ในที่สุด quantum memory ก็ดีขึ้นเมื่อขยายใหญ่ — หมุดหมายจริง และเครื่องที่มันยังไม่ใช่

ช่วงเวลาที่เส้นโค้งหันไปในทิศทางที่ถูกต้อง

ตลอดสามสิบปี การแก้ไขข้อผิดพลาดควอนตัม ตั้งอยู่บนคำสัญญาที่ไม่เคยถูกทำให้เห็นอย่างสะอาด ทฤษฎีบอกว่า หากกระจายข้อมูลควอนตัมหนึ่งหน่วย — logical คิวบิต หนึ่งตัว — ไปบน คิวบิตกายภาพ ที่มี noise จำนวนมาก และหาก คิวบิตกายภาพ เหล่านั้นดีพอ การเพิ่ม คิวบิต มากขึ้น ควรทำให้ คิวบิตเชิงตรรกะ ดีขึ้น โดย ข้อผิดพลาด ลดลงแบบเอ็กซ์โพเนนเชียลเมื่อ code ใหญ่ขึ้น จุดติดอยู่ที่คำว่า “หาก”: ต่ำกว่า noise threshold วิกฤต การเพิ่ม คิวบิต ช่วย; สูงกว่านั้น การเพิ่ม คิวบิต เพียงเพิ่ม noise การทดลองก่อนหน้าทั้งหมดอยู่ผิดด้านของเส้นนี้ หรือไม่ก็แสดงแนวโน้มได้ไม่ชัด เมื่อขยาย code สิ่งต่าง ๆ แย่ลง ไม่ใช่ดีขึ้น

ในเดือนธันวาคม 2024 Google Quantum AI รายงาน การสาธิตอย่างชัดเจนครั้งแรกของอีกระบอบหนึ่ง บน Willow โปรเซสเซอร์ตัวนำยิ่งยวดรุ่นล่าสุด ทีมสร้าง หน่วยความจำแบบ surface code ที่ ระยะโค้ด (code distance) 3, 5 และ 7 และเห็น อัตราข้อผิดพลาดเชิงตรรกะ ลดลง ทุกครั้งที่ code ใหญ่ขึ้น — ด้วยปัจจัย $\Lambda$ = 2.14 ± 0.02 ต่อการเพิ่ม distance สองขั้น หน่วยความจำใหญ่ที่สุดแบบระยะ 7 ใช้ 101 คิวบิต เก็บ คิวบิตเชิงตรรกะ ด้วย ข้อผิดพลาด 0.143% ± 0.003% ต่อรอบการแก้ ข้อผิดพลาด และ — พาดหัวซ้อนในพาดหัว — มันอยู่ได้นานกว่า คิวบิตกายภาพ ที่ดีที่สุดของตัวเอง 2.4 ± 0.3 เท่า สิ่งนี้เรียกว่า “ดีกว่าจุดคุ้มทุนของคิวบิตกายภาพ” และเป็นครั้งแรกที่ระบบ การแก้ไขข้อผิดพลาด โดยรวมคืนกำไรให้ตัวเองบนฮาร์ดแวร์นี้

นี่เป็นหมุดหมายจริง และควรแม่นยำว่าเป็นหมุดหมายชนิดใด มันพิสูจน์ว่า scaling ตอนนี้ไปในทิศทางที่ถูกต้อง ไม่ใช่ คอมพิวเตอร์ควอนตัมที่ทำงานครบ และ ตัวงาน ก็ไม่ได้อ้างเช่นนั้น

