Harvard-Forscher schlagen innovative Technik vor, um die Fehlerresistenz und das Schweigen von "Rauschen" im Quantencomputing zu verbessern
Summary:
Harvard-Forscher haben in ihrer Arbeit "Logical quantum processor based on reconfigurable atom arrays" eine Methode beschrieben, um Quantencomputerprozesse mit größerer Fehlerresistenz und Rauschunterdrückung auszuführen. Dieser Durchbruch behebt das erhebliche Hindernis des "Rauschens" im Quantencomputing, das dadurch gekennzeichnet ist, dass Qubits fehleranfällig sind. Obwohl eine vollständige Fehlerbehebung noch nicht erreicht ist, führt der Prozessor des Teams eine Phase zur Fehlererkennung nach der Berechnung ein, in der fehlerhafte Ergebnisse identifiziert und verworfen werden. Dies signalisiert einen innovativen Weg für Quantencomputer, die der Ära der "Noisy Intermediate-Scale Quantum" entkommen und einen "Quantenvorteil" erreichen. Für Quantensysteme sind jedoch kontinuierliche Anstrengungen erforderlich, um große rechnerische Herausforderungen zu bewältigen, obwohl angenommen wird, dass die entwickelten Techniken skalierbar sind.
Wenn es um die Zukunft des Computings geht, verweisen Technologieexperten oft auf Quantenmaschinen und ihre einzigartige Fähigkeit, Probleme zu lösen, mit denen herkömmliche binäre Systeme zu kämpfen haben. Diese Überlegenheit von Quantenapparaturen, bekannt als "Quantenvorteil", erfordert, dass diese Systeme stabil und skalierbar sind. Laut Fachleuten ist das Rauschen das entscheidende und größte Hindernis, das die Skalierbarkeit im Quantencomputing behindert. Harvard-Forscher haben ihre Ergebnisse in einem Artikel mit dem Titel "Logical quantum processor based on reconfigurable atom arrays" zusammengefasst. In diesem Artikel wird beschrieben, wie Quantenberechnungen mit verbesserter Fehlerresistenz und größerer Rauschunterdrückung durchgeführt werden können. Damit verkünden sie den Beginn einer frühen fehlerberichtigten Quantenberechnung und zeigen den Weg zu großen logischen Prozessoren auf.
Aktuelle Quantencomputersysteme mit weniger als 1.000 Qubits, dem Quantenäquivalent eines Computerbits, werden als Noisy Intermediate-Scale Quantum (NISQ)-Systeme kategorisiert, die so genannt werden, weil sie in erster Linie "verrauscht" sind. Dieses "Rauschen" bedeutet, dass Qubits anfällig für Störungen und Fehler sind. ein Dilemma, das die Harvard-Forscher überwunden haben wollen, indem sie eine Rauschunterdrückung in einem noch nie dagewesenen Ausmaß erreicht haben. Sie haben es jedoch noch nicht geschafft, Fehler vollständig zu eliminieren.
Die größte Herausforderung beim Quantencomputing liegt in der Natur der Qubits - sie verlieren ihre Daten bei der Messung. Leider ist die Messung die einzige Methode, um Fehler zu identifizieren. Um Fehler vollständig zu korrigieren, müsste ein Quantensystem erfunden werden, das in der Lage ist, Fehler während des gesamten Rechenprozesses autonom zu identifizieren und zu korrigieren. Dies ist jedoch eine schwierige Aufgabe, die in großem Maßstab zu bewältigen ist.
Anstatt Fehler während der Berechnung zu korrigieren, führt der Prozessor des Harvard-Teams eine Phase zur Fehlererkennung nach der Berechnung ein. In dieser Phase werden fehlerhafte Ergebnisse identifiziert und verworfen. Laut der Studie könnte dieser neue Ansatz das Wachstum des Quantencomputings über die NISQ-Ära hinaus beschleunigen und uns dem Ziel des Quantenvorteils näher bringen.
Trotz der Fortschritte deutet eine Erklärung der DARPA darauf hin, dass viel mehr als die 48 logischen Qubits erforderlich wären, die in den Tests des Teams verwendet wurden, um alle wichtigen Probleme zu lösen, die Quantencomputer lösen sollen. Die Forscher behaupten jedoch, dass die von ihnen entwickelten Techniken auf Quantensysteme mit über 10.000 Qubits ausgeweitet werden könnten.
Published At
12/8/2023 12:00:00 AM
Disclaimer: Algoine does not endorse any content or product on this page. Readers should conduct their own research before taking any actions related to the asset, company, or any information in this article and assume full responsibility for their decisions. This article should not be considered as investment advice. Our news is prepared with AI support.
Do you suspect this content may be misleading, incomplete, or inappropriate in any way, requiring modification or removal?
We appreciate your report.