Исследователи из Швейцарской высшей технической школы Цюриха продемонстрировали квантовые вычисления с рабочей памятью на механических колебаниях вместо электромагнитных состояний. По словам авторов, такой подход может сделать квантовые чипы компактнее и увеличить время хранения информации.

Группа из Швейцарской высшей технической школы Цюриха экспериментально продемонстрировала квантовые вычисления, в которых рабочая память построена на механических колебаниях, а не на электромагнитных состояниях. Архитектура повторяет схему классического компьютера: роль процессора выполняет сверхпроводящий кубит, а роль памяти — крошечные механические резонаторы внутри квантового чипа. При записи информации они начинают колебаться на частотах за пределами слышимого диапазона. В ходе вычисления кубит обращается к колебанию в памяти, обрабатывает и изменяет его состояние, а затем записывает обратно. Авторы отмечают, что такой подход отличается от многих существующих квантовых схем, где обработка и память тесно переплетены. Механические резонаторы компактнее и ёмче электромагнитных аналогов, а также дольше сохраняют стабильность. Работоспособность схемы проверили на двух задачах: квантовом преобразовании Фурье и поиске периода функции. Исследователи считают, что предложенная архитектура способна выполнять базовые операции для произвольного квантового вычисления и может стать основой универсального программируемого квантового компьютера.

Источники 1
  • Физики создали память на механических колебаниях для квантового компьютера Machinelearning
    📌 Физики создали память на механических колебаниях для квантового компьютера
    
    Группа из Швейцарской высшей технической школы Цюриха экспериментально продемонстрировала квантовые вычисления, в которых рабочая память построена на механических колебаниях, а не на электромагнитных состояниях.
    
    Архитектура скопирована с классического компьютера, где процессор и оперативная память разделены.
    
    Роль процессора играет сверхпроводящий кубит, а роль памяти - крошечные механические резонаторы внутри квантового чипа, элементы, отдалённо похоже на гитарные струны, которые при записи информации начинают колебаться на частотах за пределами слышимого.
    
    Для вычисления кубит обращается к колебанию в памяти, обрабатывает и изменяет его состояние, а затем записывает обратно. Такое разделение вычислений и хранения отличает подход от многих существующих квантовых схем, где обработка и память тесно переплетены.
    
    🟡Ставка на механику объясняется двумя ограничениями
    
    Сегодня квантовую память чаще всего делают электромагнитной в связке со сверхпроводящими кубитами - обе технологии хорошо изучены и позволяют считывать и менять квантовые состояния с высокой точностью. 
    
    Но такие элементы относительно громоздки, что мешает превращать лабораторные установки в практические машины.
    
    Механические резонаторы заметно компактнее, а главное - ёмче (как струна может звучать разными тонами, резонатор поддерживает множество мод колебаний, и каждая мода работает как отдельная ячейка памяти).
    
    Вдобавок, по данным группы, механические состояния дольше остаются стабильными - информация не затухает так быстро, как в электромагнитных аналогах.
    
    🟡Работоспособность проверили на реальных задачах
    
    Первая - квантовое преобразование Фурье, базовая процедура, на которую опираются многие квантовые алгоритмы, включая знаменитый алгоритм Шора для разложения чисел на множители.
    
    Вторая - поиск периода функции, продемонстрировавший применение этой процедуры на практике.
    
    Обе задачи требуют одновременно и точно управлять множеством квантовых состояний, хранить их и связывать между собой, не разрушая их хрупкую природу.
    
    Авторы говорят, что их схема в принципе способна выполнять все базовые операции, необходимые для произвольного квантового вычисления, то есть годится как основа универсального программируемого квантового компьютера.
    
    🔜 Почитать полную статью можно в в журнале Science
    
    
    @ai_machinelearning_big_data
    
    #news #ai #ml