- AlphaQubit, do Google DeepMind và nhóm Quantum AI đồng phát triển, sử dụng AI để xác định chính xác các lỗi bên trong máy tính lượng tử
- Công nghệ này giúp máy tính lượng tử trở nên đáng tin cậy hơn, mở ra khả năng đột phá trong khám phá thuốc, thiết kế vật liệu và vật lý cơ bản, đồng thời có thể giải các bài toán mà máy tính hiện nay phải mất hàng tỷ năm chỉ trong vài giờ
- Tuy nhiên, bộ xử lý lượng tử dễ bị nhiễu hơn các bộ xử lý truyền thống. Để nâng cao độ tin cậy của máy tính lượng tử, cần xác định và sửa lỗi một cách chính xác
- AlphaQubit cung cấp khả năng xác định lỗi chính xác để máy tính lượng tử có thể thực hiện các phép tính quy mô lớn, đây là bước thiết yếu cho các đột phá khoa học
Sửa lỗi trong điện toán lượng tử
- Máy tính lượng tử tận dụng các đặc tính độc đáo của vật chất như siêu dẫn và vướng víu lượng tử để giải các bài toán phức tạp nhanh hơn máy tính truyền thống
- Tuy nhiên, trạng thái tự nhiên của các bit lượng tử (qubit) rất dễ bị xáo trộn bởi nhiều yếu tố như nhiệt, rung động, nhiễu điện từ và tia vũ trụ
- Kỹ thuật sửa lỗi lượng tử nhóm nhiều qubit vật lý lại để tạo thành một qubit logic, sau đó dùng các phép kiểm tra tính nhất quán để xác định và sửa lỗi
- AlphaQubit đóng vai trò là bộ giải mã dựa trên mạng nơ-ron, sử dụng dữ liệu từ các phép kiểm tra tính nhất quán này để phát hiện lỗi
Phát triển AlphaQubit, bộ giải mã dựa trên mạng nơ-ron
- AlphaQubit là một bộ giải mã dựa trên mạng nơ-ron sử dụng kiến trúc Transformer do Google phát triển để dự đoán lỗi dựa trên các phép kiểm tra tính nhất quán
- Mô hình được huấn luyện trên hàng triệu ví dụ lỗi bằng dữ liệu tạo ra từ bộ xử lý lượng tử Sycamore, qua đó nâng cao độ chính xác
- So với các bộ giải mã hiện có, AlphaQubit:
- Ghi nhận tỷ lệ lỗi thấp hơn 6% so với bộ giải mã dựa trên tensor network (tensor network chính xác nhưng kém hiệu quả)
- Đạt tỷ lệ lỗi thấp hơn 30% so với phương pháp correlated matching vốn vừa nhanh vừa chính xác
Khả năng mở rộng và tiềm năng tương lai của AlphaQubit
- AlphaQubit cho thấy hiệu năng vượt trội trong các mô phỏng sử dụng dữ liệu từ 241 qubit trở lên, vượt quá quy mô của các hệ thống hiện có
- Trên các hệ thống lớn hơn, AlphaQubit vẫn duy trì độ chính xác cao, cho thấy khả năng hoạt động tốt cả trên các thiết bị lượng tử cỡ trung
- AlphaQubit cũng có khả năng báo cáo mức độ tin cậy ở đầu vào và đầu ra, qua đó có thể hỗ trợ cải thiện hiệu năng của các bộ xử lý lượng tử trong tương lai
- Mô hình duy trì hiệu năng ổn định trong các mô phỏng sửa lỗi kéo dài tới hơn 100.000 vòng, chứng minh khả năng tổng quát hóa vượt ra ngoài dữ liệu huấn luyện
Thách thức trên con đường hướng tới điện toán lượng tử thực tiễn
- AlphaQubit là một cột mốc quan trọng cho thấy tiềm năng của học máy trong sửa lỗi lượng tử
- Tuy vậy, vẫn còn các thách thức cần giải quyết như vấn đề tốc độ cho sửa lỗi thời gian thực và cải thiện phương pháp huấn luyện hiệu quả hơn về dữ liệu
- Nhóm Google đặt mục tiêu phát triển máy tính lượng tử đáng tin cậy bằng cách kết hợp những tiến bộ hàng đầu trong học máy với công nghệ sửa lỗi lượng tử
1 bình luận
Ý kiến trên Hacker News
Khi duy trì bộ nhớ lượng tử, người ta đo các phép kiểm tra parity của mã sửa lỗi lượng tử. Các phép kiểm tra parity này chứa thông tin từng phần về lỗi chứ không phải thông tin về trạng thái logic, và thông tin lượng tử logic vẫn giữ được tính nhất quán qua quá trình này.
Các phép đo này là dữ liệu cổ điển, và cần tính toán để suy ra lỗi có khả năng nhất đã gây ra syndrome được đo. Quá trình này được gọi là giải mã.
Nghiên cứu này là một mô hình hoạt động như thuật toán giải mã cho surface code, một loại mã lượng tử rất phổ biến. Surface code giống như một biến thể lượng tử tương tự của repetition code.
AlphaQubit là một kiến trúc mạng nơ-ron dựa trên recurrent transformer, dự đoán lỗi của các toán tử quan sát logic dựa trên đầu vào syndrome. Mạng này được tiền huấn luyện bằng các mẫu mô phỏng và tinh chỉnh bằng một lượng hạn chế mẫu thực nghiệm, nhờ đó giải mã thí nghiệm Sycamore surface code chính xác hơn bất kỳ bộ giải mã nào trước đó.
Trong một vòng sửa lỗi của surface code, thông tin ổn định tử X và Z cập nhật trạng thái nội bộ của bộ giải mã, được mã hóa thành một vector cho mỗi ổn định tử. Trạng thái nội bộ được điều chỉnh bởi nhiều lớp của mạng nơ-ron syndrome transformer, có bao gồm attention và convolution.
Có ý kiến cho rằng ngoài bài báo và các hình được tham chiếu thì không thể tìm thấy mô tả chi tiết về kiến trúc. Họ cũng chỉ ra rằng từ sau năm 2017, Google không còn dễ dàng công bố phương pháp ML của mình nữa.
Có ý kiến cho rằng về bản chất đây là việc một phép tính vốn dễ phát sinh lỗi lại đang được sửa bởi một phép tính khác cũng dễ phát sinh lỗi.
Có người đặt câu hỏi làm sao một hệ thống cổ điển có thể phát hiện/sửa lỗi trong một hệ lượng tử. Họ từng nghĩ mọi thuật toán sửa lỗi lượng tử đều phải dựa trên qubit.
Điện toán lượng tử và AI rõ ràng đang ở đỉnh cao của hype.
Có ý kiến cho rằng không có lý do gì để phàn nàn về hype AI. Cũng có nhận xét rằng đây là nội dung liên quan đến AI duy nhất nghe có vẻ hợp lý được một nửa.
Có cảm giác toàn bộ chuyện này giống như các bằng sáng chế kiểu "có dùng máy tính" ngày xưa.
Có câu đùa rằng giờ chỉ cần tích hợp thêm tiền mã hóa vào đây là gần như hoàn tất.
Có người không quá hiểu về máy tính lượng tử nhưng vẫn thấy thú vị. Họ cho rằng trong danh sách linh kiện của máy tính lượng tử thì cái gì cũng cần, và còn cần rất nhiều GPU.
Có ý kiến rằng đã thử tìm hiểu từ rất lâu nhưng vẫn không thể hiểu điện toán lượng tử hoạt động thế nào. Nó luôn được giải thích theo kiểu thử mọi tổ hợp có thể rồi lấy ra đáp án.