ผู้วิจัยทำอะไร

• สร้าง หน่วยความจำแบบ surface code บนชิป Willow สองตัว: โปรเซสเซอร์ 105 คิวบิต ใช้รัน ระยะโค้ด (code distance)-3, -5 และ -7 สำหรับการทดสอบ scaling (ใหญ่ที่สุดคือหน่วยความจำ ระยะ 7 ขนาด 101 คิวบิต มี data คิวบิต 49 ตัว) และโปรเซสเซอร์ 72 คิวบิต ใช้รันหน่วยความจำ distance-5 พร้อม ตัวถอดรหัสแบบเวลาจริง รวมถึง repetition codes ที่มี distance สูง
• วัดว่า logical ข้อผิดพลาด ต่อรอบ เปลี่ยนอย่างไรเมื่อเพิ่ม ระยะโค้ด (code distance) จาก 3 เป็น 5 เป็น 7 เพื่อหาปัจจัยกด ข้อผิดพลาด $\Lambda$
• เปรียบเทียบอายุของ คิวบิตเชิงตรรกะ กับ คิวบิตกายภาพ เดี่ยวที่ดีที่สุดบนชิปเดียวกัน เพื่อทดสอบ “breakeven”
• รัน ระยะโค้ด (code distance)-5 ด้วย ตัวถอดรหัสแบบเวลาจริง — ฮาร์ดแวร์คลาสสิกที่แปลผล ข้อผิดพลาด checks ได้เร็วพอกับที่มันถูกสร้าง — นานถึงหนึ่งล้านรอบ เพื่อแสดงว่า การแก้ไขข้อผิดพลาด ตามเครื่องทัน
• ขยาย repetition codes ที่ง่ายกว่าไปถึง distance 29 เพื่อค้นหาแหล่ง ข้อผิดพลาด หายากระดับลึกที่ตั้งพื้นประสิทธิภาพ

สิ่งที่พบ

• Code อยู่ ต่ำกว่าเกณฑ์ (below threshold) Logical ข้อผิดพลาด ต่อรอบลดลงด้วย $\Lambda$ = 2.14 ± 0.02 ต่อการเพิ่ม distance สองขั้น — เป็นการกดแบบเอ็กซ์โพเนนเชียลอย่างสะอาดตามที่ทฤษฎีสัญญาไว้ และก่อนหน้านี้ยังไม่มีโปรเซสเซอร์ใดแสดงได้ชัดเจน
• หน่วยความจำ ระยะ 7 มี ข้อผิดพลาด 0.143% ± 0.003% ต่อรอบ และอยู่ได้นานกว่า คิวบิตกายภาพ ที่ดีที่สุด 2.4 ± 0.3 เท่า — ดีกว่าจุดคุ้มทุนของคิวบิตกายภาพ
• Real-time decoding ตามทัน Decoder มี latency เฉลี่ย 63 ไมโครวินาทีที่ ระยะ 5 เทียบกับ cycle time 1.1 ไมโครวินาที และรักษาการทำงานได้หนึ่งล้านรอบ — การแก้ไขข้อผิดพลาด ทำงานสด ไม่ใช่วิเคราะห์ย้อนหลังทีหลัง
• ยังมีแหล่ง ข้อผิดพลาด ลึกที่หายากอยู่ ในการทดสอบ repetition code ประสิทธิภาพสุดท้ายถูกจำกัดด้วย ข้อผิดพลาดที่มีสหสัมพันธ์ bursts ที่เกิดประมาณ หนึ่งครั้งต่อชั่วโมง (ราวหนึ่งครั้งในทุก 3 × 10⁹ รอบ) ตั้ง พื้นข้อผิดพลาด ใกล้ 10⁻¹⁰ ซึ่งผู้เขียนระบุว่า ยังไม่เข้าใจต้นเหตุ

