Учёные из Австралии сообщили о разработке «трёхмерных» топологических кодов коррекции ошибок квантовых вычислений. Предложенная ими схема использует для коррекции меньше физических кубитов в пересчёте на один логический кубит. Новшество обещает приблизить появление «квантовых жёстких дисков» — хранилищ квантовых состояний для вычислений с невообразимым уровнем производительности.

Источник изображения: ИИ-генерация Кандинский 3.1/3DNews

Как известно, время когерентности кубитов — время удержания запутанных квантовых состояний — очень маленькое по причине их высочайшей нестабильности. И если с физикой бороться предельно сложно, то операции коррекции ошибок могут помочь в проведении безошибочных вычислений. Классические компьютеры это показали с достаточной убедительностью. Но в случае операций с кубитами всё намного сложнее — для них нужны свои коды и механизмы коррекции.

Традиционным методом исправления ошибок в квантовых вычислениях признан так называемый топологический код или поверхностный код, у которого также есть другие названия. Это своего рода таблица или матрица, которая требует физической или схемотехнической реализации логических кубитов из нескольких физических. В идеале для безошибочной работы каждого логического кубита необходимо 1000 физических кубитов, но на таком подходе масштабируемую вычислительную квантовую платформу построить нельзя.

Учёные из Австралии поставили перед собой задачу уйти от традиционного поверхностного кода и создать его трёхмерный аналог, который помог бы облегчить создание квантового вычислителя или симулятора с более эффективной коррекцией ошибок и экономным расходованием физических кубитов. Как недавно они сообщили в журнале Nature Communications, им это удалось.

«Предлагаемая нами квантовая архитектура потребует меньше кубитов для подавления большего количества ошибок, высвободив больше для полезной квантовой обработки», — говорится в заявлении ведущего автора работы Доминика Уильямсона (Dominic Williamson), исследователя из Нано-института и школы физики Университета Сиднея (University of Sydney Nano Institute and School of Physics).

«Этот прогресс имеет решающее значение для разработки масштабируемых квантовых компьютеров, поскольку позволяет создавать более компактные системы квантовой памяти, — сказано в аннотации к работе. — За счёт сокращения физических затрат на кубиты полученные результаты прокладывают путь к созданию более компактного "квантового жёсткого диска" — эффективной системы квантовой памяти, способной надёжно хранить огромные объёмы квантовой информации».

Швейцарские учёные впервые придали кубиту осязаемые физические черты. Вместо ионов, атомов и электромагнитных ловушек они предложили кубит на основе резонирующей пьезоэлектрической мембраны. Тем самым учёные значительно повысили время когерентности кубита, в течение которого он дольше остаётся в состоянии суперпозиции. Это открывает возможность проводить с ним квантовые вычисления или использовать его в качестве сверхчувствительного датчика

Два серых прямоугольника слева — это сверхпроводящий кубит, а точка справа — резонатор. Источник изображения: ETH Zürich

Учёные давно научились транслировать квантовые свойства элементарных частиц и атомов в состояния кубитов для вычислений или измерений. Однако эти методы страдают от высокой вероятности ошибок и крайне малого времени удержания квантовых состояний, что затрудняет свободное манипулирование ими. Было бы заманчиво воспроизвести квантовые состояния на макроскопическом уровне, обучив систему реагировать на изменения на микроуровне. Этого удалось добиться исследователям из Швейцарской высшей технической школы Цюриха (ETH Zürich).

Учёные объединили сверхпроводящий кубит и пьезоэлектрический резонатор. Предложенное решение позволило транслировать состояние суперпозиции в резонансные колебания мембраны. По сути, это первый полностью механический кубит, утверждают исследователи. В ходе серии экспериментов они доказали, что устройство способно реагировать на одиночные фотоны. Время когерентности механического (точнее, акустического) кубита значительно превышает время когерентности «бозонных» кубитов и напрямую зависит от типа используемых сверхпроводящих материалов.

На следующем этапе учёные намерены проверить предложенный ими механический кубит в составе вычислительных схем квантового компьютера, а также использовать его в качестве сенсора для различных измерений.

Компания Nvidia поможет Alphabet, материнской компании Google, в разработке квантовых процессоров. Согласно заявлению обеих компаний, подразделение Google Quantum AI будет использовать суперкомпьютер Nvidia Eos для ускорения проектирования квантовых компонентов.

Источник изображений: Nvidia

Идея состоит в том, чтобы на базе суперкомпьютера Nvidia Eos моделировать физические процессоры, необходимые для работы квантовых процессоров, что поможет преодолеть текущие ограничения в разработке по-настоящему эффективных квантовых систем.

Квантовые вычисления основаны на принципах использования квантовой механики для создания машин, которые будут намного быстрее, чем современные технологии на основе полупроводников. Однако для массового характера использования таких технологий время пока не пришло. Как сообщает Bloomberg, несмотря на то, что различные компании заявляли о прорывах в области квантовых вычислений, могут потребоваться десятилетия, чтобы на рынке появились действительно крупномасштабные коммерческие проекты, связанные с квантовыми вычислениями.

