В мире квантовых вычислений существует фундаментальная проблема: квантовые процессоры работают при экстремально низких температурах (около -273°C), в то время как традиционные графические процессоры (GPU) функционируют при комнатной температуре. Из-за этого квантовые процессоры приходится устанавливать на расстоянии нескольких метров от GPU, что создает существенные задержки в обработке данных. Команда исследователей под руководством профессора Шао Цимина из Гонконгского университета науки и технологий (HKUST) разработала инновационное решение этой проблемы.
Исследователи создали новую схему вычислений, работающую при сверхнизких температурах, которая объединяет искусственный интеллект с квантовыми вычислениями как физически, так и технологически. Ключевым элементом этой системы являются устройства на основе магнитных топологических изоляторов, выполненные в форме холловских полосок.
Разработанная криогенная схема вычислений в памяти позволяет ускорителям искусственного интеллекта работать на расстоянии всего нескольких десятков сантиметров от квантовых процессоров, а не метров, как в традиционных установках. Это первая демонстрация схемы суммирования холловского тока для энергоэффективных вычислений в памяти при криогенных температурах.
В качестве материала для своих устройств команда использовала магнитные топологические изоляторы, а именно теллурид висмута-сурьмы, легированный хромом (Cr-BST). Этот материал обладает уникальными свойствами: большими запрещенными зонами в объеме, как у изоляторов, проводящими состояниями на поверхностях или краях, высокой эффективностью генерации спинового тока и квантовым аномальным эффектом Холла благодаря хиральным краевым состояниям.
Результаты испытаний показали впечатляющую производительность: четыре устройства Cr-BST в форме холловских полосок достигли высокой точности в экспериментальных задачах классификации. Моделирование нейронных сетей размером 512 × 512 продемонстрировало производительность 724 тера-операций в секунду на ватт (TOPS/W). Система эффективно справлялась с задачами распознавания изображений и подготовки квантовых состояний при температуре 2 K.
Исследование, опубликованное в журнале Nature Materials под названием "Cryogenic In-Memory Computing Using Magnetic Topological Insulators", открывает новые горизонты для интеграции искусственного интеллекта и квантовых вычислений. Профессор Шао и его команда из Департамента электронной и компьютерной инженерии Школы инженерии HKUST продемонстрировали, что их подход может значительно сократить задержки в обработке данных.
В будущем исследователи планируют дальнейшее снижение задержек как для вывода, так и для онлайн-обучения, интеграцию агентов искусственного интеллекта с обучающими блоками и разработку более эффективных приложений для квантовых вычислений. Эта технология может стать ключевым компонентом в создании следующего поколения квантовых компьютеров, способных решать сложнейшие вычислительные задачи с беспрецедентной эффективностью.
Изображение носит иллюстративный характер
Исследователи создали новую схему вычислений, работающую при сверхнизких температурах, которая объединяет искусственный интеллект с квантовыми вычислениями как физически, так и технологически. Ключевым элементом этой системы являются устройства на основе магнитных топологических изоляторов, выполненные в форме холловских полосок.
Разработанная криогенная схема вычислений в памяти позволяет ускорителям искусственного интеллекта работать на расстоянии всего нескольких десятков сантиметров от квантовых процессоров, а не метров, как в традиционных установках. Это первая демонстрация схемы суммирования холловского тока для энергоэффективных вычислений в памяти при криогенных температурах.
В качестве материала для своих устройств команда использовала магнитные топологические изоляторы, а именно теллурид висмута-сурьмы, легированный хромом (Cr-BST). Этот материал обладает уникальными свойствами: большими запрещенными зонами в объеме, как у изоляторов, проводящими состояниями на поверхностях или краях, высокой эффективностью генерации спинового тока и квантовым аномальным эффектом Холла благодаря хиральным краевым состояниям.
Результаты испытаний показали впечатляющую производительность: четыре устройства Cr-BST в форме холловских полосок достигли высокой точности в экспериментальных задачах классификации. Моделирование нейронных сетей размером 512 × 512 продемонстрировало производительность 724 тера-операций в секунду на ватт (TOPS/W). Система эффективно справлялась с задачами распознавания изображений и подготовки квантовых состояний при температуре 2 K.
Исследование, опубликованное в журнале Nature Materials под названием "Cryogenic In-Memory Computing Using Magnetic Topological Insulators", открывает новые горизонты для интеграции искусственного интеллекта и квантовых вычислений. Профессор Шао и его команда из Департамента электронной и компьютерной инженерии Школы инженерии HKUST продемонстрировали, что их подход может значительно сократить задержки в обработке данных.
В будущем исследователи планируют дальнейшее снижение задержек как для вывода, так и для онлайн-обучения, интеграцию агентов искусственного интеллекта с обучающими блоками и разработку более эффективных приложений для квантовых вычислений. Эта технология может стать ключевым компонентом в создании следующего поколения квантовых компьютеров, способных решать сложнейшие вычислительные задачи с беспрецедентной эффективностью.
