Quantum Machines و Nvidia در مسیر تحقق یک کامپیوتر کوانتومی با قابلیت اصلاح خطا

به گزارش lastech، در یک ارائه در اوایل سال جاری، این دو شرکت نشان دادند که می‌توانند از یک مدل یادگیری تقویتی آماده استفاده کنند که بر روی پلتفرم DGX Nvidia اجرا می‌شود تا کنترل بهتری بر روی کیوبیت‌ها در تراشه کوانتومی Rigetti داشته باشند. این سیستم به حفظ کالیبراسیون کمک می‌کند.

یوناتان کوهن (Yonatan Cohen)، یکی از بنیان‌گذاران و CTO Quantum Machines، خاطرنشان کرد که شرکت او به دنبال استفاده از موتورهای محاسباتی کلاسیک برای کنترل پردازشگرهای کوانتومی بوده است. این موتورهای محاسباتی کوچک و محدود بودند، اما پلتفرم قدرتمند DGX Nvidia این مشکل را حل کرده است.

کوهن گفت: “هدف نهایی، اجرای اصلاح خطای کوانتومی است. ما هنوز به آنجا نرسیده‌ایم.” در عوض، این همکاری بر روی کالیبراسیون تمرکز دارد، به ویژه کالیبره کردن “پالس‌های “π که چرخش یک کیوبیت را در داخل یک پردازشگر کوانتومی کنترل می‌کند.

سم استانویک (Sam Stanwyck)، مدیر محصول گروه محاسبات کوانتومی Nvidia، تأکید می‌کند که هیچ سیستمی قبل از DGX Quantum وجود نداشت که امکان انجام محاسبات با حداقل تأخیر را فراهم کند. وی گفت: “حتی یک بهبود کوچک در کالیبراسیون می‌تواند منجر به بهبودهای عظیم در اصلاح خطا شود.”

Ramon Szmuk، مدیر محصول Quantum Machines، توضیح داد که بازگشت سرمایه در کالیبراسیون در زمینه اصلاح خطاهای کوانتومی نمایی است. او افزود: “اگر شما 10 درصد بهتر کالیبره کنید، این عملکرد منطقی شما را به طور نمایی بهتر خواهد کرد.”

این پروژه تنها آغاز فرآیند بهینه‌سازی و همکاری است. تیم فقط با یک مدار کوانتومی بسیار ساده کار کرده‌اند، اما می‌توان آن را برای مدارهای عمیق‌تر نیز تعمیم داد. Stanwyck گفت: “ما فکر می‌کنیم واقعاً در مسیر حل برخی از مهم‌ترین مشکلات در محاسبات کوانتومی هستیم.”

این دو شرکت قصد دارند این همکاری را ادامه دهند و ابزارهای خود را در اختیار پژوهشگران بیشتری قرار دهند. با عرضه چیپ‌های Blackwell Nvidia در سال آینده، آنها همچنین پلتفرم محاسباتی قدرتمندتری برای این پروژه خواهند داشت.