رایانش و هوش مصنوعیپیش‌چاپآزمایش۳ دقیقه مطالعه

۱۹ ثانیه در برابر یک سده ابررایانش

برتری کوانتومی یعنی نشان دادن اینکه یک رایانهٔ کوانتومی می‌تواند کاری را انجام دهد که هیچ ابررایانهٔ کلاسیکی نمی‌تواند در زمانی معقول به پایان برساند. آزمون استاندارد نمونه‌برداری از مدارهای تصادفی است: دنباله‌ای از گیت‌های کوانتومی تصادفی روی ده‌ها کیوبیت اعمال می‌شود و سپس کیوبیت‌ها اندازه‌گیری می‌شوند. نتیجه، جریانی از رشته‌های ۰ و ۱ است که از توزیع احتمالی‌ای بیرون کشیده شده‌اند که بازتولیدش برای رایانه‌های کلاسیک بی‌اندازه دشوار است.

نکته‌ای مهم: این کار هیچ کاربرد عملی ندارد. یک محک است — زمان‌سنجی برای توان خام محاسباتی.

مسابقه‌ای در دو جبهه

پردازندهٔ Sycamore با ۵۳ کیوبیت مسابقه را آغاز کرد و پس از آن Zuchongzhi 2.0 و 2.1، Sycamore با ۶۷ کیوبیت، و Zuchongzhi 3.0 با ۸۳ کیوبیت فعال آمدند. در جبههٔ دیگر، الگوریتم‌های کلاسیک پیوسته بهتر شدند و هزینهٔ بازتولید این آزمایش‌ها را به اندازهٔ چندین مرتبهٔ بزرگی کاهش دادند. بنابراین هر ادعایی باید دقیقاً بگوید با کدام کار کلاسیک مقایسه می‌شود.

تا کنون همهٔ این نمایش‌ها روی دستگاه‌های آزمایشگاهی اختصاصی اجرا شده بودند که با دقت برای همین منظور تنظیم شده بودند.

پردازنده‌ای اجاره‌شده از طریق ابر

گروهی از استارتاپ BlueQubit (سان‌فرانسیسکو)، همراه با همکارانی از EPFL و بنیاد XPRIZE، از پردازندهٔ IBM Nighthawk r2 استفاده کردند: ۱۲۰ کیوبیت ابررسانا روی یک شبکهٔ مربعی ۱۲ × ۱۰. آن‌ها با ابزارهای استاندارد Qiskit شرکت IBM، از طریق ابر و بدون هیچ کالیبراسیون ویژه‌ای به آن دسترسی یافتند. نویسندگان از IBM نیستند: آن‌ها از طریق برنامهٔ استارتاپی IBM از دستگاه استفاده کردند و تصریح می‌کنند که دیدگاه‌هایشان دیدگاه IBM نیست.

آن‌ها از ۶۱ کیوبیت استفاده کردند — سه کیوبیت به دلیل داده‌های کالیبراسیونشان کنار گذاشته شدند — که با ۱۰۲ جفت‌کننده به هم متصل بودند.

بررسی مستقیم نتیجه ناممکن است: این دقیقاً همان کاری است که رایانه‌های کلاسیک نمی‌توانند انجام دهند. بنابراین گروه از دو برآورد مستقل از وفاداری (fidelity) مدار استفاده کرد:

  • آزمون «آینه»: اجرای یک مدار و سپس وارون دقیق آن، و بررسی اینکه آیا کیوبیت‌ها به حالت آغازینشان بازمی‌گردند — بدون نیاز به شبیه‌سازی؛
  • آزمون «وصله»: بریدن مدار به ۳ یا ۴ تکه که آن‌قدر کوچک‌اند که بتوان شبیه‌سازی‌شان کرد، و بررسی هر تکه.

اعداد

  • دو برآورد در هر عمقِ اندازه‌گیری‌شده با هم سازگارند.
  • وفاداری به ازای هر چرخه: ۰٫۸۷۲، در برابر ۰٫۸۳۶ در نسل نخست، Nighthawk r1 — یعنی پس از ۳۲ تا ۴۰ چرخه بیش از ده برابر بهتر.
  • نقطهٔ مرجع: ۳۶ چرخه، ۹۱۸ گیت دوکیوبیتی، با وفاداری حدود ۰٫۰۰۲۳. یک میلیون نمونه در ۱۹ ثانیه گردآوری شد.
  • محاسبهٔ کلاسیک تنها یک احتمال خروجی حدود ۱۰²² عملیات هزینه دارد — حدود دو روز کار ابررایانهٔ فرانتیر.
  • تولید همان یک میلیون نمونه به روش کلاسیک: حدود ۱٫۲ × ۱۰²⁷ عملیات، یعنی حدود ۱۱۰ سال روی فرانتیر.
  • کل آزمایش حدود ۱۱ دقیقه وقت رایانهٔ کوانتومی مصرف کرد.
  • «تقلب‌های» کلاسیک شناخته‌شده — بریدن مدار به تکه‌ها برای تقلید امتیاز — دست‌کم ده برابر از امتیاز اندازه‌گیری‌شده عقب می‌مانند.

ریزنویس‌ها

عدد ۱۱۰ سال برآوردی برای یک الگوریتم کلاسیک مشخص است، نه یک حد مطلق. این برآورد حافظهٔ نامحدود را فرض می‌گیرد که به سود طرف کلاسیک است. روش‌های دیگر — استفادهٔ دوباره از محاسبات در میان احتمال‌های فراوان، شبیه‌سازی‌های تقریبی — می‌توانند هزینه را پایین بیاورند. و به نوشتهٔ نویسندگان، تاریخچهٔ این محک نشان می‌دهد که برخی از آن‌ها چنین خواهند کرد.

محکی که هر کسی می‌تواند دوباره اجرا کند

به گفتهٔ نویسندگان، این نخستین نمایش برتری کوانتومی در نمونه‌برداری استاندارد از مدارهای تصادفی روی یک پردازندهٔ تجاری و به‌طور گسترده در دسترس است که بیشتر کاربران غیرمتخصص می‌توانند آن را بازتولید کنند. مدارها، داده‌ها — از جمله یک میلیون نمونه — و کد عمومی‌اند.