AI & computing › Kwantumcomputing & AI-hybrides
AI-model maakt kwantumchip 33% sneller zonder kwaliteitsverlies in te leveren
Het Zweedse bedrijf FirstQFM heeft met een zelflerend model de rekensnelheid van een kwantumchip van de Nederlandse fabrikant QuantWare met een derde verhoogd. De test, uitgevoerd in Israël, laat zien dat kunstmatige intelligentie kwantumhardware kan verbeteren zonder dat er extra metingen op de dure chip zelf nodig zijn.
Kwantumcomputers staan bekend als veelbelovend maar nog onbetrouwbaar. De kleinste bouwstenen, qubits, zijn extreem gevoelig voor storingen en moeten voortdurend nauwkeurig worden aangestuurd. Elke rekenstap, een zogeheten poort of 'gate', kost tijd, en hoe langer die duurt, hoe groter de kans dat er fouten optreden. Het Zweedse bedrijf FirstQFM claimt nu een belangrijke stap te hebben gezet: met een zelflerend model wist het de tijd die nodig is voor basisbewerkingen op een kwantumprocessor met 33 procent te verkorten, zonder dat de nauwkeurigheid daaronder leed.
De test vond plaats op een 21-qubit chip van de Nederlandse kwantumhardwaremaker QuantWare, de Contralto-D21, opgesteld bij het Israeli Quantum Computing Center (IQCC). FirstQFM gebruikte hiervoor een zogenoemd foundation model: een breed trainbaar AI-systeem dat is toegesneden op het gedrag van kwantumhardware. Het model kreeg bestaande calibratiedata van het controlesysteem van Quantum Machines te verwerken en genereerde daaruit nieuwe, kortere besturingssignalen voor de qubits. Belangrijk detail: hiervoor was geen extra meettijd op de kostbare chip zelf nodig. Het rekenwerk gebeurde grotendeels op gewone computers, aangedreven door NVIDIA-hardware, waaronder de Leonardo-supercomputer.
Minder tijd, dezelfde kwaliteit
De verbeterde besturingssignalen werden vervolgens wel degelijk op de echte chip getest, met een methode die bekendstaat als gerandomiseerde benchmarking. Die bevestigde dat de snellere bewerkingen niet ten koste gingen van de gatefideliteit, de maat voor hoe zuiver een kwantumbewerking wordt uitgevoerd. Dat is relevant, want bij kwantumchips geldt meestal een afruil: sneller werken verhoogt normaal gesproken het risico op fouten.
Het model ging ook verder dan losse qubits. Het onderzocht koppelingen tussen qubitparen, die nodig zijn voor verstrengeling, het fenomeen waarbij deeltjes onderling verbonden blijven ongeacht de afstand. Bij vijf qubitparen op de chip vond het model verbeteringen in de zogeheten Bell-toestand-betrouwbaarheid, een standaardmaat voor hoe goed twee qubits verstrengeld raken. Deze verbeteringen werden onafhankelijk bevestigd in afzonderlijke hardwaretests.
Waarom calibratie steeds lastiger wordt
De achtergrond van dit onderzoek is een groeiend probleem in de sector. Hoe meer qubits een chip bevat, hoe moeilijker het wordt om alles goed afgestemd te houden. Elke extra qubit en elke extra verbinding brengt nieuwe storingsbronnen met zich mee, zoals ruis, drift en ongewenste interactie tussen naburige onderdelen. Calibratie, het fijnafstemmen van de besturing, kost daardoor steeds meer rekentijd en menselijke inspanning.
Door dat proces deels te automatiseren met AI, verschuift het zware rekenwerk van de schaarse en dure kwantumchip naar gewone computerchips. FirstQFM-CEO Vish Ramakrishnan noemt dit de kern van zijn aanpak: de hardware leren kennen en die kennis gebruiken om de prestaties te verbeteren. Het bedrijf zegt zijn optimalisaties te willen uitbreiden naarmate QuantWare grotere chips bouwt, gebaseerd op een nieuwe chipstandaard die het bedrijf VIO noemt.
Achtergrond & begrippen
Wat betekent dit voor de toekomst? Als AI-modellen bestaande kwantumchips sneller en net zo betrouwbaar kunnen laten rekenen zonder dat er nieuwe hardware nodig is, kan dat de weg naar bruikbare kwantumcomputers flink bekorten. Omdat calibratie juist hét knelpunt is bij het opschalen naar grotere chips, kan slimme software op dit vlak sneller winst opleveren dan verbeteringen aan de chips zelf.
- Qubit
- De kleinste informatie-eenheid van een kwantumcomputer, te vergelijken met een bit in een gewone computer, maar dan met kwantumeigenschappen.
- Kwantumprocessor
- De chip waarop qubits worden aangestuurd en bewerkingen worden uitgevoerd.
- Foundation model
- Een breed getraind AI-model dat kan worden aangepast voor specifieke taken, in dit geval het optimaliseren van kwantumhardware.
- Gatefideliteit
- De maat voor hoe nauwkeurig een enkele rekenstap (gate) op een qubit wordt uitgevoerd.
- Verstrengeling
- Een kwantumverschijnsel waarbij twee deeltjes zo verbonden zijn dat de toestand van het ene deeltje direct samenhangt met die van het andere.
- Bell-toestand
- Een specifieke, maximaal verstrengelde toestand van twee qubits, vaak gebruikt om de kwaliteit van verstrengeling te meten.
- Calibratie
- Het proces waarbij de besturingssignalen van een kwantumchip fijn worden afgesteld om fouten te minimaliseren.
- Gerandomiseerde benchmarking
- Een testmethode om te meten hoe betrouwbaar de bewerkingen op een kwantumchip zijn.
- Pulsniveau-aansturing
- Het rechtstreeks programmeren van de elektrische of microgolfpulsen die qubits aansturen, in plaats van op een hoger, abstracter niveau te werken.
Bronnen
Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.
