数百万の量子ビットを実現するにはどうすればよいでしょうか?量子コンピューティング企業がユニバーサル量子コンピューティングソリューションを拡大

数百万の量子ビットを実現するにはどうすればよいでしょうか?量子コンピューティング企業がユニバーサル量子コンピューティングソリューションを拡大

光ファイバーを光子のメモリとして使用し、光子メモリを使用してフォールトトレラント量子コンピューティングの量子ビット数を増やすことは、近年の光子量子コンピューティングの新たな方向性です。中国のボーズ量子チームが長年の研究開発に基づいて提案した「天宮光量子コンピューティングアーキテクチャ」[3]は、このようなアプローチを採用しています。偶然にも、このソリューションは、有名なアメリカの光量子コンピューティング企業である PsiQuantum でも採用されています。この記事では、PsiQuantum が発表した 2 つの論文に基づいて、同社のスケーラブルな光量子汎用コンピューティング ソリューションについて説明します。

量子コンピューティング業界のダークホースについて語るとき、PsiQuantum について言及する必要があります。

PsiQuantumは、量子コンピューティングの著名な専門家であるジェレミー・オブライエン氏によって2016年にシリコンバレーで設立されました。同社は、光量子コンピューティング技術ルートに重点を置いた、米国を代表する量子コンピューティングの新興企業の1つです。PsiQuantumの目標は、従来のシリコンチップ技術プロセスを使用して、光量子を使用した商用量子コンピューターを製造することです。同時に、PsiQuantum には、フォトニクス、電子制御、光電子チップのパッケージング、極低温システム、量子アーキテクチャとフォールトトレランス、量子アプリケーションなどの側面を網羅する量子コンピューティングスタック全体の研究に専念する世界クラスのエンジニアと科学者のチームがあります。

関係する公開レポートで明らかにされた情報によると、PsiQuantumは量子ビットを制御するための量子光子チップと極低温電子チップを開発・製造しており、世界有数の専門ウエハーファウンドリであるGlobal-foundries(GF)との提携を発表し、GFの半導体製造プロセスを使用して量子コアコンポーネントを製造する予定だという。 PsiQuantum は、光量子コンピューティングルートとエンジニアリング実装能力に対する評価により、世界で最も多額の資金を調達している量子コンピューティング企業でもあります。

現在までに同社は総額6億6,500万ドルの資金を調達している。投資家リストには、Microsoft M12、Blackstone、Atomico、Redpoint、Playground Global など、数多くの有名なベンチャーキャピタル企業が含まれています。 PsiQuantum が資本市場から非常に支持されていることがわかります。

では、量子コンピューティングの研究開発の道のりのユニークな点は何でしょうか?

PsiQuantum は、実用的な量子コンピュータには、フォールト トレランスとエラー訂正の要件を満たすために、少なくとも 100 万個の物理量子ビットが必要であると考えています。したがって、光量子汎用コンピューティング ソリューションのアーキテクチャとスケーラビリティが彼らの研究の焦点となっています。

2021年、PsiQuantumは2つの主要な論文を連続して発表しました。融合ベースの量子計算  [1] および インターリーブ: フォールトトレラントな光量子コンピューティングのためのモジュールアーキテクチャ  [2]では、スケーラブルな汎用光量子コンピューティングの基本原理とアーキテクチャを明らかにしました。特に、論文[2]では、PsiQuantumの研究者らがモジュール式のフォールトトレラントな光量子コンピューティングアーキテクチャを提案し、数百万の光量子ビットへの技術的ルートを初めて完全に実証し、光子処理モジュール、デジタル処理モジュール、ファイバーメモリを備えた新世代の光量子コンピューティングアーキテクチャのスケーラビリティと進歩を確認しました。

論文[2]では、量子ビットとしての光子のさまざまな特性が再び述べられています。超伝導技術などの固体量子を使用する他の大規模コンピューティング アーキテクチャでは、量子ビットは一般にアレイで提供され、量子情報を長期間保存し、ゲート操作や測定を実行できます。光量子のコヒーレンスは優れていますが、飛行光子の欠点は、測定後に失われやすく、破壊されることです。そのため、PsiQuantum はこれまで、光量子により適したフォールト トレラントなコンピューティング方法、つまり Fusion-Based Quantum Computing (FBQC) を研究してきました。

Photon FBQC アーキテクチャには、2 つのコア デバイスがあります。

  • リソース状態ジェネレーター(RSG) は、少数のエンタングルされた光子または小規模のクラスター状態で構成されるリソース状態を定期的に生成するために使用されます。
  • 融合デバイスは、2 つ以上のリソース状態における少数の光子のエンタングルメントを測定し、これらのリソース状態をより大きなクラスター状態に融合します。

論文[1]におけるFBQCの研究によれば、システム内に同時に存在する単一光子の数は量子ビットの数に等しく、計算速度は物理的なエンタングルメント測定速度、つまりリソー​​ス状態の融合動作速度によって決まることが証明されている。したがって、動的 RSG ベース デバイスの計算能力は、静的量子ビット デバイスの計算能力と一致します。

図中のRSGはリングクラスター状態を生成するためのリソース、Fは融合操作、1、L、L2は人為的に設定された遅延サイクルです。 L2クラスタ状態を生成するには1つのRSGのみが必要です。