Nvidia, самая дорогая компания в мире, считает, что её аппаратные технологии помогут Google решить одну сложную проблему, связанную с квантовыми вычислениями. По мере того, как квантовые процессоры становятся всё более сложными и мощными, в квантовых вычислениях становится всё сложнее различать фактическую информацию и помехи, известные как шум.

«Разработка коммерчески полезных квантовых компьютеров возможна только в том случае, если мы сможем масштабировать квантовое оборудование, контролируя шум. Используя ускоренные вычисления Nvidia, мы изучаем влияние шума на растущую сложность схем квантовых чипов», — прокомментировал Гифре Видал (Guifre Vidal), научный сотрудник Google Quantum AI.

Для поиска решений Nvidia предлагает использовать гигантский суперкомпьютер, в котором используются её ИИ-ускорители. С помощью суперкомпьютера будут моделироваться процессы взаимодействия квантовых систем с окружающей средой. Например, многие квантовые чипы необходимо охлаждать до очень низких температур, чтобы они вообще работали.

Раньше такие вычисления были чрезвычайно дорогими и отнимали много времени. Nvidia заявляет, что её система будет выдавать результаты расчётов, на которых ранее ушла бы неделя, за считанные минуты, и это обойдётся значительно дешевле.

Квантовые состояния крайне нестабильны, но обладают невероятными возможностями. То же состояние квантовой запутанности Эйнштейн называл «ужасным» и не мог до конца принять, что запутанные атомы могут «чувствовать» друг друга на разных концах Вселенной. Такие свойства неоценимы для проведения сверхчувствительных измерений и даже для поиска новой физики, но им мешает чрезвычайная краткость времени когерентности, которую преодолели учёные из Китая.

Источник изображения: ИИ-генерация Кандинский 3.1/3DNews

На сайте arXiv появилась статья исследователей из Университета науки и технологий Китая, в которой заявляется об удержании квантовых состояний атомов в течение 23 минут, что можно считать абсолютным рекордом. Обычно время когерентности не превышает нескольких миллисекунд, что кратно меньше нового достижения. Статья пока не прошла рецензирование и должна восприниматься с осторожностью. Однако если другие коллективы смогут повторить опыт китайских учёных, то это станет крупным прорывом в разработке квантовых технологий.

Эксперимент заключается в охлаждении 10 тыс. атомов иттербия до нескольких тысячных градуса выше абсолютного нуля, которые затем были пойманы в ловушку электромагнитными полями лазерного излучения. В этих условиях квантовыми состояниями атомов можно было очень точно управлять, и исследователи воспользовались этим, чтобы перевести каждый атом в суперпозицию двух состояний с наиболее сильно отличающимися спинами.

Точная настройка лазеров — оптических ловушек — позволила удерживать атомы в состоянии суперпозиции 1400 секунд или 23 мин. Этого времени будет достаточно для постановки экспериментов в квантовой физике, для измерений с погрешностью менее квантового предела (это так называемое квантовое превосходство в метрологии), для квантовой компьютерной памяти, наконец.

Международная группа учёных обнаружила удивительный эффект в таком полупроводнике, как селенид индия (In₂Se₃). Под действием тока материал переходил из кристаллической формы в аморфную, затрачивая на это в миллион раз меньше энергии, чем в случае обычной импульсной записи памяти с фазовым переходом (полупроводниковой или на перезаписываемых оптических дисках типа DVD). Открытие обещает обернуться созданием невероятно эффективной компьютерной памяти.

Лавинообразный процесс аморфизации в селениде индия в представлении художника. Источник изображения: Akanksha Jain

Память с фазовым переходом, будь то полупроводниковая или в виде оптических дисков, остаётся достаточно энергоёмкой в моменты записи и стирания, хотя хранить данные она может без потребления энергии. Запись и стирание происходят импульсами, которые буквально плавят материал в ячейке или в слое диска — нагрев в локальной области может достигать 800 °C. Быстрое остывание расплава не позволяет ему восстановить кристаллическую структуру. Аморфное состояние ведёт к высокому сопротивлению току, а кристаллическое — к низкому, что определяет состояние ячейки 0 или 1. С оптическими накопителями всё работает по-другому, но принцип тот же.

Проводя опыты в Университете Пенсильвании (UPenn) с проволокой из селенида индия, учёные обнаружили, что материал полностью перешёл в аморфное состояние без воздействия импульсом. По проволоке пропускался небольшой ток, и в один момент он перестал проходить. Анализ показал, что материал приобрёл аморфную структуру. К изучению вопроса подключились учёные из Массачусетского технологического института (MIT), а на анализ образцы были отправлены в Индийский институт науки (IISc).

