Willow นับเป็น CPU ใหม่ ชิปสำหรัยสถาปัตยกรรม วอนตัมคอมพิวเตอร์ตัวใหม่ทาง Google ทรงประสิทธิภาพที่ปูทางไปสู่คอมพิวเตอร์ควอนตัม
ชิปวิลโลว์เป็นก้าวสำคัญในเส้นทางที่เริ่มต้นขึ้นเมื่อกว่า 10 ปีที่แล้ว เมื่อผมก่อตั้ง Google Quantum AI ในปี 2012 วิสัยทัศน์ของเราคือการสร้างคอมพิวเตอร์ควอนตัมขนาดใหญ่ที่มีประโยชน์ ซึ่งสามารถใช้กลศาสตร์ควอนตัม — “ระบบปฏิบัติการ” ของธรรมชาติตามที่เรารู้จักในปัจจุบัน — เพื่อประโยชน์ของสังคม โดยการพัฒนาการค้นพบทางวิทยาศาสตร์ การพัฒนาแอปพลิเคชันที่เป็นประโยชน์ และการแก้ปัญหาความท้าทายที่ยิ่งใหญ่ที่สุดบางอย่างของสังคม ในฐานะส่วนหนึ่งของ Google Research ทีมของเราได้วางแผนกลยุทธ์ระยะยาว และวิลโลว์ได้ผลักดันเราไปข้างหน้าอย่างมีนัยสำคัญบนเส้นทางนั้นสู่การใช้งานเชิงพาณิชย์
การแก้ไขข้อผิดพลาดควอนตัมแบบเอกซ์โพเนนเชียล — ต่ำกว่าเกณฑ์!
ข้อผิดพลาดเป็นหนึ่งในความท้าทายที่ยิ่งใหญ่ที่สุดในการคำนวณควอนตัม เนื่องจากคิวบิต หน่วยการคำนวณในคอมพิวเตอร์ควอนตัม มีแนวโน้มที่จะแลกเปลี่ยนข้อมูลกับสิ่งแวดล้อมอย่างรวดเร็ว ทำให้ยากที่จะปกป้องข้อมูลที่จำเป็นในการคำนวณ โดยทั่วไปยิ่งใช้คิวบิตมากเท่าไร ก็ยิ่งเกิดข้อผิดพลาดมากขึ้นเท่านั้น และระบบจะกลายเป็นแบบคลาสสิก
วันนี้ในวารสาร Nature เราได้ตีพิมพ์ผลการวิจัยที่แสดงให้เห็นว่ายิ่งเราใช้คิวบิตมากขึ้นในชิปวิลโลว์ เราก็ยิ่งลดข้อผิดพลาดได้มากขึ้น และระบบก็ยิ่งเป็นควอนตัมมากขึ้น เราทดสอบอาร์เรย์ของคิวบิตทางกายภาพที่มีขนาดใหญ่ขึ้นเรื่อยๆ โดยปรับขนาดจากตาราง 3×3 คิวบิตที่เข้ารหัส ไปเป็นตาราง 5×5 และตาราง 7×7 — และทุกครั้งที่ใช้ความก้าวหน้าล่าสุดของเราในการแก้ไขข้อผิดพลาดควอนตัม เราสามารถลดอัตราความผิดพลาดลงได้ครึ่งหนึ่ง กล่าวอีกนัยหนึ่ง เราบรรลุการลดอัตราความผิดพลาดแบบเอกซ์โพเนนเชียล ความสำเร็จทางประวัติศาสตร์นี้เป็นที่รู้จักในสาขาว่า “ต่ำกว่าเกณฑ์” — สามารถลดข้อผิดพลาดลงได้ในขณะที่เพิ่มจำนวนคิวบิต คุณต้องแสดงให้เห็นว่าต่ำกว่าเกณฑ์เพื่อแสดงความก้าวหน้าที่แท้จริงในการแก้ไขข้อผิดพลาด และนี่เป็นความท้าทายที่โดดเด่นมาตั้งแต่การแนะนำการแก้ไขข้อผิดพลาดควอนตัมโดย Peter Shor ในปี 1995
