هوش مصنوعی، لیزر و کوانتوم

تحقیقات CSIRO که در مجله تحقیقاتی Physical Review منتشر شد، برای اولین بار دریافت که هوش مصنوعی می‏تواند به پردازش و حل خطاهای کوانتومی معروف به نویز کیوبیت، که توسط ماهیت فیزیک کوانتومی ایجاد می‏شود، کمک کند. غلبه بر این خطاها به طور گسترده بزرگترین مانع برای حرکت کامپیوترهای کوانتومی پیشرفته در نظر گرفته می‏شود. در رایانه‌های معمولی، اطلاعات در «بیت‌ها» ذخیره و پردازش می‌شوند که بر اساس اصول اعداد باینری کار می‌کنند. هر بیت می‏تواند 0 یا 1 را نشان دهد. اما دستگاه‏های محاسباتی کوانتومی از بیت‏های کوانتومی یا "کیوبیت‏ها" تشکیل شده‏اند. اینها روی خواص ویژه مکانیک کوانتومی کار می‏کنند و به آنها اجازه می‏دهند 0، 1 یا هر دوی 0 و 1 را به طور همزمان نشان دهند. پیش‌بینی می‌شود که این قدرت محاسباتی عظیم بتواند مشکلاتی را که خارج از دسترس رایانه‌های معمولی هستند حل کند.

اما ماهیت ظریف کیوبیت همچنین کامپیوترهای کوانتومی را به تولید نویز یا خطا در خروجی‌های خود سوق می‌دهد. برای غلبه بر این، از کدهای تصحیح خطای کوانتومی برای شناسایی و تصحیح خطاها استفاده می‌شود.

CSIRO  یک رمزگشای شبکه عصبی هوش مصنوعی را برای شناسایی خطاها و انجام اصلاحات مناسب پیاده سازی کرد. دکتر محمد عثمان، رهبر تیم سیستم‌های کوانتومیData61 CSIRO، گفت که این کار می‌تواند خطاهای پیچیده سخت‌افزار کوانتومی واقعی را به طور موثر پردازش کند. او گفت: «کار ما برای اولین بار نشان می‌دهد که رمزگشای مبتنی بر یادگیری ماشین می‌تواند در اصل، اطلاعات خطا را که مستقیماً از اندازه‌گیری‌های دستگاه‌های IBM به دست می‌آید، پردازش کند و اصلاحات مناسب را با وجود ماهیت بسیار پیچیده نویز پیشنهاد کند. در کارمان، زمانی که فاصله کد تصحیح خطا، همانطور که از نظر تئوری پیش‌بینی می‌شود، به دلیل سطوح نویز زیاد (بالاتر از آستانه کد) در پردازنده‌های کوانتومیIBM، افزایش می‌یابد، حذف خطا را مشاهده نمی‌کنیم». کدهای تصحیح خطای کوانتومی برای مقابله با نویز فیزیکی زیربنایی کیوبیت‏ها با انتشار اطلاعات منطقی در بسیاری از کیوبیت‏های فیزیکی ایجاد شده‏اند. این کدها اطلاعات خطا را با اندازه‌گیری تثبیت‌کننده‌ها در شبکه‌ای از کیوبیت تفسیر می‌کنند که اندازه‌گیری سندرم نامیده می‌شود. اجرای کارآمد، سریع و مقیاس‌پذیر مرحله پردازش سندرم محاسباتی برای عملکرد کلی کدهای تصحیح خطای کوانتومی بسیار مهم است.

برای بهبود این کارایی، دکتر عثمان یک رمزگشای سندرم شبکه عصبی مصنوعی را پیاده سازی و آموزش داد. عملکرد رمزگشای شبکه عصبی مستقیماً روی پردازنده‌های کوانتومی IBM محک زده شد و نشان داد که می‌تواند خطاهای پیچیده سخت‌افزار کوانتومی واقعی را به طور موثر پردازش کند و اصلاحات مناسب را انجام دهد. این تحقیق نشان می‌دهد که با کاهش نرخ خطای فیزیکی در چند سال آینده، هوش مصنوعی می‌تواند با افزایش فاصله کد، خنثی کردن خطا را فعال کند.

More information: Brhyeton Hall et al, Artificial neural network syndrome decoding on IBM quantum processors, Physical Review Research (2024)