను సృష్టించే విధానం ఒకే ప్రయోగశాల ప్రదర్శనకు మించి ప్రాధాన్యం పొందవచ్చు. అయితే ఒక భాగంలో వచ్చిన బలమైన ఫలితం మాత్రమే పూర్తి fault-tolerant కంప్యూటర్‌ను నిర్ధారించదు. అది చివరకు విశ్వసనీయ క్యూబిట్లు, లోపాల గుర్తింపు, నియంత్రణ వ్యవస్థలు, పూర్తి నిర్మాణంలోని ఇతర అంశాలతో కలిసి పనిచేయాలి.
Willow ఫలితం గమనార్హమైనది, ఎందుకంటే గతంలో వాస్తవ హార్డ్‌వేర్‌పై విజయవంతంగా పరీక్షించని విధానాన్ని తీసుకుని, సూపర్‌కండక్టింగ్ ప్రాసెసర్‌లోని లోపాలకు లోబరచింది. అందువల్ల ఈ ప్రయోగం ఆ ఆలోచనను సిద్ధాంతపరమైన అవకాశంనుంచి హార్డ్‌వేర్ పరిమితులతో అంచనా వేయగల ఇంజినీరింగ్ ఫలితంగా మార్చింది.
ఇంకా తెరిచి ఉన్న ఆచరణాత్మక ప్రశ్నలతో ఒక మైలురాయి
ఈ ఫలితాన్ని ఆశాజనకమైన సాధనం యొక్క ప్రదర్శనగా చూడటం మంచిది; క్వాంటం లోప సవరణ పరిష్కరించబడిందనే ప్రకటనగా కాదు. రక్షిత శబ్దభరిత స్థితులను వడపోసి మెరుగుపరచవచ్చని, తనిఖీలను తట్టుకుని నిలిచిన స్థితుల్లో లోపాన్ని గణనీయంగా తగ్గించవచ్చని ఈ ప్రయోగం చూపిస్తుంది.
దీని ప్రాముఖ్యత హార్డ్‌వేర్ పనితీరు, ధృవీకరణ కలయికలో ఉంది. కల్టివేషన్ పనిచేస్తుందని బృందం కేవలం ప్రతిపాదించలేదు; అది శబ్దభరిత స్థితిని ఎన్‌కోడ్ చేసి, సహాయక క్యూబిట్లతో తనిఖీ చేసి, విఫలమైన ప్రయత్నాలను విస్మరించి, నిలిచిన స్థితుల నాణ్యతను కొలిచింది. నివేదించిన లోప స్థాయిలో ఆ కొలతలను సాధ్యం చేయడంలో కొత్త tomography విధానం కూడా భాగమైంది.
క్వాంటం కంప్యూటింగ్‌లో పురోగతి తరచుగా ఇలాంటి భాగం-స్థాయి మెరుగుదలల ద్వారా వస్తుంది. ఒక కీలక వనరును మెరుగ్గా సిద్ధం చేయడం పెద్ద వ్యవస్థల ఇంజినీరింగ్ సమతౌల్యాన్ని మార్చవచ్చు, ఇంకా ఎన్నో కఠిన దశలు మిగిలి ఉన్నప్పటికీ. విశ్వసనీయ క్వాంటం లెక్కింపుల దిశగా పరిశోధకులు పనిచేస్తున్న సమయంలో, మరింత స్థిరపడిన విధానాలతో పాటు మ్యాజిక్-స్టేట్ కల్టివేషన్‌ను కూడా పరిగణించాల్సిన అవసరం ఉందని Google Quantum AI ఫలితం సూచిస్తుంది.
ఈ కథనం Phys.org నివేదిక ఆధారంగా రూపొందించబడింది. అసలు కథనాన్ని చదవండి.
Originally published on phys.org
