مایکروسافت از تراشه کوانتومی Majrana 2 رونمایی کرد

با این پیشرفت، تیم توسعه مایکروسافت اکنون انتظار دارد تا سال ۲۰۲۹ به یک کامپیوتر کوانتومی مقیاس‌پذیر دست یابد که جدول زمانی اولیه آن را به نصف کاهش می‌دهد.

هزار برابر

با به‌کارگیری پیشرفت‌های اخیر در هوش مصنوعی عامل‌محور که به طور ویژه برای تسریع فرایند علمی و شتاب‌دهی به همکاری‌ها طراحی شده است، تیم کوانتوم مایکروسافت در حال غلبه بر موانع کلیدی در زمینه قابلیت اطمینان، سرعت و اندازه است که پیش‌ازاین کاربرد رایانش کوانتومی را در سناریوهای واقعی محدود کرده بودند.

به‌عنوان‌مثال، کیوبیت‌های تراشه جدید می‌توانند حالت کوانتومی خود را ۱,۰۰۰ برابر طولانی‌تر از نسل اول حفظ کنند و محاسبات قابل‌اعتمادتری را ممکن سازند. درحالی‌که سایر رویکردهای رایج، طول عمر یک کیوبیت را در مقیاس میکروثانیه اندازه‌گیری می‌کنند، Majrana 2 میانگین طول عمر کیوبیتی برابر با ۲۰ ثانیه را ارائه می‌دهد و برخی نمونه‌ها تا ۱ دقیقه نیز دوام می‌آورند. این بهبود تقریباً مشابه اختراع باتری تلفنی است که به‌جای تخلیه در یک روز، می‌تواند با یک بار شارژ نزدیک به ۳ سال کار کند.

مایکروسافت ادعا می‌کند که این قابلیت اطمینان استثنایی، سرعت بالا (عملیات در حد یک میکروثانیه) و اندازه کوچک کیوبیت (یک‌صدم میلی‌متر)، نیمش را در مسیری قرار داده است که تا سال ۲۰۲۹ به یک کامپیوتر کوانتومی مقیاس‌پذیر که دارای ارزش تجاری است، دست یابد. این شرکت اعلام کرد که چنین ماشینی می‌تواند به حل مسائل لاینحل در زمینه بهداشت جهانی، تأمین غذا، پایداری، تولید انرژی و موارد دیگر بپردازد.

هوش مصنوعی عامل‌محور می‌تواند به یافتن مواد جدید کمک کند

Majorana 1 که سال گذشته معرفی شد، یک تحول اساسی بود؛ زیرا از یک ابررسانای توپولوژیک بهره می‌برد؛ دسته خاصی از مواد که می‌توانند حالت کاملاً جدیدی از ماده را ایجاد کنند که امکان رایانش کوانتومی پایدارتری را فراهم می‌سازد. برای بهبود اثبات مفهوم اولیه، تیم مایکروسافت پشته مواد را مورد بازبینی قرار داد.

ابررسانای اصلی Majorana از آلومینیوم استفاده می‌کرد، اما Majrana 2 از سرب بهره می‌برد که معمولاً برای محافظت از افراد و تجهیزات در برابر تشعشعات در بیمارستان‌ها و محیط‌های صنعتی استفاده می‌شود. در یک کامپیوتر کوانتومی، ابررسانای سربی به محافظت از کیوبیت‌های شکننده در برابر اختلالاتی که می‌توانند آن‌ها را ناپایدار کنند، کمک می‌کند.

دانشمندان و مهندسان تیم کوانتوم مایکروسافت از قابلیت‌های هوش مصنوعی عامل‌محور پلتفرم Discovery برای مدیریت جریان‌های کاری، خودکارسازی اندازه‌گیری‌ها، بهینه‌سازی ساخت‌وتولید (Fabricatin)، شناسایی نقص‌های پیش‌تر نادیده‌گرفته‌شده و پیشنهاد راه‌حل‌های جدید استفاده کرده‌اند.

درحالی‌که این جریان از تحقیقات مواد مدت‌ها قبل از ظهور هوش مصنوعی عامل‌محور آغاز شده بود، این تیم از آن برای کمک به مدیریت تولید دستگاه جدید استفاده کرد و مایکروسافت Discovery به طور گسترده‌تری برای کارهای آینده روی مواد Majorana استفاده می‌شود.

هوش مصنوعی عامل‌محور می‌تواند اطلاعات را در مقیاس وسیع تجزیه‌وتحلیل کند

پروژه رایانش کوانتومی دارای بخش‌های متحرک بسیاری است؛ از نرم‌افزار و معماری گرفته تا طراحی، پشته مواد، فرایندهای ساخت، اندازه‌گیری‌ها و غیره. تغییر در یک حوزه پیامدهایی دارد که ممکن است نیازمند جبران در جای دیگری باشد.

علاوه بر این، اعضای تیم کوانتوم با تخصص‌های بسیار متفاوت مانند فیزیک، مهندسی مکانیک و مهندسی فرایند، در چندین کشور پراکنده هستند. غیرممکن است که یک نفر در همه چیز متخصص باشد. این یک مشکل رایج در تحقیقات علمی میان‌رشته‌ای است و به همین دلیل است که تیم کوانتوم مایکروسافت یک عامل هوش مصنوعی برای سازماندهی و تجزیه‌وتحلیل اطلاعات و تسهیل یافتن آن‌ها برای دیگران ایجاد کرد.

هوش مصنوعی عامل‌محور می‌تواند آزمایش‌ها را تسریع کند

ایجاد یک حالت توپولوژیک نیازمند تنظیم صدها پارامتر است و سپس اندازه‌گیری که کلید انجام محاسبات کوانتومی است، می‌تواند آغاز شود. زمانی که این فرایندها توسط یک فرد انجام می‌شود، هر کدام هفته‌ها طول می‌کشد. در واقع، اندازه‌گیری به حدی دشوار و زمان‌بر است که تیم مایکروسافت چند سال پیش سعی کرده بود آن را با استفاده از اشکال اولیه یادگیری ماشین خودکار کند، اما این کار امکان‌پذیر نبود.

با استفاده از قابلیت‌های عامل‌محور موجود در مایکروسافت Discovery، تیم توانست یک عامل هوش مصنوعی متخصص برای این کار ایجاد کند که زمان چرخه را به میزان چندین مرتبه بزرگی کاهش داد.

هوش مصنوعی عامل‌محور می‌تواند نویزها را خاموش کند

داده‌ها، اطلاعات نیستند؛ باید فیلتر شوند، تجزیه‌وتحلیل شوند و در یک بستر مناسب قرار گیرند تا معنا پیدا کنند. به‌عنوان‌مثال، تیم یک عامل هوش مصنوعی توسعه داد که قادر بود فیزیک، دانش دستگاه و دانش سازمانی را ترکیب کند تا داده‌های خام حاصل از فرایند ساخت تیم کوانتوم را فیلتر کرده و قرائت یک حسگر دمای کالیبره‌نشده را که باعث ایجاد اختلال شده بود، کشف کند.

مایکروسافت Discovery به‌عنوان پلتفرمی ساخته شده است که هوش مصنوعی را با روش علمی پیوند می‌دهد و بسیاری از ابزارهای هوش مصنوعی عامل‌محور که تیم کوانتوم از آن‌ها استفاده می‌کند، قابل‌انتقال بوده و به اکتشافات علمی در حوزه‌های دیگر نیز مرتبط هستند.