Այն պահը, երբ կորն առաջին անգամ ճիշտ ուղղությամբ թեքվեց

Երեսուն տարի քվանտային սխալ ուղղումը հենվում էր մի խոստման վրա, որը դեռ երբեք մաքուր ձևով չէր իրականացվել։ Տեսությունն ասում է. եթե քվանտային տեղեկությունի մեկ միավորը՝ մեկ տրամաբանական քուբիթ, տարածեք բազմաթիվ noisy ֆիզիկական քուբիթների վրա, և եթե այդ ֆիզիկական քուբիթները բավական լավն են, ապա դրանցից ավելի շատ ավելացնելը պետք է տրամաբանական քուբիթը ավելի լավ դարձնի՝ կոդը մեծանալիս սխալները էքսպոնենցիալ նվազեցնելով։ Խնդիրը այդ «եթե»-ն է. critical աղմուկ շեմից ցածր ավելի շատ քուբիթը օգնում է, իսկ դրանից վեր՝ պարզապես ավելի շատ աղմուկ է ավելացնում։ Նախորդ փորձերը կամ շեմի սխալ կողմում էին, կամ միտում-ը մաքուր չէին ցույց տվել։ կոդը մեծացնելը արդյունքը վատացնում էր, ոչ լավացնում։

2024 թվականի դեկտեմբերին Google քվանտային ԱԲը հաղորդեց առաջին հստակ ցուցադրումը հակառակ regime-ի։ Willow-ի՝ իրենց նորագույն superconducting պրոցեսոր-ների վրա նրանք մակերեսկոդ հիշողություններ կառուցեցին հեռավորություն 3, 5 և 7-ով և տեսան, որ տրամաբանական սխալի հաճախականությունը կոդը մեծացնելիս ամեն անգամ նվազում է՝ յուրաքանչյուր երկու հեռավորություն քայլի համար Λ\Lambda = 2.14 ± 0.02 ճնշում գործոնով։ Ամենամեծը՝ 101-քուբիթ հեռավորություն-7 հիշողությունն, մեկ տրամաբանական քուբիթ պահեց 0.143% ± 0.003% սխալ per ուղղում ցիկլով և՝ վերնագրի ամենակարևոր մասով, ապրեց ավելի երկար, քան նույն չիպի լավագույն ֆիզիկական քուբիթը՝ 2.4 ± 0.3 անգամ։ Սա կոչվում է սահմանից այն կողմ շահավետության շեմ։ Առաջին անգամ այս սարքավորում-ի վրա սխալ ուղղումի ամբողջ overhead-ը իր արժեքը վերադարձրեց։

Սա իրական հանգրվան է, և կարևոր է ճշգրտել՝ ինչ հանգրվան։ Արդյունքը ցույց է տալիս, որ մասշտաբավորումը հիմա ճիշտ ուղղությամբ է գնում։ Սա աշխատող քվանտային համակարգիչ չէ, և հոդվածը դա չի էլ պնդում։

Ինչ են նշանակում «մակերես code»-ը, «հեռավորություն»-ը և «below շեմ»-ը

տրամաբանական քուբիթ-ը քվանտային տեղեկությունի մեկ պաշտպանված միավոր է, կոդավորված բազմաթիվ ֆիզիկական քուբիթների վրա։ Surface կոդ-ը այդ encoding-ի կոնկրետ մեթոդ է 2D ցանցի վրա, որտեղ լրացուցիչ չափել քուբիթներ անընդհատ ստուգում են սխալները՝ առանց պահված տեղեկությունը խանգարելու։ կոդ հեռավորություն d-ն ֆիզիկական հեռավորություն չէ։ Դա ճիշտ տեղերում առաջացած սխալների ամենափոքր թիվն է, որը կարող է տրամաբանական քուբիթը corrupt անել՝ առանց կոդի կողմից հայտնաբերվելու։ Ավելի մեծ d-ն ավելի մեծ և կայուն patch է. այն ծախսում է ավելի շատ ֆիզիկական քուբիթ (մոտ 2d² − 1) և միաժամանակ ավելի շատ սխալ է ուղղում՝ մինչև (d − 1)/2։ Այսպիսով այստեղ փորձարկված distances 3, 5 և 7-ը ուղղում են համապատասխանաբար 1, 2 և 3 simultaneous սխալ և տեսականորեն պահանջում մոտ 17, 49 և 97 ֆիզիկական քուբիթ։ Google-ի հեռավորություն-7 հիշողությունն օգտագործել է 101՝ մի փոքր ավելի, քան textbook minimum-ը։

