Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Wyniki IBM na kubitach logicznych przybliżają korekcję błędów do certyfikowanych liczb

1 listopada przegląd Quantum Zeitgeist poinformował, że IBM podniósł wierność stanów Bella na kubitach logicznych powyżej 93% na procesorze ibm_phoenix, a błędy logiczne w testach pamięci spadły do 0,9% z 1,9%. Nota opublikowana tego samego dnia określiła użyteczne maszyny na poziomie tysięcy kubitów, miliardów bramek i wskaźników błędów rzędu 10 do potęgi minus 10.

TechnologiaWyjaśnienieAnna KaczmarekOpublikowano: 4 listopada 20265 min czytaniaŹródła 15
Wyniki IBM na kubitach logicznych przybliżają korekcję błędów do certyfikowanych liczb

Korekcja błędów jest bramą między pokazem laboratoryjnym a maszyną, która wykona długie obliczenie bez utraty wyniku. Jeśli wskaźniki błędów logicznych dalej spadają, a każdy kubit logiczny wymaga mniej kubitów fizycznych, budżety sprzętowe i harmonogramy prac nad odpornością na błędy zmieniają się zarówno dla kupujących, jak i dla konkurencji. Czy utrzyma się to przy dużych blokach kodu, pozostaje otwarte.

Najnowsze wyniki nie rozstrzygają tego pytania, ale zmieniają rachunek dla kupujących.

IBM i Quantinuum donoszą o czystszych kubitach logicznych

Przegląd Quantum Zeitgeist podał, że IBM osiągnął wierność stanów Bella powyżej 93% na kubitach logicznych dzięki operacjom lattice surgery na ibm_phoenix, a błędy logiczne w testach pamięci wyniosły 0,9% wobec 1,9% wcześniej. Do uruchomienia użyto 120 nadprzewodzących kubitów. Znaczna część poprawy pochodziła z oprogramowania: zespół wskazał mniej niezawodne kubity i wyłączył je z obliczeń oraz usprawnił dekodowanie. Quantinuum, we współpracy z National Quantum Computing Centre, podało wskaźnik błędów 0,26% uzyskany przez operacje QLDPC na procesorze jonowym H2-2. Zespół zmierzył kubit logiczny w bloku dwukubitowym z siedmioma kubitami pomocniczymi, a potem użył tych samych kubitów ponownie do powtarzanych pomiarów.

Ponowne użycie ma tu znaczenie: każdy zapasowy kubit to sprzęt, który ktoś musi zbudować i schłodzić.

Przegląd odnotował też obliczenie na 70 kubitach logicznych z weryfikowalnymi wynikami, wykonane przez IBM, Qedmę i Algorithmiq. Podał również, że Google i MIT dziesięciokrotnie zmniejszyły zapotrzebowanie na kubity fizyczne. Skalowanie do większych bloków kodu pozostaje wyzwaniem, twierdzi przegląd. Metoda wykluczania wadliwych kubitów, którą zastosował IBM, nie skaluje się w nieskończoność, zauważa przegląd. Obecne obliczenia stają się jednak stabilniejsze.

Droga do użytecznych maszyn

Nota opublikowana 1 listopada przywołała prezentację z lutego 2026 r. dla japońskiej rządowej grupy roboczej ds. technologii kwantowych. W nocie obecne maszyny mają od 100 do kilkuset kubitów, wskaźniki błędów około 0,1% i obliczenia do 1 000 bramek. Użyteczne zastosowania wymagałyby tysięcy kubitów, miliardów bramek i wskaźników błędów rzędu 10 do potęgi minus 10. To siedem rzędów wielkości poniżej dzisiejszych wskaźników błędów. Według rachunku z noty wymagałoby to od 100 000 do 1 000 000 kubitów fizycznych.

Zestawmy z tym wyniki tygodnia: 0,9% błędów logicznych i stosunek kodowania pięć do jednego to wartości lepsze niż u poprzedników. Wciąż są daleko od tego, czego wymagałoby obliczenie chemiczne czy materiałowe.

Certyfikowane odległości kodu wchodzą do tabeli

Wcześniej, 30 października, Quantum Zeitgeist podał, że zespół z Air Force Engineering University certyfikował 21 nowych binarnych kodów kwantowych. Poprawił też 34 inne kody z tabeli kodów Grassla.

Odległość minimalna określa, ile błędów kod zniesie, zanim zapisana informacja przepadnie, a dotąd badacze ją szacowali, zamiast obliczać. Grupa powiązała quasi-cykliczne kody addytywne nad F4, systemem liczbowym z czterema elementami, z odległościami minimalnymi, które mogła zweryfikować. Mechanizm to twierdzenie, które zespół nazywa podnoszeniem przodka (ancestor lifting): zbuduj dłuższy kod z krótszego, a potem sprawdź wynik, zamiast go zakładać. Kraty dzielników prowadzą ewidencję. W teście porównawczym używanym w tej dziedzinie do porównywania kodów 21 pozycji ma teraz certyfikowane odległości zamiast szacunków, a 34 kolejne się poprawiły. Zespół opublikował też jawne konstrukcje trzech wcześniej niepotwierdzonych kodów GV, wartości, których brakowało w publicznym rejestrze.

