شرکت بریتانیایی رکورد ذخیره و بازیابی اطلاعات در کامپیوترهای کوانتومی را شکست

شرکت بریتانیایی Moth Quantum اعلام کرد با توسعه روشی به نام Tessa، رکورد تازهای در ذخیرهسازی و بازیابی اطلاعات در کامپیوترهای کوانتومی ثبت کرده است. این روش توانسته ۱۵۶۸ مقدار عددی را روی پردازنده ۱۲۰ کیوبیتی Phoenix شرکت IBM ذخیره کند و پس از بازیابی اطلاعات، تصویری را از روی آنها بازسازی کند.
به گزارش تکرادار، این دستاورد به یکی از چالشهای مهم رایانش کوانتومی میپردازد: انتقال اطلاعات معمولی به کامپیوترهای کوانتومی و بازیابی آنها بدون ازدسترفتن بخش زیادی از دقت دادهها.
روش Tessa در کامپیوترهای کوانتومی چگونه کار میکند؟
فناوری Tessa برای ذخیره اطلاعات از ارتباط میان کیوبیتهای نزدیک به یکدیگر استفاده میکند. در پردازندههای کوانتومی، هر کیوبیت فقط به تعداد محدودی از کیوبیتهای دیگر متصل است. Tessa از همین اتصالات موجود بهره میگیرد تا مشخص کند اطلاعات چگونه میان کیوبیتها توزیع شوند.
مزیت این روش آن است که برای انتقال اطلاعات به بخشهای مختلف پردازنده، نیازی نیست کیوبیتها مدام جابهجا شوند یا از کیوبیتهای کمکی بیشتری استفاده شود. به این ترتیب، روش Tessa میتواند از اتصالات خود تراشه برای ذخیره اطلاعات در بخشهای مختلف آن استفاده کند.
برای مقایسه، در پژوهشهای قبلی محققان توانسته بودند ۱۲۸ مقدار عددی را با استفاده از ۱۲ کیوبیت ذخیره و بازیابی کنند. در آزمایش جدید، Moth Quantum تعداد این مقادیر را به ۱۵۶۸ رسانده است.
«دنیل بولترینی»، پژوهشگر Moth Quantum و سازنده Tessa، میگوید: «هر کامپیوتر کوانتومی پیش از آنکه بتواند کار مفیدی انجام دهد، باید دادهها را دریافت کند و این مرحله برای حوزههایی مانند یادگیری ماشینی کوانتومی به گلوگاه تبدیل شده است.»
منظور از این گلوگاه، دشواری واردکردن اطلاعات به کامپیوتر کوانتومی و بازیابی دقیق آنهاست؛ مسئلهای که میتواند استفاده از این کامپیوترها را در کاربردهای عملی محدود کند.
محققان برای آزمایش عملکرد Tessa، اطلاعات مربوط به تصاویر را در پردازنده ذخیره و سپس تلاش کردند تصویر اولیه را از روی دادههای بازیابیشده بازسازی کنند. نتایج نشان دادند که پردازنده توانسته اطلاعات تصویر را بازیابی کند، اما تصویر بازسازیشده در همه موارد به نسخه اصلی شباهت یکسانی نداشت. برای مثال، نسبت شباهت آماری بزرگترین تصویر رنگی به تصویر اصلی ۰٫۶۹ بود؛ درحالیکه این شاخص برای تصاویر سادهتر به ۰٫۹۵ تا ۰٫۹۶ میرسید.
به زبان ساده، هرچه تصویر پیچیدهتر و اطلاعات آن بیشتر باشد، بازسازی دقیق آن دشوارتر میشود. پژوهشگران برای بررسی میزان خطای بازیابی، دو پردازنده کوانتومی IBM به نامهای Phoenix و Fez را نیز مقایسه کردند. میانگین خطای عددی در Phoenix برابر با ۰٫۱۳۰ و در Fez برابر با ۰٫۱۳۱ بود.
محققان برای بررسی اینکه Tessa فقط به تصاویر محدود نمیشود، آن را روی انواع دیگری از دادهها نیز آزمایش کردند. این آزمایشها شامل نتهای موسیقی، دادههای صوتی، توالیهای DNA و توالیهای پروتئینی بودند.
توالی پروتئین p53 به نرخ بازیابی صحیح ۷۱.۵ درصدی دست یافت، درحالیکه این نرخ برای پروتئین خارپشت به ۷۶.۲ درصد و برای پروتئین میتوکندریایی MT-CO3 روی سختافزار Phoenix شرکت IBM به ۹۲.۳ درصد رسید.
با وجود این نتایج امیدبخش، نمیتوان از آنها نتیجه گرفت که فناوری Tessa درحالحاضر برای کاربردهای پزشکی قابلاعتماد است. در اطلاعات ژنتیکی و پروتئینی، حتی اشتباه در بازیابی یک واحد از توالی ممکن است اهمیت زیستی داشته باشد. بنابراین، درصد بالای بازیابی در برخی نمونهها بهتنهایی برای اثبات دقت کافی در چنین کاربردهایی مناسب نیست.