Below շեմ-ը կարևոր արտահայտությունն է։ սխալ ուղղումը օգնում է միայն այն դեպքում, երբ ֆիզիկական սխալի հաճախականությունը կրիտիկական արժեքից ցածր է։ Այդ ռեժիմում հեռավորությունի յուրաքանչյուր աճ տրամաբանական սխալի հաճախականությունը էքսպոնենցիալ ճնշում է։ ճնշում գործոն Λ\Lambda-ն չափում է դա. Λ\Lambda > 1 նշանակում է կոդը մեծացնելն օգնում է, և որքան բարձր է Λ\Lambda-ն, այնքան լավ։ Google-ը հայտնում է Λ\Lambda ≈ 2.14, այսինքն՝ հեռավորությունի յուրաքանչյուր երկուքայլ աճը տրամաբանական սխալի հաճախականությունը մոտ կեսով նվազեցրել է։ Հենց այն, որ Λ\Lambda-ն հստակ 1-ից մեծ է, ամբողջ արդյունքի սիրտն է։

Հոդվածից scatter-and-line chart՝ logical error probability-ն correction cycle-ների թվի նկատմամբ։ Distance 3, 5 և 7 curve-երից distance-7-ը ամենացածրն ու ամենադանդաղ աճողն է։ Կանաչ dashed գիծը նույն chip-ի լավագույն physical qubit-ն է, իսկ distance-7 curve-ը մնում է դրանից ցածր՝ ցույց տալով, որ encoded logical qubit-ն ավելի երկար է ապրում։
Ինչպես է տրամաբանական սխալը կուտակվում ուղղում ցիկլների ընթացքում հեռավորություն-3, -5 և -7 հիշողությունների համար՝ վերևից ներքև։ Դիտելու հիմնական գիծը կանաչ dashed-ն է՝ չիպի լավագույն մեկ ֆիզիկական քուբիթը։ հեռավորություն-7 հիշողությունն՝ կապույտ, ամենացածր curve-ը, այդ գծից ավելի դանդաղ է սխալ կուտակում, այսինքն կոդավորված քուբիթը ապրում է ավելի երկար, քան այն լավագույն ֆիզիկական քուբիթը, որոնցից կառուցված է՝ 2.4× սահմանից այն կողմ շահավետության շեմ։ Սա lifetime արդյունքն է. below-շեմ ճնշումը ինքնին (Λ\Lambda = 2.14, երբ հեռավորությունը 3-ից 5, ապա 7 է աճում) տեքստի թվերում է։Google Quantum AI and Collaborators / Nature · CC BY-NC-ND 4.0

Ինչ արեցին հեղինակները

  • Երկու Willow չիպի վրա կառուցեցին մակերեսկոդ հիշողություններ։ 105-քուբիթ պրոցեսոր-ը գործարկեց մասշտաբավորում թեստի հեռավորություն-3, -5 և -7 կոդերը՝ ամենամեծը 101-քուբիթ, 49-տվյալներքուբիթ հեռավորություն-7 հիշողություն։ 72-քուբիթ պրոցեսոր-ը գործարկեց հեռավորություն-5 հիշողություն՝ իրականժամանակ decoder-ով, ինչպես նաև բարձրհեռավորություն կրկնության կոդեր։
  • Չափեցին, թե տրամաբանական սխալը per ցիկլ ինչպես է փոխվում կոդ հեռավորությունը 3-ից 5, ապա 7 բարձրացնելիս, և դրանից հանեցին Λ\Lambda ճնշում գործոնը։
  • տրամաբանական քուբիթի lifetime-ը համեմատեցին նույն չիպի լավագույն անհատ ֆիզիկական քուբիթի հետ՝ շահավետության շեմը փորձարկելու համար։
  • հեռավորություն-5 կոդը գործարկեցին իրականժամանակ decoder-ով՝ դասական սարքավորում, որը սխալ ստուգումները մեկնաբանում է գրեթե նույն արագությամբ, որով դրանք ստեղծվում են, մինչև մեկ միլիոն ցիկլ՝ ցույց տալու, որ սխալ ուղղումը կարող է live աշխատել մեքենաի հետ։
  • Ավելի պարզ կրկնության կոդ-երը հասցրին մինչև հեռավորություն 29՝ փնտրելով հազվադեպ, խոր սխալ աղբյուրներ, որոնք արդյունավետության համար floor են սահմանում։

