Bir buçuk yıl önce kuantum kontrol startup'ı Quantum Machines ile Nvidia, Nvidia'nın DGX Quantum bilgi işlem platformunu ve Quantum Machines'ın gelişmiş kuantum kontrol donanımlarını bir araya getiren derin bir iş birliği duyurmuşlardı. Bu iş birliğinin sonuçları bir süre boyunca pek duyulmamıştı, ancak şimdi bu ortaklık meyvesini vermeye başladı ve endüstriyi hata düzeltmeli kuantum bilgisayarın kutsal graali olan hedefine bir adım daha yaklaştırdı.
Bu yılın başında yapılan bir sunumda, iki şirket birlikte Nvidia'nın DGX platformunda çalışan hazır bir pekiştirmeli öğrenme modelini kullanarak Rigetti kuantum çipindeki qubit'leri daha iyi kontrol etmeyi başardıklarını gösterdi. Bu süreç, sistemi sürekli olarak kalibre ederek neredeyse gerçek zamanlı olarak bu darbeleri ayarlamayı içeriyor. Bu görev oldukça yoğun bilgi işlem gerektiriyor, ancak bir kuantum sistemi her zaman biraz farklı olduğu için, pekiştirmeli öğrenme ile çözüme kavuşturulmaya uygun bir kontrol problemi.
"Kuantum bilgisayarlar ölçeklendikçe ve iyileştikçe, tüm bu sorunlar önemli sorunlar haline geliyor ve bilgi işlem yoğun hale geliyor," diyor Nvidia'nın kuantum bilgi işlem grup ürün yöneticisi Sam Stanwyck. "Kuantum hata düzeltme gerçekten çok büyük bir öneme sahip. Hata dayanıklı kuantum bilgi işlemini açığa çıkarmak için bu gerekiyor, ama aynı zamanda qubit'lerden en iyi şekilde yararlanmak için tam olarak doğru kontrol darbeleri nasıl uygulanır?"
Stanwyck ayrıca DGX Quantum'dan önce, bu hesaplamaları yapmak için minimal gecikme süresine izin veren bir sistemin olmadığını da vurguladı. Kalibrasyondaki iyileşmeler hata düzeltme konusunda büyük gelişmelere yol açabilir. "Kuantum hata düzeltme bağlamında kalibrasyonda yapılan iyileşmelerin getirisinin üssel olduğunu," diyor Quantum Machines Ürün Yöneticisi Ramon Szmuk. "Eğer %10 daha iyi kalibre ederseniz, bu birçok fiziksel qubit'ten oluşan mantıksal qubit'te üssel olarak daha iyi mantıksal hata performansı elde edersiniz. Yani burada çok hızlı ve iyi kalibre etmeye yönelik büyük bir motivasyon var."
Bu iyileştirme sürecinin ve iş birliğinin sadece başlangıç olduğunu vurgulamak gerekiyor. Burada ekip aslında hazır algoritmalardan bir avuç kullanarak hangisinin en iyi çalıştığını görmek için çalıştı (bu durumda TD3). Deneyleri çalıştırmak için kullanılan asıl kod toplamda sadece 150 satırdı. Elbette bu, iki takımın da çeşitli sistemleri entegre etmek ve yazılım yığınını oluşturmak için yaptığı tüm çalışmala bağlı. Ancak geliştiriciler için tüm bu karmaşıklık gizlenebilir ve iki şirket zamanla bu büyük platformu daha fazla kullanmak için daha fazla açık kaynak kütüphane oluşturmayı hedefliyor.
Szmuk, bu projede ekibin çok basit bir kuantum devresi ile çalıştığını ancak bunu derin devrelere de genelleştirebileceklerini vurguladı. "Eğer bunu bir kapı ve bir qubit ile yapabiliyorsanız, bunu yüz qubit ve bin kapı ile de yapabilirsiniz," dedi.
"Bireysel sonuç küçük bir adım, ancak en önemli sorunların çözümüne doğru küçük bir adım," diye ekledi Stanwyck. "Faydalı kuantum bilgi işlem, hızlandırılmış süper bilgi işlem gücünün sıkı entegrasyonunu gerektirecek ve bu en zor mühendislik zorluğu olabilir. Yani bu şekilde gerçekten bir kuantum bilgisayarda yapabilmek ve sadece küçük bir kuantum bilgisayar için optimize edilmemiş, ölçeklenebilir ve modüler bir platform olacak şekilde bir darbeyi ayarlamak, bizce en önemli kuantum bilgi işlem sorunlarından bazılarını çözme yolunda olduğumuza inanıyoruz."
Stanwyck ayrıca iki şirketin bu iş birliğini sürdürmeyi ve bu araçları daha fazla araştırmacının kullanımına sunmayı planladığını da belirtti. Nvidia'nın Blackwell çipleri yarın gelecek yıl piyasaya sürüldüğünde, bu proje için daha güçlü bir bilgi işlem platformuna da sahip olacaklar.