В IISc учёные разработали методологию наблюдения за процессом аморфизации селенида индия буквально по шагам в нанометровом масштабе и в более крупном масштабе. Оказалось, что вступают в работу два свойства селенида индия — пьезоэлектрика и сегнетоэлектрика. Небольшой ток создаёт домен аморфизации в материале, а возникающие напряжения в кристаллической решётке провоцируют что-то вроде эффекта землетрясения на соседних участках, и процесс приобретает лавинообразный характер. Процесс остановится только тогда, когда весь материал станет аморфным.

Сделанное открытие может привести к созданию невероятно энергоэффективной памяти с фазовым переходом (). По словам учёных, на аморфизацию ячейки памяти из селенида индия требуется одна миллионная от типичного потребления современной памяти PCM, что преобразит все системы хранения и вычислений.

AMD планирует догнать Nvidia в области технологии трассировки лучей в реальном времени, используя нейронные сети. На данный момент Nvidia доминирует на рынке видеокарт благодаря своим передовым технологиям на основе искусственного интеллекта и машинного обучения, таким как DLSS. AMD пока значительно отстаёт, особенно в потребительском сегменте, однако рассчитывает изменить ситуацию в ближайшее время.

Источник изображения: PowerColor, Tomshardware.com

По информации издания Tom's Hardware, исследования AMD сосредоточены на внедрении трассировки лучей в реальном времени на графических процессорах архитектуры RDNA с помощью нейронных сетей. Разрабатываемая технология направлена на нейронное устранение шумов, возникающих при использовании ограниченного количества лучей в трассировке. Это напоминает подход Nvidia с технологией DLSS 3.5, которая использует восстановление лучей для улучшения изображения при меньшем количестве расчётов.

Традиционная трассировка лучей требует огромного количества вычислений — иногда тысячи или десятки тысяч лучей на каждый пиксель, что является стандартом, применяемым в киноиндустрии, где на рендеринг одного кадра могут уходить часы. При трассировке лучей сцена рендерится путём вычисления отражений света, где каждое изменение траектории луча может привести к разной цветовой интерпретации пикселя. Чем больше таких расчётов, тем лучше становится итоговое изображение.

Однако для достижения трассировки лучей в реальном времени, что актуально для видеоигр, количество таких расчётов необходимо значительно уменьшить. Но это приведёт к ещё большему появлению шумов в изображениях из-за того, что некоторые лучи часто не достигают определённых пикселей, вызывая неполное освещение сцены. AMD планирует решить этот вопрос с помощью нейронной сети, которая будет устранять эти проблемы и восстанавливать детали сцены, аналогично подходу Nvidia.

Собственно инновация AMD заключается в объединении апскейлинга и устранения шума в одной нейронной сети. Как заявляет сама компания, их подход «генерирует высококачественные изображения с устранением шума и суперсемплингом при более высоком разрешении дисплея, чем разрешение рендеринга для трассировки путей в реальном времени». Это позволит выполнять апскейлинг за один проход.

Исследования AMD могут привести к созданию новой версии FSR (технология временного масштабирования), которая сможет конкурировать с технологиями Nvidia по производительности и качеству изображения. Однако встаёт вопрос, смогут ли существующие графические процессоры AMD поддерживать нейронные сети для устранения шумов или потребуется новое оборудование? Например, DLSS от Nvidia требует наличия специального ИИ-оборудования на графических процессорах GeForce RTX, а также оптического потокового ускорителя для генерации кадров на GeForce RTX 40-й серии и более поздних моделях. Текущие же графические процессоры AMD в основном не оснащены специальными ускорителями для ИИ, в отличие от Nvidia GeForce RTX, где такие ускорители играют ключевую роль в реализации DLSS.

Если AMD сможет реализовать эффективный подход к нейронной трассировке лучей и апскейлингу, это позволит расширить доступ к высококачественной графике на более широком спектре оборудования. Однако учитывая высокие требования к трассировке лучей в современных играх, таких как Alan Wake 2 и Cyberpunk 2077, для достижения высокого уровня качества изображения компании, вероятно, потребуется более мощное оборудование.

Бывший инженер-программист Nvidia Люк Дюран (Luke Durant) и проект GIMPS (Great Internet Mersenne Prime Search) нашли самое большое на сегодняшний день известное человеку простое число, для написания которого потребуются 41 млн цифр. GIMPS — это попытка добровольцев по всему миру обнаружить простые числа Мерсенна, которые имеют вид 2ⁿ-1.

Источник изображения: kp yamu Jayanath / pixabay.com

Самое большое простое число, известное человеку на данный момент — это 2^{136 279 841}-1; а обозначается оно как M136279841. Чтобы получить это число, потребуется умножать двойку на себя более 136 млн раз, а из получившегося результата вычесть единицу. До этого шестью годами ранее было найдено поставившее предыдущий рекорд число M82589933.