Sześciu dalszych kandydatów wyglądało obiecująco. Zanim ktoś nazwie ich certyfikowanymi, potrzebują wyczerpującej weryfikacji, podaje ten sam raport. Autorzy wskazali też lukę między lepszą tabelą a działającą maszyną: praca nie wykazuje skalowalności do rozmiarów, jakich wymagałoby obliczanie odporne na błędy.

Caltech i Oratomic zmniejszają liczbę kubitów

Druga połowa rachunku to liczba kubitów fizycznych, które pochłania każdy kubit logiczny. Caltech, we współpracy z powiązanym z uczelnią startupem Oratomic, podał, że działająca maszyna mogłaby potrzebować od 10 000 do 20 000 kubitów, a nie milionów, jakie zakładały wcześniejsze szacunki. Twierdzenie opiera się na architekturze korekcji błędów dla atomów neutralnych. Lasery zwane pęsetami optycznymi przemieszczają atomy i łączą je w dużej matrycy.

W tym schemacie każdy kubit logiczny można zakodować już w pięciu kubitach fizycznych, wobec około 1 000 w konwencjonalnej korekcji błędów. Manuel Endres, profesor fizyki w Caltech, powiedział: „To naprawdę zaskakujące, jak dobrze to działa. Nazywamy to ultraefektywną korekcją błędów”. John Preskill, fizyk teoretyk z Caltech, nazwał ten postęp „optymistycznym”. Powiedział, że przybliża to powszechnie użyteczną informatykę kwantową do rzeczywistości.

Szacunek Caltechu utrzymuje się tylko wtedy, gdy wskaźniki błędów spadną wystarczająco nisko. Niższa liczba kubitów oznacza, że maszyna mogłaby teoretycznie zacząć działać do końca dekady, podano w oświadczeniu.

Co dalej

Zostają trzy otwarte sprawy. Oratomic zapowiedział współpracę z Advanced Quantum Computing Mission przy Caltech nad badaniami w kierunku maszyny kwantowej o użytecznej skali, odpornej na błędy. Sześć niecertyfikowanych kodów wymaga wyczerpującej weryfikacji, zanim trafią do tabeli. Quantinuum i National Quantum Computing Centre muszą jeszcze przeskalować operacje QLDPC do większych bloków kodu.

Żaden wynik z tego zestawu nie ma daty dostawy. Zmienia się rachunek, którego kupujący i konkurenci używają, wyceniając system odporny na błędy. Dostają mniej kubitów fizycznych na kubit logiczny, niższe wskaźniki błędów logicznych i odległości kodu, które można sprawdzić, a nie oszacować.

Komentarze 0

Źródła

15
  1. 01Quantum Zeitgeist Weekly Digest - Quantum ZeitgeistEN
  2. 02Researchers Certify 28 New Binary Quantum Error Correction Codes - Quantum ZeitgeistEN
  3. 03Quantum Computer Could Be Ready by 2030, Caltech Researchers Say - CoinMarketCapEN
  4. 04AI and Quantum Computers: Where Do They Truly Align?JA
  5. 05Quint Computing raises €9.1M to scale quantum computing technologyEN
  6. 06Quantum Interconnects Link Two 120-Qubit Processors (IBM Research)EN
  7. 07The quantum revolution is quietly happening - IT Brief AustraliaEN
  8. 08Quint Computing Raises €9.1M to Advance Fault-Tolerant Quantum ComputingEN
  9. 09Canada’s Quantum Sector Sets Sights on CommercializationEN
  10. 10Electric Vehicle Council Celebrating 10 Years of EV Progress in AustraliaEN
  11. 11How Hong Kong’s fintech strategy is progressing – and where growth still lagsEN
  12. 12Shionogi Wins Quantum Drug-design Prize With D-Wave’s Help - Quantum ZeitgeistEN
  13. 13Lumen redefining networking for AI and quantum eras with three new initiativesEN
  14. 14SoftBank teams up with five Japanese firms to build quantum-based platformEN
  15. 15Quantum Computing Will Break AI’s Science Barrier and Open a $1.5 Trillion Addressable Market by 2040 - The Futurum GroupEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Anna Kaczmarek

Anna Kaczmarek

AI, modele i technologie

Anna Kaczmarek pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, repozytoriach i danych źródłowych, a nie na komunikatach prasowych. Przy testach modeli sprawdza karty techniczne, parametry wejściowe i liczy wyniki na tych samych zbiorach, zamiast powtarzać liczby od producentów. Czeka na premiery API i aktualizacje wag, rozmawia z inżynierami oraz porównuje wersje modeli pod kątem kosztów i opóźnień. Prywatnie self-hostuje usługi i konfiguruje sieci domowe, więc do redakcji wnosi praktykę z własnego serwera. Nie publikuje zapowiedzi ani parametrów, których nie może odtworzyć na własnym środowisku.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.