しかし、上記2つの装置だけでは不十分であり、光量子コンピューティングの量子ビットスケールをさらに拡大するために、論文[2]では時分割多重化のアイデアを提案し、「光ファイバーメモリ」という重要なモジュールを構築した。時分割多重化を使用し、1 ナノ秒ごとに 1 つの光子が光ファイバーに入る場合、1 km の光ファイバー メモリには 5,000 個を超える光子を一時的に保存できます。

低損失光ファイバーは、光量子コンピューティング アーキテクチャで大容量の量子メモリを提供するための中核コンポーネントです。簡単に言えば、低損失光ファイバーで光子を 1 km 伝送すると、数ミリ秒後に光ファイバーの反対側から光子が出てくる確率が 95% 以上あります。このような損失率は、フォールト トレラント FBQC によって解決できます。

RSG、融合デバイス、ファイバーメモリのアーキテクチャ設計を組み合わせることで、フォールトトレラントな量子コンピューティングを備えた数千の物理量子ビットの計算能力を実現できます。一方、複数の RSG をネットワークに接続すると、完全な一般的な論理ゲート計算を実現できます。超伝導量子ビットなどの静的量子ビットで同じスケールを実現するには、データ保存用に RSG ごとに 5,000 個の物理量子ビットが必要になります。

PsiQuantum のアーキテクチャと、Bose Quantum が提案した「Tiangong Photonic Quantum Computing Architecture」のモジュール アーキテクチャは、さまざまな点で似ているようです。RSG などのデバイスは光子処理モジュールに対応し、融合デバイスなどのデバイスはデジタル処理モジュールに対応し、最後に、どちらも時分割多重光ファイバーをメモリとして使用します。

最後に、PsiQuantumの論文[2]では、フォトニックFBQC、ファイバーメモリ、トポロジカルフォールトトレラントプロトコルの組み合わせを研究し、次の3つの目標を達成しました。

  1. 単一の RSG は静的量子ビットよりもはるかに強力です。光ファイバーなどの低損失媒体にフォトニック リソース状態を一時的に保存することにより、RSG 内に最大数千の既存のリソース状態が同時に存在できるようになります。これにより、各 RSG は数千の静的物理量子ビットをシミュレートして、フォールトトレラントな量子コンピューティングを実現できます。
  2. Photonic FBQC のアーキテクチャは、高度にモジュール化され、拡張可能です。同一のコンピューティング モジュールのネットワークを使用することで、大規模なフォールト トレラント量子コンピュータを構築できます。モジュールは、いくつかの融合デバイスとマクロ光ファイバー遅延で構成されており、メモリとして使用され、モジュール間を接続します。したがって、このような量子コンピュータをスケールアップする際の主な課題は、静的な量子ビットの大規模なコレクションではなく、多数の同一の RSG を構築することです。 RSG は、固体量子ビットなどの非光子物理学に基づくデバイスの量子ビット サイズを拡大するための代替アプローチを提供します。適切な光子に変換できる限り、大規模なフォトニックアーキテクチャに組み込まれた自律的に動作する RSG として使用できます。
  3. モジュールコンポーネント間のマクロ的な光接続により、ロジック操作のコストを削減できます。 RSG によって生成された光子は長距離を移動することができ、従来のアーキテクチャのようなローカル制約を受けません。 RSG 間の非局所接続は、論理操作をより効率的に実装するための新しいツール セットを提供します。

<<:  JD.com、ビリビリ、ピンドゥオドゥオなど中国企業88社が米国の上場廃止前リストに含まれ、中国コンセプト株がクリアされる可能性

>>:  網膜症治療のAIが成熟する中、なぜ医療業界は「無反応」なのか?

推薦する

GoogleのAIチップのアップグレード:大規模モデルと生成AIをターゲットとし、主流のディープラーニングフレームワークを統合

Google は、AI を使用して最適化された新世代の人工知能とインフラストラクチャの開発をリードす...

マイクロマシンラーニングは、マイクロプロセッサにディープラーニングを組み込むことを約束する

翻訳者 | 朱 仙中校正 | 梁哲、孫淑娟ディープラーニング モデルの初期の成功は、大量のメモリと ...

LK99最新ニュース:完全停止の難しさ、韓国の著者は「超伝導が唯一の可能な説明」と述べ、インドチームは3回の失敗で断念

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

...

トピックモデルに適した定量評価指標を見つけるにはどうすればよいでしょうか?これは人気のある方法の要約です

LDA (潜在的ディリクレ分布) や Biterm などの統計トピック モデルを適用することで、大量...

人工知能を活用するメリットと課題

人工知能 (AI) は、世界中の家庭や企業において、未来の夢から現代の現実へと変化しました。 AI ...

ディープラーニングを始めるために理解すべき25の概念

[[245072]] 1. ニューロン- 脳の基本要素を形成するニューロンと同様に、ニューロンはニュ...

この相手は普通じゃない。ドローンアプリは「アングリーバード」に注意が必要

関連データによると、2020年現在、わが国の民間ドローンの規模は約350億元に達しており、同時に、ド...

...

あなたはキング・オブ・グローリーをプレイしていますが、誰かがiPhoneを使ってニューラルネットワークをトレーニングしています

知っていましたか? LeNet 畳み込みニューラル ネットワークは iOS デバイス上で直接トレーニ...

顔認識技術の長所と短所

かつては、特に『スタートレック』や『2001年宇宙の旅』などのSF作品では未来の文明の進歩の象徴とみ...

機械学習におけるクラス不均衡に対処するための 10 のヒント

導入あるクラスの観測値が他のクラスの観測値よりも高い場合、クラスの不均衡が生じます。例: 不正なクレ...