Новое открытие знаменательно тем, что его совершили, использовав графические процессоры в центрах обработки данных. Первым ресурсы графических процессоров задействовал в 2017 году Михай Преда (Mihai Preda) — он «написал программу GpuOwl для проверки чисел Мерсенна на простоту и сделал своё ПО доступным для всех пользователей GIMPS». В 2023 году к GIMPS подключился Люк Дюран, и участники проекта построили инфраструктуру, необходимую для развёртывания программы Преды на нескольких GPU-серверах в облаке. Работа заняла год, но усилия принесли плоды 11 октября, когда ускоритель Nvidia A100 в ирландском Дублине выдал результат M136279841, а подтвердил его расположенный в техасском Сан-Антонио Nvidia H100.

Это интересное упражнение для любителей математики и напоминание, что графические процессоры в ЦОД полезны не только в области искусственного интеллекта. Они могут применяться для моделирования, при котором требуется большое количество исходных данных, для криптографии и многого другого. Мощность графических процессоров растёт, и они продолжат помогать в поиске ещё бо́льших простых чисел.

Китайские учёные опубликовали в национальном рецензируемом журнале Chinese Journal of Computers статью, в которой сообщили об эффективных атаках на ряд алгоритмов AES-шифрования. Атаки были проведены с использованием квантового компьютера канадской компании D-Wave Systems. Но основным «ударным» механизмом стал новый математический аппарат, разработанный в Китае. Специалисты оценили угрозу как «реальную и существенную».

1200-кубитовый процессор поколения Advantage 2. Источник изображения: D-Wave

Шифрование AES с ключами выше определённой длины сегодня считается чрезвычайно защищённым. Но это с точки зрения обычных компьютерных вычислений. Квантовые компьютеры и соответствующие алгоритмы потенциально обещают играючи взламывать ключи AES. Считается, что для этого должно пройти 10, 20 или даже больше лет. Однако есть опасения и признаки того, что всё произойдёт намного раньше — уже через 3-5 лет. Группа китайских учёных из Шанхайского университета в своей новой работе показала, что ряд алгоритмов шифрования, лежащих в основе AES, могут быть скомпрометированы квантовыми компьютерами.

Используя квантовый компьютер канадской компании D-Wave Systems учёные провели атаку на алгоритмы Present, Gift-64 и Rectangle, которые относятся к так называемому блочному шифрованию Substitution-Permutation network (подстановочно-перестановочная сеть). Код не был взломан окончательно, как говорится в работе, но команда исследователей была близка к этому как никто и никогда ранее. Сеть SP является частью AES-шифрования, с помощью которого банковский сектор, госструктуры и военные всего мира хранят свои секреты. Даже призрачная угроза в данном случае должна рассматриваться, как реальная.

«Это первый случай, когда настоящий квантовый компьютер представляет реальную и существенную угрозу для множества полномасштабных структурированных алгоритмов SPN, используемых сегодня», — говорится в рецензируемой статье.

Сам квантовый компьютер D-Wave Systems с трудом можно назвать квантовым. Он использует принцип квантового отжига — работает на поиске энергетических минимумов, что в физике соответствует стремлению атомов к наименьшему энергетическому состоянию. Всё, что осталось после обработки — «прогорания» — данных и есть искомый результат. Учёным нужно было лишь создать математический аппарат для обработки данных в нужном для них направлении. Такой аппарат с привлечением ИИ был создан, но он не универсальный и это затрудняет практическое использование квантовых платформ сегодня, в том числе, для успешного взлома AES-ключей.

Компания AMD официально представила флагманский ускоритель вычислений Instinct MI325X, который станет конкурентом для Nvidia Blackwell и уже поступил в производство. Вместе с тем производитель раскрыл подробности об ускорителе следующего поколения — Instinct MI355X на архитектуре CDNA4.

Источник изображений: AMD

В последние годы AMD отмечает значительный рост спроса на свои ИИ-ускорители. При этом серия MI300 пользуется особой популярностью. Однако, как пишет издание Tom's Hardware, MI355X вызывает определённые вопросы по части брендирования, поскольку архитектура CDNA использовалась в MI100, CDNA2 — в MI200, а CDNA3 — в серии MI300. Логично было бы увидеть CDNA4 в ускорителях MI400, но они получат архитектуру следующего поколения.

Как бы от ни было, CDNA4 — это новая архитектура, которая представляет собой значительное обновление прежней CDNA3. AMD описала её как «переосмысление с нуля», хотя, по мнению экспертов, это может быть и некоторым преувеличением.

Ускоритель MI355X будет производиться по новому 3-нм техпроцессу N3 от TSMC, потребовав серьёзных изменений по сравнению с N5, но основные элементы дизайна могут остаться схожими с CDNA3. Объём памяти HBM3e достигнет 288 Гбайт. Ускоритель будет оснащён 10 вычислительными элементами на один GPU, а производительность достигнет 2,3 петафлопса вычислительной мощности для операций FP16 и 4,6 петафлопса для FP8, что на 77 % больше по сравнению с ускорителем предыдущего поколения.