สิ่งที่งานนี้ไม่ได้พิสูจน์

• นี่ ไม่ใช่ คอมพิวเตอร์ควอนตัมที่กำลังคำนวณ นี่คือ หน่วยความจำควอนตัม: เก็บและป้องกัน คิวบิตเชิงตรรกะ หนึ่งตัว ไม่ได้ทำ การดำเนินการเชิงตรรกะ (เกต) ระหว่าง คิวบิตเชิงตรรกะ และไม่ได้รันอัลกอริทึม
• นี่ ไม่ได้ หมายความว่าเหลืออีก คิวบิต เดียวก็ได้เครื่องที่ใช้ประโยชน์ หนึ่งคิวบิตเชิงตรรกะ แบบระยะ 7 ใช้คิวบิตกายภาพราว 101 ตัว; ข้อผิดพลาด ประมาณ 0.1% ต่อรอบยังสูงกว่าราว 10⁻⁶ ถึง 10⁻¹⁰ ที่อัลกอริทึมจริงต้องการมาก การปิดช่องว่างต้องไปสู่ distance ที่ใหญ่กว่ามาก — คิวบิตกายภาพ ต่อ คิวบิตเชิงตรรกะ มากขึ้นมาก — และอัลกอริทึมที่มีประโยชน์ต้องใช้คิวบิตเชิงตรรกะ หลายพันตัว พร้อมกัน งบ คิวบิตกายภาพ จึงไปถึงระดับหลายล้าน
• คำว่า “if scaled” มีน้ำหนักจริง ข้อสรุปของงานเองคือประสิทธิภาพอุปกรณ์ หาก scale ได้ อาจตอบโจทย์อัลกอริทึมขนาดใหญ่ การแสดงว่าแนวโน้มถูกต้องบน คิวบิตเชิงตรรกะ หนึ่งตัวไม่เท่ากับสร้างเครื่องที่ scale แล้ว และไม่มีอะไรที่นี่รับประกันว่าแนวโน้มจะอยู่รอดเมื่อขยายใหญ่กว่านี้มาก
• Error floor ที่ยังอธิบายไม่ได้เป็นปัญหาจริง correlated bursts ที่จำกัด repetition-code performance มีขนาดใหญ่กว่าคาดหลายลำดับขั้นตามคำของผู้เขียน และจะขัดขวาง fault-tolerant applications ที่ใหญ่กว่านี้จนกว่าจะเข้าใจ — เป็นข้อบกพร่องเปิดที่ระบุไว้ตรง ๆ ไม่ใช่รายละเอียดที่แก้แล้ว
• งานนี้ไม่พูดอะไรเรื่อง การถอดรหัส encryption หรือ “quantum supremacy” สำหรับงานที่มีประโยชน์ สิ่งเหล่านั้นต้องใช้ fault-tolerant machine เต็มรูปแบบซึ่งงานนี้เป็นเพียงศิลาฐาน ไม่ใช่การสาธิต

หลักฐานแข็งแรงแค่ไหน

• ข้ออ้างหลักแข็งแรงและสำคัญ การทำงาน ต่ำกว่าเกณฑ์ (below threshold) พร้อมการกด ข้อผิดพลาด แบบเอ็กซ์โพเนนเชียลชัดเจนข้าม ระยะโค้ด (code distance) สามค่า บวกกับอายุ ดีกว่าจุดคุ้มทุนของคิวบิตกายภาพ และ ตัวถอดรหัสแบบเวลาจริง ที่ใช้งานได้ คือชุดสิ่งที่วงการพยายามไปให้ถึง และสาธิตโดยตรง ไม่ใช่อนุมาน นี่ไม่ใช่สิ่งประดิษฐ์จาก hype แต่เป็นผลวิศวกรรมจริงจากทีมชั้นนำ
• ผู้เขียนระวังขอบเขตของผล พวกเขาเรียกมันว่า หน่วยความจำที่ทำงานต่ำกว่าเกณฑ์ ระบุ พื้นข้อผิดพลาด จาก ข้อผิดพลาดที่มีสหสัมพันธ์ ที่ยังอธิบายไม่ได้เอง และผูกอนาคตไว้กับคำว่า “if scaled” ที่เด่นชัด การกล่าวเกินจริงมักเกิดในข่าวรอบข้างที่ปัด “หน่วยความจำ คิวบิตเชิงตรรกะ ที่แก้ ข้อผิดพลาด ได้ดีขึ้นเมื่อโตขึ้น” ให้กลายเป็น “คอมพิวเตอร์ควอนตัม มาแล้ว”
• สถานะที่ซื่อตรงคือก้าวฐานรากที่ทำได้อย่างสะอาด คิวบิตเชิงตรรกะ หนึ่งตัว ได้รับการป้องกันดีพอจนการเพิ่ม redundancy ช่วยเสียที — โดยยังมีเส้นทางยาว ยาก และไม่รับประกันด้าน scaling, เกตเชิงตรรกะ และ ข้อผิดพลาด ที่ยังอธิบายไม่ได้รออยู่