นอกจากนี้ยังมี “สิ่งแรก” ทางวิทยาศาสตร์อื่นๆ ที่เกี่ยวข้องกับผลลัพธ์นี้ด้วย ตัวอย่างเช่น มันเป็นหนึ่งในตัวอย่างแรกๆ ที่น่าสนใจของการแก้ไขข้อผิดพลาดแบบเรียลไทม์ในระบบควอนตัมยิ่งยวด — ซึ่งมีความสำคัญต่อการคำนวณที่มีประโยชน์ใดๆ เพราะถ้าคุณไม่สามารถแก้ไขข้อผิดพลาดได้เร็วพอ ข้อผิดพลาดเหล่านั้นจะทำลายการคำนวณของคุณก่อนที่มันจะเสร็จ และมันเป็นการสาธิต “เกินจุดคุ้มทุน” ที่อาร์เรย์ของคิวบิตของเรามีอายุการใช้งานยาวนานกว่าคิวบิตทางกายภาพแต่ละตัว ซึ่งเป็นสัญญาณที่ไม่สามารถปฏิเสธได้ว่าการแก้ไขข้อผิดพลาดช่วยปรับปรุงระบบโดยรวม
ในฐานะระบบแรกที่ต่ำกว่าเกณฑ์ นี่คือต้นแบบที่น่าเชื่อที่สุดสำหรับคิวบิตเชิงตรรกะแบบปรับขนาดได้ที่สร้างขึ้นจนถึงปัจจุบัน มันเป็นสัญญาณที่แข็งแกร่งว่าคอมพิวเตอร์ควอนตัมขนาดใหญ่ที่มีประโยชน์สามารถสร้างได้จริงๆ วิลโลว์ทำให้เรามาใกล้กับการเรียกใช้ขั้นตอนวิธีที่ใช้งานได้จริงและมีความเกี่ยวข้องในเชิงพาณิชย์ ซึ่งไม่สามารถจำลองบนคอมพิวเตอร์แบบเดิมได้
10 เซ็ปทิลเลียนปีบนหนึ่งในซูเปอร์คอมพิวเตอร์ที่เร็วที่สุดในปัจจุบัน
เพื่อวัดประสิทธิภาพของวิลโลว์ เราใช้เกณฑ์มาตรฐานการสุ่มวงจรแบบสุ่ม (RCS) ซึ่งทีมงานของเราเป็นผู้บุกเบิกและปัจจุบันใช้กันอย่างแพร่หลายเป็นมาตรฐานในสาขานี้ RCS เป็นเกณฑ์มาตรฐานที่ยากที่สุดในแบบคลาสสิกที่สามารถทำได้บนคอมพิวเตอร์ควอนตัมในปัจจุบัน คุณสามารถคิดว่านี่เป็นจุดเริ่มต้นสำหรับการคำนวณควอนตัม — มันตรวจสอบว่าคอมพิวเตอร์ควอนตัมกำลังทำสิ่งที่ไม่สามารถทำได้บนคอมพิวเตอร์แบบคลาสสิกหรือไม่ ทีมใดก็ตามที่สร้างคอมพิวเตอร์ควอนตัมควรตรวจสอบก่อนว่ามันสามารถเอาชนะคอมพิวเตอร์แบบคลาสสิกใน RCS ได้หรือไม่ มิฉะนั้นจะมีเหตุผลที่แข็งแกร่งที่จะสงสัยว่ามันสามารถรับมือกับงานควอนตัมที่ซับซ้อนกว่าได้หรือไม่ เราใช้เกณฑ์มาตรฐานนี้มาโดยตลอดเพื่อประเมินความก้าวหน้าจากชิปหนึ่งรุ่นไปอีกรุ่นหนึ่ง — เราได้รายงานผลลัพธ์ของ Sycamore ในเดือนตุลาคม 2019 และอีกครั้งเมื่อเร็วๆ นี้ในเดือนตุลาคม 2024