Одним из ключевых нововведений MI355X станет поддержка чисел с плавающей запятой FP4 и FP6, которые удвоят вычислительную мощность по сравнению с FP8, позволив достигнуть 9,2 петафлопса производительности в FP4. Для сравнения, Nvidia Blackwell B200 предлагает до 9 Пфлопс производительности в FP4, а более мощная версия GB200 — 10 Пфлопс. Таким образом, AMD Instinct MI355X может стать серьёзным конкурентом для будущих продуктов Nvidia, в том числе благодаря 288 Гбайт памяти HBM3E — это на 50 % больше, чем у Nvidia Blackwell. При этом оба устройства будут иметь пропускную способность памяти до 8 Тбайт/с на GPU.

Как отмечают эксперты, вычислительная мощность и объём памяти — это не единственные ключевые параметры для ИИ-ускорителей. Важным фактором становится масштабируемость систем при использовании большого числа GPU. Пока AMD не раскрыла подробности о возможных изменениях в системе интерконнекта между GPU, что может оказаться важным аспектом в сравнении с Blackwell от Nvidia.

Вместе с анонсом Instinct MI355X компания AMD подтвердила, что ускоритель Instinct MI325X официально запущен в производство и поступит в продажу в этом квартале. Основным отличием MI325X от предыдущей модели MI300X стало увеличение объёма памяти со 192 до 256 Гбайт. Что интересно, изначально планировалось оснастить ускоритель 288 Гбайт памяти, но видимо AMD решили ограничиться приростом в 33 % вместо 50 %. Память HBM3E в новинке обеспечивает пропускную способность более 6 Тбайт/с, что на 13 % больше, чем 5,3 Тбайт/с у MI300X.

AMD провела сравнительный анализ производительности Instinct MI325X и Nvidia H200. Ускоритель AMD оказался на 20-40 % быстрее конкурента в запуске уже обученных больших языковых моделей, а в обучении нейросетей показал паритет производительности.

AMD не раскрыла стоимость своих ИИ-ускорителей, но представители компании заявили, что одной из целей является предоставление преимущества по совокупной стоимости владения (TCO). Это может быть достигнуто либо за счёт лучшей производительности при той же цене, либо за счёт более низкой цены при одинаковой производительности. Как отметил представитель AMD: «Мы являемся деловыми людьми и будем принимать ответственные решения относительно ценообразования». Instinct MI355X планируется к поставкам во второй половине 2025 года.

Группа учёных под руководством Google сообщила о прорыве в области квантовых вычислений. Они снова продемонстрировали квантовое превосходство — способность квантового компьютера выполнять вычисления, на которые не способен классический, — но на этот раз сосредоточились на точности вычислений. Также учёные показали, что существуют фазовые переходы в вычислительных процессах, что открывает путь к дальнейшему развитию квантовых технологий.

Источник изображений: Google, Nature

Ещё в 2019 году Google заявляла о достижении квантового превосходства, вызвав бурные споры в научном сообществе. Тогда IBM подвергла сомнению этот результат, утверждая, что классические алгоритмы могут быть оптимизированы для решения аналогичных задач. В новой работе, опубликованной в журнале Nature, учёные описали эксперимент с использованием метода случайной выборки цепей (Random Circuit Sampling, RCS), в ходе которого 67-кубитная система выполнила 32 цикла вычислений. Акцент сделан не на квантовом превосходстве, а на том, что даже при наличии шумов — основного ограничения для квантовых процессоров и главной причины ошибок вычислений — можно добиться вычислительных успехов, которые превосходят возможности классических систем. Это доказывает, что квантовые вычисления приближаются к фазе практического применения.

Термин «квантовое превосходство» вызывает определённые споры в научном сообществе. Некоторые исследователи предпочитают использовать термины «квантовая полезность» (Quantum Utility) или «квантовое преимущество» (Quantum Advantage). Последний термин подразумевает не только теоретическое превосходство квантовых устройств, но и их практическую пользу. В отличие от квантового превосходства, которое не связано с реальной полезностью для задач, квантовое преимущество предполагает выполнение задач быстрее и эффективнее, чем на классических компьютерах.

Квантовые процессоры, несмотря на их потенциал, остаются чрезвычайно чувствительными к внешним шумам, таким как температурные колебания, магнитные поля или даже космическая радиация. Эти помехи могут существенно снижать точность вычислений. В исследовании Google учёные изучили влияние шума на работу квантовых устройств и провели эксперимент, который позволил исследовать два ключевых фазовых перехода: динамический переход, зависящий от числа циклов, и квантовый фазовый переход, влияющий на уровень ошибок. Результаты показали, что даже в условиях шума квантовые системы эпохи NISQ могут достичь вычислительной сложности, недоступной для классических систем.