Ինչ գտան

  • կոդը below շեմ է։ տրամաբանական սխալ per ցիկլը հեռավորությունի յուրաքանչյուր երկուքայլ աճի համար նվազեց Λ\Lambda = 2.14 ± 0.02 գործոնով։ Սա մաքուր էքսպոնենցիալ ճնշում է՝ այն վարքը, որը տեսությունն վաղուց խոստանում էր և ոչ մի պրոցեսոր դեռ համոզիչ կերպով չէր ցույց տվել։
  • հեռավորություն-7 հիշողությունն հասավ 0.143% ± 0.003% սխալ per ցիկլի և իր լավագույն ֆիզիկական քուբիթից 2.4 ± 0.3 անգամ ավելի երկար ապրեց՝ սահմանից այն կողմ շահավետության շեմ։
  • իրականժամանակ decoding-ը հասցրեց մեքենաին։ հեռավորություն 5-ի դեպքում ապակոդավորիչի միջին ուշացումը 63 միկրովայրկյան էր՝ 1.1-միկրովայրկյան ցիկլ ժամանակի պայմաններում, և դա պահպանվեց մեկ միլիոն ցիկլի ընթացքում։ սխալ ուղղումը աշխատում էր իրական ժամանակում, ոչ միայն հետագա վերլուծությունում։
  • Մնում է հազվադեպ, խոր սխալ աղբյուր։ Repetition-կոդ թեստերում արդյունավետությունը վերջում սահմանափակվեց correlated սխալ burst-երով, որոնք լինում էին մոտ ժամը մեկ անգամ՝ մոտ 3 × 10⁹ ցիկլից մեկում, առաջացնելով մոտ 10⁻¹⁰ սխալ floor։ Հեղինակներն ասում են՝ դրա պատճառը դեռ հասկանալի չէ։

Ինչ սա չի ապացուցում

  • Սա քվանտային համակարգիչ չէ, որը computation է անում։ Սա քվանտային հիշողություն է՝ պահում և պաշտպանում է մեկ տրամաբանական քուբիթ։ Այն տրամաբանական քուբիթների միջև տրամաբանական գործողություն կամ դարպաս չի կատարում և ալգորիթմ չի աշխատեցնում։
  • Սա օգտակար մեքենաից մեկ քուբիթ հեռու լինել չէ։ հեռավորություն-7 տրամաբանական քուբիթը ծախսում է մոտ 101 ֆիզիկական քուբիթ։ 0.1% սխալ per ցիկլը դեռ շատ բարձր է այն մոտ 10⁻⁶–10⁻¹⁰ միջակայքից, որը իրական ալգորիթմներին է պետք։ Այդ տարբերությունը փակելու համար պետք են շատ ավելի մեծ հեռավորություններ՝ յուրաքանչյուր տրամաբանական քուբիթի համար շատ ավելի շատ ֆիզիկական քուբիթ, իսկ օգտակար ալգորիթմները միաժամանակ հազարավոր տրամաբանական քուբիթ են պահանջում։ ֆիզիկական քուբիթ budget-ը կարող է հասնել միլիոնների։
  • Հոդվածի «եթե մասշտաբավորվի»-ը կարևոր սահմանափակում է։ Իր եզրակացության մեջ հոդվածը ասում է, որ սարք արդյունավետությունը եթե սանդղակ արվի, կարող է բավարարել մեծ ալգորիթմների պահանջները։ Մեկ տրամաբանական քուբիթի վրա ճիշտ միտում ցույց տալը նույնը չէ, ինչ մասշտաբավորված մեքենա կառուցելը, և այստեղ ոչինչ չի երաշխավորում, որ միտում-ը շատ ավելի մեծ չափերի վրա նույնը կմնա։
  • Անբացատրելի սխալի ստորին սահմանը իրական բաց խնդիր է։ Կապակցված պոռթկումները, որոնք սահմանափակում են repetition-կոդ արդյունավետությունը, հեղինակների խոսքով մի քանի կարգով ավելի մեծ են սպասվածից և, մինչև հասկացվելը, կարող են խանգարել ավելի մեծ խափանումադիմացկուն կիրառումներին։ Սա բաց խնդիր է, ոչ փակված մանրուք։
  • Արդյունքը ոչինչ չի ասում գաղտնագրում կոտրելու կամ օգտակար առաջադրանքերի համար «քվանտային գերակայություն»-ի մասին։ Դրա համար պետք է ամբողջական խափանումադիմացկուն մեքենա, որի հիմք stone-երից մեկն է այս արդյունքը, ոչ ինքնին ցուցադրումը։