ประสิทธิภาพของวิลโลว์ในเกณฑ์มาตรฐานนี้ชวนให้ประหลาดใจ: มันดำเนินการคำนวณเสร็จภายในห้านาที ซึ่งจะใช้เวลาหนึ่งในซูเปอร์คอมพิวเตอร์ที่เร็วที่สุดในปัจจุบันถึง 10²⁵ หรือ 10 เซ็ปทิลเลียนปี ถ้าคุณต้องการเขียนออกมา มันคือ 10,000,000,000,000,000,000,000,000 ปี จำนวนมหาศาลนี้เกินกว่าช่วงเวลาที่ทราบในฟิสิกส์และเกินกว่าอายุของจักรวาลอย่างมาก มันทำให้ความคิดที่ว่าการคำนวณควอนตัมเกิดขึ้นในหลายจักรวาลคู่ขนาน สอดคล้องกับความคิดที่ว่าเราอาศัยอยู่ในหลายจักรวาล การทำนายครั้งแรกโดย David Deutsch
ผลลัพธ์ล่าสุดสำหรับวิลโลว์ ดังแสดงในแผนภูมิข้างล่าง เป็นผลลัพธ์ที่ดีที่สุดของเรา แต่เราจะยังคงพัฒนาต่อไป
การประเมินของเราเกี่ยวกับวิธีที่วิลโลว์เอาชนะซูเปอร์คอมพิวเตอร์แบบคลาสสิกที่ทรงพลังที่สุดในโลกเครื่องหนึ่งอย่าง Frontier นั้นอิงจากสมมติฐานที่อนุรักษ์นิยม ตัวอย่างเช่น เราสมมติว่าสามารถเข้าถึงหน่วยเก็บข้อมูลรองได้อย่างเต็มที่ เช่น ฮาร์ดไดรฟ์ โดยไม่มีค่าใช้จ่ายด้านแบนด์วิดธ์เพิ่มเติม — ซึ่งเป็นการอนุญาตที่เอื้อเฟื้อและไม่สมจริงสำหรับ Frontier แน่นอนว่า เช่นเดียวกับที่เกิดขึ้นหลังจากที่เราประกาศการคำนวณที่เหนือกว่าแบบคลาสสิกครั้งแรกในปี 2019 เราคาดว่าคอมพิวเตอร์แบบคลาสสิกจะยังคงพัฒนาต่อไปในเกณฑ์มาตรฐานนี้ แต่ช่องว่างที่เพิ่มขึ้นอย่างรวดเร็วแสดงให้เห็นว่าโปรเซสเซอร์ควอนตัมกำลังแยกตัวออกไปในอัตราแบบเลขชี้กำลังสองเท่า และจะยังคงมีประสิทธิภาพเหนือกว่าคอมพิวเตอร์แบบคลาสสิกอย่างมากเมื่อเราปรับขนาดขึ้น
อะไรคือสิ่งต่อไปกับวิลโลว์และสิ่งที่อยู่เหนือกว่า
ความท้าทายต่อไปสำหรับสาขานี้คือการสาธิตการคำนวณ “ที่มีประโยชน์และเหนือกว่าแบบคลาสสิก” ครั้งแรกบนชิปควอนตัมในปัจจุบัน ซึ่งมีความเกี่ยวข้องกับการใช้งานในโลกแห่งความจริง เรามีความหวังว่าชิปวิลโลว์รุ่นนี้จะช่วยให้เราบรรลุเป้าหมายนี้ได้ จนถึงตอนนี้มีการทดลองสองประเภทที่แยกจากกัน ในอีกด้านหนึ่ง เราได้ใช้เกณฑ์มาตรฐาน RCS