Фазовые переходы в случайной выборке цепей (RCS). График иллюстрирует два фазовых перехода. Первый — от сосредоточенного распределения битовых строк на малом числе циклов к широкому или антиконцентрированному распределению. Второй — переход в условиях шума, при котором высокая ошибка на цикл приводит к переходу от системы с полной корреляцией к представлению в виде нескольких несвязанных подсистем

Метод случайной выборки цепей (RCS), использованный в эксперименте, ранее подвергался критике за свою простоту и кажущуюся бесполезность. Однако Google подчёркивает, что RCS является ключевым методом для перехода к задачам, которые невозможно решить на классических компьютерах. Этот метод оптимизирует квантовые корреляции с использованием операций типа iSWAP, что предотвращает упрощение классических эмуляций. Благодаря этому подходу Google смогла чётко обозначить границы возможностей квантовых систем, стимулируя конкуренцию между квантовыми и классическими вычислительными платформами.

В исследовании также рассматриваются перспективы практического использования квантовых процессоров. Одним из первых примеров может стать сертифицированное генерирование по-настоящему случайных чисел, требующее высокой вычислительной сложности и устойчивости к шумам. Серджио Бойксо (Sergio Boixo), руководитель квантовых исследований Google, в своём интервью для Nature отметил: «Если квантовые устройства не смогут продемонстрировать преимущество с помощью RCS, самого простого из примеров использования, то вряд ли они смогут это сделать в других задачах».

Дорожная карта развития квантовых вычислений Google

Работа Google представляет собой значительный вклад в развитие квантовых технологий. Хотя практическое применение квантовых устройств остаётся сложной задачей, такие направления, как сертифицированное генерирование случайных чисел, могут стать первым шагом к их коммерческому использованию. Несмотря на сложности, связанные с шумами, эксперименты Google показывают, что переход от теоретических исследований к практическому применению квантовых устройств становится всё более реальным.

Дженсен Хуанг (Jensen Huang), бессменный руководитель Nvidia, заявил, что будущее ИИ — за системами, способными к рассуждению. Однако для реализации этой концепции необходимо значительно снизить стоимость вычислений. Хуанг подчеркнул, что его компания стремится ежегодно увеличивать производительность чипов в 2–3 раза, сохраняя текущий уровень их стоимости и энергопотребления.

Источник изображения: Nvidia

В рамках подкаста, организованного Рене Хаасом (Rene Haas), генеральным директором Arm Holdings, Хуанг поделился своим видением развития ИИ. По его словам, следующее поколение интеллектуальных систем сможет отвечать на запросы пользователей, проходя через сотни или даже тысячи шагов анализа собственных выводов. Эта способность к глубокому рассуждению станет ключевым отличием от современных ИИ, таких как ChatGPT, которым, как признался Хуанг, он пользуется ежедневно.

Nvidia стремится создать фундамент для такого прорыва и ставит перед собой амбициозную цель: ежегодно повышать производительность своих чипов в 2–3 раза при сохранении прежнего уровня стоимости и энергопотребления. Такой подход призван революционизировать способность ИИ-систем распознавать сложные паттерны и делать осознанные выводы.

«Мы способны обеспечить беспрецедентное снижение затрат на интеллектуальные системы. Все мы осознаём ценность этого достижения. При существенном сокращении расходов мы сможем реализовать на этапе инференса такие сложные процессы, как рассуждение», — подчеркнул Хуанг.

Nvidia занимает доминирующую позицию на рынке ускорителей для ИИ, контролируя более 90 % этого сегмента рынка. Однако компания не ограничивается только производством чипов. Её стратегия включает в себя разработку компьютеров, программного обеспечения (ПО), ИИ-моделей, сетевых решений и других сервисов. Такая диверсификация направлена на стимулирование более широкого внедрения ИИ в бизнес-процессы различных компаний.

Несмотря на лидирующие позиции, Nvidia сталкивается с растущей конкуренцией. Крупные операторы дата-центров, такие как Amazon Web Services (AWS) и Microsoft, разрабатывают собственные альтернативные решения, чтобы ослабить зависимость от продуктов Nvidia. Кроме того, компания AMD, давний соперник Nvidia на рынке игровых чипов, активно выходит на рынок ИИ-ускорителей, что может усилить конкурентное давление на лидера индустрии.

50-кубитный квантовый ионный компьютер разработан научной группой Российского квантового центра и Физического института имени Лебедева РАН (ФИАН). На данный момент он является самым мощным квантовым компьютером в России. Доступ к нему осуществляется через облачную платформу. Разработка велась в рамках реализации дорожной карты развития высокотехнологичной области «Квантовые вычисления», координатором которой является госкорпорация «Росатом».

Источник изображений: atomic-energy.ru

Представленный квантовый компьютер базируется на уникальной кудитной технологии, которую российские учёные стали использовать третьими в мире, после Австрии и США. Впервые российский 16-кубитный компьютер был представлен в июле 2023 года на первом Форуме будущих технологий (ФБТ). На втором ФБТ в феврале 2023 года была продемонстрирована 20-кубитная машина. Менее чем за год после этого удалось увеличить количество кубитов до 50.