Որքա՞ն ուժեղ է ապացույցը

  • Հիմնական պնդումը ուժեղ և կարևոր է։ Երեք կոդ հեռավորությունի վրա հստակ էքսպոնենցիալ ճնշումով շեմից ցածր աշխատանք, և սահմանից այն կողմշահավետության շեմ lifetime և աշխատող իրականժամանակ decoder՝ հենց այն համադրությունն է, որ դաշտը փորձում էր հասնել։ Այն ցուցադրված է ուղիղ, ոչ անուղղակի եզրակացությունով։ Սա գովազդային չափազանցություն չէ, այլ իրական ինժեներական արդյունք առաջատար խմբից։
  • Հեղինակները սահմանների հարցում զգույշ են։ Նրանք արդյունքը նկարագրում են որպես below-շեմ հիշողություն, իրենք են մատնանշում unexplained correlated-սխալի ստորին սահմանը և ապագայի մասին խոսելիս հատուկ պահում «եթե մասշտաբավորվի» վերապահումը։ Չափազանցումը հիմնականում surrounding ծածկույթում է, երբ «սխալուղղված հիշողություն քուբիթը մեծանալիս լավացավ» դարձնում են «քվանտային հաշվարկը արդեն այստեղ է»։
  • Ազնիվ կարգավիճակը հիմքային քայլ է։ Մեկ տրամաբանական քուբիթ, այնքան լավ պաշտպանված, որ redundancy-ն վերջապես օգնում է, բայց առջևում երկար, դժվար և ոչ երաշխավորված ճանապարհ է՝ մասշտաբավորում, տրամաբանական դարպասներ և unexplained սխալներ։

Ինչու է սա կարևոր

խափանումադիմացկուն քվանտային computing-ը միշտ մի փոքր chicken-and-egg խնդիր էր հիշեցնում։ Օգտակար մեքենաներին պետք են սխալի հաճախականություներ, որոնց ոչ մի ֆիզիկական քուբիթ չի հասնում, իսկ լուծումը՝ սխալ ուղղումը, աշխատում է միայն այն ժամանակ, երբ սարքավորում-ն արդեն բավական լավ է շեմից ցածր լինելու համար։ Այդ գիծը թեկուզ մեկ անգամ, մեկ տրամաբանական քուբիթի վրա անցնելը հարցը փոխում է «ընդհանրապես հնարավո՞ր է» ձևից դեպի «որքա՞ն հեռու և որքա՞ն արագ կարելի է սանդղակ անել»։ Սա իրական և կարևոր փոփոխություն է։

Բայց հենց այն նույն զգուշությունը, որը արդյունքը վստահելի է դարձնում, պետք է զսպի դրա շուրջ պատմությունը։ Սա հիմքի առաջին լավ դրված աղյուսն է։ Սա building-ը չէ, և այն դրած մարդիկ առաջիններից են դա ասելու։ քվանտային computing-ին հաջորդ տարիներին հետևելու լավագույն ձևը հենց այս ոչ glamorous curve-ն է՝ ճնշում գործոնը կպահպանվի՞ կոդը մեծացնելիս, տրամաբանական դարպասները կաշխատե՞ն այնքան հստակ, որքան տրամաբանական հիշողությունն, և արդյոք ժամում մեկ անգամ հայտնվող այդ տարօրինակ սխալը երբևէ կբացատրվի։

Կարճ ամփոփում

Google քվանտային ԱԲը առաջին անգամ մաքուր ցույց տվեց, որ մակերեսկոդ քվանտային հիշողությունն կարող է աշխատել շեմից ցածր։ կոդ հեռավորությունը 3-ից 5, ապա 7 բարձրացնելիս տրամաբանական սխալի հաճախականությունը էքսպոնենցիալ նվազեց՝ յուրաքանչյուր երկու քայլի համար մոտ 2.14×, իսկ ամենամեծ՝ 101-քուբիթ հեռավորություն-7 հիշողությունն իր լավագույն ֆիզիկական քուբիթից ավելի երկար ապրեց՝ սահմանից այն կողմ շահավետության շեմ, իրականժամանակ աշխատող սխալ ուղղումով։ Սա քվանտային համակարգչային ինժեներիայի երկար սպասված իրական հանգրվան է։ Բայց այն նաև ընդամենը մեկ տրամաբանական քուբիթ է՝ հիշողությունի դերում, սխալի հաճախականությունով, որը դեռ շատ հեռու է իրական ալգորիթմների պահանջներից, առանց տրամաբանական գործողությունների, հեղինակների իսկ մատնանշած unexplained սխալ floor-ով և մասշտաբավորումի մի քանի կարգի մասշտաբավորման ճանապարհով։ Իրական շեմ է անցել, ոչ քվանտային համակարգիչ է հանձնվել։

Խմբագրական նշում

Այս հոդվածը գրվել է AI-ի կողմից և վերանայվել խմբագրական թիմի կողմից։ Այն կապված աշխատանքի հստակ ու պահպանողական բացատրությունն է, ոչ թե այն կարդալու փոխարինողը։ Ընտրության, մեկնաբանության և վերջնական ձևակերպման պատասխանատվությունը կրում է խմբագիրը։