ทำไมจึงสำคัญ

Fault-tolerant คอมพิวเตอร์ควอนตัม มีปัญหาไก่กับไข่มาตลอด: เครื่องที่มีประโยชน์ต้องการ อัตราข้อผิดพลาด ที่ คิวบิตกายภาพ ไม่มีทางทำได้ และทางแก้ — การแก้ไขข้อผิดพลาด — จะทำงานก็ต่อเมื่อฮาร์ดแวร์ดีพอที่จะอยู่ ต่ำกว่าเกณฑ์ (below threshold) ก่อน การข้ามเส้นนั้นได้สักครั้ง แม้บน คิวบิตเชิงตรรกะ เพียงตัวเดียว เปลี่ยนคำถามจาก “เป็นไปได้จริงไหม?” เป็น “scale ได้ไกลแค่ไหน และเร็วแค่ไหน?” นั่นคือการเปลี่ยนที่จริงและมีความหมาย จึงสมควรได้รับความสนใจ

แต่ความระมัดระวังแบบเดียวที่ทำให้ผลน่าเชื่อถือก็ควรลดอุณหภูมิของเรื่องเล่ารอบมัน นี่คืออิฐก้อนแรกของฐานรากที่วางได้ดี ไม่ใช่ตัวอาคาร และคนวางอิฐเองก็เป็นกลุ่มแรกที่บอกเช่นนั้น วิธีติดตาม คอมพิวเตอร์ควอนตัม ในอีกไม่กี่ปีที่ถูกต้องคือดูเส้นโค้งที่ไม่หวือหวานี้: ปัจจัยกด ข้อผิดพลาด จะคงอยู่เมื่อ code โตหรือไม่, เกตเชิงตรรกะ ทำได้สะอาดเท่า หน่วยความจำเชิงตรรกะ หรือไม่, และ ข้อผิดพลาด ลึกลับที่มาเพียงชั่วโมงละครั้งจะถูกอธิบายได้หรือไม่

สรุป

Google Quantum AI แสดงอย่างสะอาดเป็นครั้งแรกว่า หน่วยความจำควอนตัม แบบ surface code สามารถทำงาน ต่ำกว่าเกณฑ์ (below threshold): เมื่อขยาย โค้ดจาก ระยะ 3 เป็น 5 เป็น 7 อัตราข้อผิดพลาดเชิงตรรกะ ลดลงแบบเอ็กซ์โพเนนเชียล (ประมาณ 2.14× ต่อสองขั้น) และหน่วยความจำใหญ่ที่สุดแบบระยะ 7 ขนาด 101 คิวบิต อยู่ได้นานกว่า คิวบิตกายภาพ ที่ดีที่สุด — ดีกว่าจุดคุ้มทุนของคิวบิตกายภาพ — ขณะที่ การแก้ไขข้อผิดพลาด ทำงานแบบ real time นี่เป็นหมุดหมายด้านวิศวกรรม คอมพิวเตอร์ควอนตัมที่ตามหามานานจริง แต่ยังเป็น คิวบิตเชิงตรรกะ เพียงหนึ่งตัวที่ทำหน้าที่เป็นหน่วยความจำ มี อัตราข้อผิดพลาด ห่างจากที่อัลกอริทึมจริงต้องการมาก ไม่ได้ทำ logical operations มี พื้นข้อผิดพลาด ที่ยังอธิบายไม่ได้ซึ่งผู้เขียนระบุเอง และยังต้อง scaling อีกหลายลำดับขนาด เส้น threshold ถูกข้ามจริง — ไม่ใช่ คอมพิวเตอร์ควอนตัมที่ส่งมอบแล้ว