«За год мы полностью переделали ультрастабильный лазер и существенно модернизировали и систему адресации и считывания, поработали над стабильностью всех подсистем, автоматизировали многие калибровки. За счёт этого получилось в короткий срок поднять мощность нашего квантового компьютера и нарастить число кубит. Дальше мы планируем работать и над увеличением числа кубит, и над достоверностью двухкубитных операций. Всё это нужно для запуска более сложных квантовых алгоритмов. Потенциал для модернизации у нашей машины есть», — прокомментировал научный руководитель проекта Илья Семериков.

Эксперты полагают, что квантовые вычисления в первую очередь будут востребованы в фармацевтике для моделирования сложных соединений при создании новых лекарств. Квантовые вычисления помогут при прогнозировании эпидемий. Врачи смогут в кратчайшие сроки разработать персональные рекомендации для лечения с учётом конкретных симптомов и особенностей организма.

Квантовые вычисления обеспечат принципиально новые возможности при моделировании химических процессов, что безусловно будет востребовано в промышленном секторе. В логистических операциях использование квантовых компьютеров для составления оптимальных маршрутов и расписаний движения транспорта приведёт к сокращению задержек, удешевит и ускорит доставку грузов.

Аналитики уверены, что квантовые технологии радикально повысят возможности ИИ в области машинного обучения, распознавания и анализа, обработки больших данных при меньших энергозатратах. Постквантовое шифрование должно обеспечить необходимый уровень защиты персональных и конфиденциальных данных. В финансовом секторе квантовые вычисления помогут минимизировать риски и точнее оценить кредитоспособность клиента.

«Ионная платформа является в мире одной из главных по значимости в квантовых вычислениях. В ФИАНе полностью освоена технология создания квантового компьютера на ионах. Наша исследовательская группа смогла обеспечить высокие темпы развития квантового вычислителя до уровня в 50 кубитов, который позволяет проектировать его будущее применение в прикладных задачах экономики и сферы безопасности. Ожидается, что к 2030 году квантовые вычисления дополнят классические вычисления в решении большого ряда специфических задач, в том числе, позволят развивать квантовую химию и обеспечивать квантовое шифрование» — заявил Директор ФИАН Николай Колачевский.

«50 кубитов - это колоссальное достижение, особенно, учитывая, что 4 года назад лучшим результатом в России было 2 кубита, а ионное направление построено с нуля. Однако для нас это лишь первый шаг на пути к промышленному использованию квантовых вычислений. […] Мы верим, что уже через несколько лет отдельные отрасли смогут извлечь пользу от использования того самого квантового превосходства, и сделаем все, чтобы максимально упростить эту задачу», — считает сооснователь Российского квантового центра Руслан Юнусов. Ранее он озвучивал планы создания 100-кубитного квантового компьютера к 2030 году.

Россия наряду с США и Китаем сегодня входит в число стран, создавших квантовые компьютеры на всех четырёх приоритетных для квантовых вычислителей платформах: сверхпроводниках, ионах, нейтральных атомах и фотонах. И только шесть стран построили квантовые компьютеры с 50 кубитами и более: Китай, США, Канада, Россия, Япония и Франция.

Выпущенная в 1993 году игра Doom имеет по сегодняшним меркам настолько скромные системные требования, что её запускают на самом неожиданном оборудовании: это может быть встроенный в клавишу Backspace крошечный экран, ёлочная игрушка, воксельный дисплей, другая игра, система искусственного интеллекта, умная газонокосилка или стандартная программа Windows. Но не квантовый компьютер.

Источник изображения: github.com/Lumorti/Quandoom

Разработчик Люк Мортимер (Luke Mortimer) из Барселоны опубликовал на GitHub проект Quandoom — он воссоздал первый уровень культового шутера для запуска на квантовом компьютере и пришёл к выводу, что пока не существует достаточно мощной для его запуска машины. Но можно создать её «эффективную симуляцию» на ноутбуке. Для запуска Quandoom требуются 70 000 кубитов и 80 млн логических вентилей. Самый мощный на текущий момент квантовый компьютер построила компания Atom Computing, и у него 1225 кубитов.

И это даже не полная версия игры. Адаптация одного только первого уровня в Quandoom представлена базовой каркасной графикой, отсутствуют музыка и звук, а враги не могут перемещаться между комнатами. Но и этого пока слишком много для существующих квантовых компьютеров. «Сейчас я всё ещё дорабатываю код движка, но в основе у меня 8000 строк функций C++, позволяющих выполнять ряд обратимых двоичных и арифметических операций на квантовых регистрах, например, „flipIfLessThanOrEqualTo“, обращает все кубиты в регистре, если значение другого регистра меньше заданного. Всё делается целыми числами. Используя такие функции, я написал небольшой 3D-движок и всю игровую логику», — говорится в описании Quandoom.

