Dyrking av magiske tilstander reduserte feilene rundt 40 ganger i et eksperiment på Googles kvanteprosessor Willow, kunngjorde selskapet 15. oktober 2026. Alphabet-datterselskapet oppnådde 99,99 % logisk fidelitet for spesielt fremstilte kvantetilstander. Resultatet adresserer en flaskehals knyttet til ressursbruk, snarere enn å demonstrere en kommersielt klar kvantedatamaskin.
Viktige punkter
- Feilreduksjonen gjelder fremstilte kvantetilstander, ikke nøyaktigheten til en hel datamaskin.
- Teknikken kan redusere maskinvareressursene som kreves for nyttige kvanteberegninger.
- Google sier at demonstrasjoner i større skala og ytterligere ingeniørarbeid fortsatt er nødvendig.
Innholdsfortegnelse
- Hva dyrking av magiske tilstander oppnådde
- Hvorfor tilberedning av tilstander krever så mange ressurser
- Bedre maskinvarekompatibilitet, men skala er fortsatt ikke bevist
- Konklusjon
Hva dyrking av magiske tilstander oppnådde
Forskere ved Google Quantum AI demonstrerte en metode for å produsere T-tilstander av høy kvalitet, en type kvantetilstand som muliggjør operasjoner som trengs for universell kvantedatabehandling. Resultatet på 99,99 % logisk fidelitet måler hvor nært disse tilstandene samsvarer med den tiltenkte formen.
Googles kunngjøring om dyrking på Willow beskriver den omtrent 40 ganger lavere feilraten sammenlignet med tilstander fremstilt uten dyrking. Selskapet opplyste at forskningen ble publisert i Science 15. oktober.
Omfanget er viktig: Eksperimentet forbedrer en byggestein i kvanteberegning. Det viser ikke at hele programmer kan kjøres med 99,99 % nøyaktighet, eller at prosessoren er klar for kommersielle anvendelser.
| Element | Detaljer |
|---|---|
| Teoretisk metode | Utviklet i 2024 av Craig Gidney, Noah Shutty og Cody Jones. |
| Utgangspunkt for feilkorrigeringskode | Fargekode med avstand 3. |
| Målkode for feilkorrigering | Overflatekode med avstand 5. |
Hvorfor tilberedning av tilstander krever så mange ressurser
Produksjon av magiske tilstander med høy kvalitet og feilkorrigering krever store ressurser, og hver tilstand kan ikke brukes på nytt etter at den er forbrukt. Google viste til anslag om at tilberedningen kan oppta opptil 95 % av kapasiteten til en kvantedatamaskin, slik at relativt lite kapasitet blir igjen til beregninger.
Dyrking fungerer som et filter: Forskerne tilfører en støyfull tilstand til et lite område på brikken og bruker deretter samordnede målinger til å oppdage feil og forkaste mislykkede forsøk. Tilstanden som består, kan tilpasses en større koding.
Mer effektiv tilberedning kan dermed redusere størrelsen på kvantedatamaskinen som trengs for praktiske oppgaver. Dette er fortsatt en mulig fordel, ikke en påvist reduksjon i kostnadene for et kommersielt system.
Bedre maskinvarekompatibilitet, men skala er fortsatt ikke bevist
Teamet overførte også dyrkede tilstander mellom to feilkorrigeringsmetoder, fra en fargekode til en overflatekode. Dette testet om rensede tilstander kunne overleve en overgang innenfor Googles dataarkitektur.
Eksperimentet krevde endringer både i kontrollsystemene og måleteknikkene etter at laboratoriestøy påvirket en tidligere referansemåling. Google opplyste at det fortsatt gjenstår betydelige tekniske utfordringer før dyrking kan fungere i en skala som egner seg for praktisk kvantedatabehandling.
Konklusjon
Resultatet flytter dyrking fra teori til en maskinvaredemonstrasjon. Den neste tekniske milepælen er å vise at metoden kan skaleres uten å miste fordelene; Google oppga ingen tidsplan for praktisk bruk.
Les flere nyheter
Flere nyheter fra FinanceVelix
Ansvarsfraskrivelse
Denne FinanceVelix-artikkelen gir generell informasjon, ikke personlig tilpasset finans-, investerings-, juridisk eller skattemessig rådgivning. Markedspriser, renter og økonomiske forhold kan endre seg; investeringer innebærer risiko for tap. Fakta gjenspeiler materialet som var tilgjengelig da artikkelen ble publisert, og kan endre seg. Kontroller viktig informasjon på egen hånd, og rådfør deg med en kvalifisert fagperson ved behov. Omtale av en eiendel, et selskap eller en tjeneste innebærer ikke en anbefaling.
