חדשות טכנולוגיה

חוקרים השתמשו ברשתות עצביות על מנת להרחיב את השימוש במחשבים קוונטים

עד כה, מחשבים קוונטיים נותרו בתוך התחום האזוטרי עם יישומים מוגבלים. אבל החוקרים מנסים להרחיב את השימוש בהם. אחת הדרכים לעשות את זה בקנה מידה גדול היא על ידי מיקום אטומי זרחן בודדים על רשת דו מימדית. בתוך רשת זו, חוטים ננו-אלקטרוניים יכולים לשלוט על שערי קוונטים לוגיים לביצוע חישובים.

עם זאת, בחירה עיצובית זו נשענת מאוד על מיקום מדויק של אטומי זרחן על רשת הסיליקון. מכיוון שמחשוב קוונטי ממנף תופעה בשם 'שזירה קוונטית' כדי להשיג כוח מחשוב אקספוננציאלי (מעריכי), אי וודאות בנוגע למיקום של אטום קווביט אחד יכולה לשבש את האינטראקציות האלה. כתוצאה מכך,  הדבר מוביל לשגיאות בפעולות השער ומייצר תוצאות לא מדויקות עבור חישוב מסוים. האפקט מבוטא אף יותר בארכיטקטורות מחשוב קוואנטיות בקנה מידה גדול.

כדי לסייע בטיפול בבעיה זו, בשנת 2016, חוקרים מאוניברסיטת מלבורן השתמשו במיקרוסקופ מנהור סורק (מיקרוסקופ אשר בעזרתו ניתן לבחון משטחים ברמה האטומית) כדי לאתר את מיקומם המרחבי של אטומי הזרחן בסיליקון. שיטה זו אפשרה לקבוע ברמת זיהוי מדויקת יותר את המיקום של אטום קווביט על גבי שריג יחיד. אבל האתגר הבא היה להרחיב את השיטה הזו למחשבים קוונטים בקנה מידה גדול ועמיד בפני שגיאות.

כדי לפתח מסגרת זו, החוקרים ניצלו את כוחה של הלמידה העמוקה (deep learning) על מנת להכשיר רשת עצבית מתקפלת (CNN) על תמונות STM (מיקרוסקופ מנהור סורק) ממוחשבות. ההכשרה בוצעה על מערך נתונים של 100 אלף תמונות STM. לאחר מכן נבדק הדגם המוכשר על 17,600 תמונות עם טשטוש ורעש שנמצאים בדרך כלל בסביבה מציאותית. באופן מרשים הדגם השיג דיוק של מעל 98%.

יתרה מזאת, לטכניקה המוצעת יש גם פוטנציאל לשימוש בקוויביטים המורכבים מיותר מאטום זרחן אחד. בהגדרה כזו, מספר תצורות התמונה האפשריות גדל באופן אקספוננציאלי. הצוות ציין כי מסגרת כזו יכולה להיות חזקה במצב זה מכיוון שהיא יכולה לכלול כל תצורה אפשרית.

אם אתם מעוניינים לקבל מידע נוסף על המחקר, תוכלו לקרוא אותו בכתב העת Nature.

 

מצאתם טעות בכתבה? כתבו לנו

מקור
unimelb

יאיר צרפתי

מייסד האתר והעורך הראשי.

כתיבת תגובה

האימייל לא יוצג באתר. שדות החובה מסומנים *

Back to top button