Возможности квантовых компьютеров приумножатся, когда их начнут соединять в сети. И будет отлично, если эти сети будут построены на уже имеющихся волоконно-оптических каналах. Так будет дешевле, а в придачу это повысит защищённость обычных каналов передачи информации. Другое дело, что «квантовые» фотоны и обычные плохо совмещаются в одном канале, ведь квантовые состояния чувствительны к помехам и легко разрушаются, но в Германии научились справляться с этим.

Источник изображения: Leibniz University Hannover

Эксперимент поставили учёные из Ганноверского университета им. Лейбница (Leibniz University Hannover). Он должен был показать, что квантовая информация и классическая цифровая может быть передана по одному и тому же оптическому волокну. Потенциально это будет означать абсолютно защищённый от взлома обычный интернет, а также объединение в будущем нескольких квантовых компьютеров в кластеры для решения невообразимых сегодня по сложности задач.

«Чтобы сделать квантовый интернет реальностью, нам нужно передавать запутанные фотоны по оптоволоконным сетям, — поясняет физик Майкл Кус (Michael Kues) из Ганноверского университета им. Лейбница. — Мы также хотим продолжать использовать оптические волокна для обычной передачи данных. Наше исследование — важный шаг к объединению обычного Интернета с квантовым интернетом».

Источник изображения: Science Advances 2024

Для совмещения квантового и обычного оптического сигнала в одном канале учёные воспользовались самодельным модулятором с линейным изменением фазы или задержки (т.н. серродином). Серродин производит сдвиг фаз оптического сигнала в оптоволокне (в одном частотном канале), чтобы поместить туда одновременно квантовые и классические данные. Как показал опыт, это не разрушает запутанность фотонов. На выходе таким же образом потоки разделяются на квантовый и обычный для обработки каждого на своём приёмнике.

Подчеркнём, всё происходит в одном частотном канале, а не просто в волокне, где частотных каналов могут быть десятки и даже сотни. Тем самым обычная пропускная способность снизится незначительно, открывая путь к более быстрому появлению квантового интернета.

Компания IBM анонсировала новое поколение вычислительных систем для искусственного интеллекта — процессор Telum II и ускоритель IBM Spyre. Оба продукта предназначены для ускорения ИИ и улучшения производительности корпоративных приложений. Telum II предлагает значительные улучшения благодаря увеличенной кеш-памяти и высокопроизводительным ядрам. Ускоритель Spyre дополняет его, обеспечивая ещё более высокие показатели для приложений на основе ИИ.

Источник изображения: IBM

Как сообщается в блоге компании, новый процессор IBM Telum II, разработанный с использованием 5-нанометровой технологии Samsung, будет оснащён восемью высокопроизводительными ядрами, работающими на частоте 5,5 ГГц. Объём кеш-памяти на кристалле получил увеличение на 40 %, при этом виртуальный L3-кеш вырос до 360 Мбайт, а L4-кеш до 2,88 Гбайт. Ещё одним нововведением является интегрированный блок обработки данных (DPU) для ускорения операций ввода-вывода и следующее поколение встроенного ускорителя ИИ.

Telum II предлагает значительные улучшения производительности по сравнению с предыдущими поколениями. Встроенный ИИ-ускоритель обеспечивает в четыре раза большую вычислительную мощность, достигая 24 триллионов операций в секунду (TOPS). Архитектура ускорителя оптимизирована для работы с большими языковыми моделями и поддерживает широкий спектр ИИ-моделей для комплексного анализа структурированных и текстовых данных. Кроме того, новый процессор поддерживает тип данных INT8 для повышения эффективности вычислений. При этом на системном уровне Telum II позволяет каждому ядру процессора получать доступ к любому из восьми ИИ-ускорителей в рамках одного модуля, обеспечивая более эффективное распределение нагрузки и достигая общей производительности в 192 TOPS.

IBM также представила ускоритель Spyre, разработанный совместно с IBM Research и IBM Infrastructure development. Spyre оснащён 32 ядрами ускорителя ИИ, архитектура которых схожа с архитектурой ускорителя, интегрированного в чип Telum II. Возможность подключения нескольких ускорителей Spyre к подсистеме ввода-вывода IBM Z через PCIe позволяет существенно увеличить доступные ресурсы для ускорения задач искусственного интеллекта.

Telum II и Spyre разработаны для поддержки широкого спектра сценариев использования ИИ, включая метод ensemble AI. Этот метод использует преимущества одновременного использования нескольких ИИ-моделей для повышения общей производительности и точности прогнозирования. Примером может служить обнаружение мошенничества со страховыми выплатами, где традиционные нейронные сети успешно сочетаются с большими языковыми моделями для повышения эффективности анализа.

Оба продукта были представлены 26 августа на конференции Hot Chips 2024 в Пало-Альто (Калифорния, США). Их выпуск планируется в 2025 году.