ซึ่งวัดประสิทธิภาพเมื่อเทียบกับคอมพิวเตอร์แบบคลาสสิก แต่ไม่มีการใช้งานในโลกแห่งความจริงที่ทราบ ในทางกลับกัน เราได้ทำการจำลองระบบควอนตัมที่น่าสนใจทางวิทยาศาสตร์ ซึ่งนำไปสู่การค้นพบทางวิทยาศาสตร์ใหม่ๆ แต่ยังคงอยู่ในขอบเขตของคอมพิวเตอร์แบบคลาสสิก เป้าหมายของเราคือการทำทั้งสองอย่างพร้อมกัน — เพื่อก้าวเข้าสู่ขอบเขตของอัลกอริทึมที่อยู่นอกเหนือการเข้าถึงของคอมพิวเตอร์แบบคลาสสิก และมีประโยชน์สำหรับปัญหาในโลกแห่งความจริงที่มีความเกี่ยวข้องในเชิงพาณิชย์
เราขอเชิญชวนนักวิจัย วิศวกร และนักพัฒนาเข้าร่วมกับเราในเส้นทางนี้โดยดูซอฟต์แวร์โอเพนซอร์สและแหล่งข้อมูลการศึกษาของเรา รวมถึงหลักสูตรใหม่ของเราบน Coursera ซึ่งนักพัฒนาสามารถเรียนรู้สิ่งสำคัญเกี่ยวกับการแก้ไขข้อผิดพลาดควอนตัมและช่วยเราสร้างอัลกอริธึมที่สามารถแก้ปัญหาในอนาคตได้
เพื่อนร่วมงานของฉันบางครั้งถามฉันว่าทำไมฉันถึงออกจากสาขา AI ที่กำลังเติบโตอย่างรวดเร็วเพื่อมุ่งเน้นไปที่การคำนวณควอนตัม คำตอบของฉันคือทั้งสองอย่างนี้จะพิสูจน์แล้วว่าเป็นเทคโนโลยีที่เปลี่ยนแปลงโลกมากที่สุดในยุคของเรา แต่ AI ขั้นสูงจะได้รับประโยชน์อย่างมากจากการเข้าถึงการคำนวณควอนตัม นี่คือเหตุผลที่ฉันตั้งชื่อห้องแล็บของเราว่า Quantum AI อัลกอริทึมควอนตัมมีกฎการปรับขนาดพื้นฐานอยู่ข้างๆ ตามที่เรากำลังเห็นกับ RCS มีข้อได้เปรียบในการปรับขนาดที่คล้ายคลึงกันสำหรับงานคำนวณพื้นฐานหลายอย่างที่จำเป็นสำหรับ AI ดังนั้นการคำนวณควอนตัมจึงเป็นสิ่งที่ขาดไม่ได้สำหรับการรวบรวมข้อมูลการฝึกอบรมที่เครื่องจักรแบบคลาสสิกไม่สามารถเข้าถึงได้ การฝึกอบรมและการปรับแต่งสถาปัตยกรรมการเรียนรู้บางอย่าง และการสร้างแบบจำลองระบบที่มีผลกระทบจากควอนตัมเป็นสิ่งสำคัญ ซึ่งรวมถึงการช่วยเราค้นพบยาใหม่ๆ การออกแบบแบตเตอรี่ที่มีประสิทธิภาพมากขึ้นสำหรับรถยนต์ไฟฟ้า และการเร่งความก้าวหน้าในการหลอมรวมและทางเลือกพลังงานใหม่ๆ แอปพลิเคชันที่เปลี่ยนแปลงเกมในอนาคตจำนวนมากเหล่านี้จะไม่สามารถใช้งานได้บนคอมพิวเตอร์แบบคลาสสิก พวกมันกำลังรอที่จะถูกปลดล็อคด้วยการคำนวณควอนตัม