آمازون از تراشه Ocelot برای بهبود اصلاح خطا در رایانش کوانتومی رونمایی کرد
1 دقیقه خوانده شده
آمازون با معرفی تراشه کوانتومی جدید خود که Ocelot نام دارد به‌طوری جدی‌تر به دنیای رایانش کوانتومی ورود پیدا کرده است. غول فناوری اعلام کرده که این تراشه می‌تواند هزینه‌های مربوط به اصلاح خطای کوانتومی را تا 90 درصد کاهش دهد.
یکی از چالش‌های بزرگ حوزه رایانش کوانتومی، میزان بالای خطاهاست. برخلاف رایانه‌های سنتی که از اعداد باینری 0 و 1 استفاده می‌کنند، رایانش کوانتومی از کیوبیت‌ها بهره می‌برد که می‌توانند در چندین حالت به‌طور همزمان وجود داشته باشند. با این حال، همانطور که آمازون هم توضیح می‌دهد، کیوبیت‌ها نسبت به کوچک‌ترین تغییرات محیطی، مانند لرزش، گرما و تداخلات الکترومغناطیسی حساس هستند و این موضوع باعث می‌شود ساخت رایانه‌های کوانتومی بدون خطا چالش‌برانگیز باشد.
نوآوری تراشه کوانتومی آمازون
آمازون برای حل این مشکل، به‌جای اضافه کردن تعداد بیشتری کیوبیت، اصلاح خطا را به‌طور مستقیم در معماری تراشه Ocelot پیاده‌سازی کرده است. این شرکت از «کیوبیت‌های گربه‌ای» (Cat Qubits) استفاده می‌کند که نام آن از آزمایش معروف «گربه شرودینگر» گرفته شده است. این کیوبیت‌ها به‌طور ذاتی برخی از خطاها را کاهش می‌دهند و در نتیجه، مصرف انرژی و منابع برای اصلاح خطا کاهش می‌یابد.
«اسکار پینتر»، مدیر سخت‌افزار کوانتومی در آمازون وب سرویس (AWS)، در بیانیه‌ای اعلام کرد:
«ما از یک معماری از پیش طراحی‌شده استفاده نکردیم و بعداً اصلاح خطا را به آن اضافه نکردیم، بلکه از ابتدا، انتخاب کیوبیت و معماری ما بر اساس نیاز به اصلاح خطای کوانتومی انجام شد.»
رویکرد آمازون با استراتژی‌های گوگل و مایکروسافت در کاهش خطاهای رایانش کوانتومی متفاوت است. گوگل در دسامبر گذشته تراشه کوانتومی Willow را معرفی کرد که می‌تواند یک محاسبه پیچیده را در کمتر از پنج دقیقه انجام دهد. محققان این شرکت دریافتند که افزایش تعداد کیوبیت‌ها می‌تواند به کاهش خطاها کمک کند. از سوی دیگر، مایکروسافت با معرفی پردازنده کوانتومی Majorana 1 مدعی شده که می‌تواند یک میلیون کیوبیت را روی یک تراشه قرار دهد و همزمان میزان خطاها را کاهش دهد.
آمازون تأکید کرده که تراشه Ocelot هنوز در مرحله نمونه اولیه قرار دارد، اما معماری بهینه‌تر آن می‌تواند در آینده به ساخت رایانه‌های کوانتومی کوچک‌تر و کم‌مصرف‌تر منجر شود.
درباره تیم تولید محتوا
