Googles Quantum Dream Machine

John Martinis brugte armen på sine læsebriller til at angive det sted, hvor han agter at demonstrere en næsten ufattelig stærk ny form for computer om få år. Det er en cylindrisk fatning halvanden tomme på tværs, i bunden af ​​en torso-størrelse stabel af plader, blokke og ledninger af messing, kobber og guld. Dagen efter jeg mødtes med ham i efteråret, fyldte han stikket med en eksperimentel superledende chip ætset med et mikroskopisk Google-logo og afkølede apparatet til en hundrededel af en grad celsius over det absolutte nulpunkt. For at fejre den første dag, hvor han testede maskinen, holdt Martinis, hvad han kaldte, en lille fest på en brygpub med kolleger fra hans nyligt udstyrede Google-laboratorium i Santa Barbara, Californien.

John Martinis har forsket i, hvordan kvantecomputere kunne fungere i 30 år. Nu kunne han være på nippet til endelig at lave en brugbar en.

Den fest var ingenting sammenlignet med den fejring, der vil finde sted, hvis Martinis og hans gruppe rent faktisk kan skabe den vidundercomputer, de søger. Fordi den ville udnytte kvantefysikkens mærkelige egenskaber, der opstår under ekstreme forhold som dem på den ultrakolde chip, ville den nye computer lade en Google-koder køre beregninger i en kaffepause, der ville tage en supercomputer af i dag millioner af år. Den software, som Google har udviklet på almindelige computere til at køre bil eller besvare spørgsmål, kan blive langt mere intelligent. Og ideer på tidligere stadier, der bobler op hos Google og dets moderselskab, såsom robotter, der kan fungere som nødhjælpspersonale eller software, der kan kommunikere på et menneskeligt niveau, kan blive virkelige.

Det teoretiske grundlag for kvanteberegning er veletableret. Og fysikere kan bygge de grundlæggende enheder, kendt som qubits, som en kvantecomputer ville blive lavet af. De kan endda betjene qubits sammen i små grupper. Men de har ikke lavet en fuldt fungerende, praktisk kvantecomputer.

Martinis er en tårnhøj figur på området: hans forskergruppe ved University of California, Santa Barbara, har demonstreret nogle af de mest pålidelige qubits, der findes, og fået dem til at køre noget af den kode, en kvantecomputer skal bruge for at fungere. Han blev ansat af Google i juni 2014 efter at have overbevist virksomheden om, at hans teams teknologi kunne modnes hurtigt med den rette support. Med sit nye Google-laboratorium oppe at køre, gætter Martinis på, at han kan demonstrere en lille, men nyttig kvantecomputer om to eller tre år. Vi siger ofte til hinanden, at vi er i gang med at føde kvantecomputerindustrien, siger han.

Google og quantum computing er et match lavet i algoritmisk himlen. Virksomheden siges ofte at være defineret af en umættelig hunger efter data. Men Google har en mere presserende strategisk afhængighed: til teknologi, der udtrækker information fra data og endda skaber intelligens ud fra det. Virksomheden blev grundlagt for at kommercialisere en algoritme til rangering af websider, og den byggede sit økonomiske fundament med systemer, der sælger og målretter annoncer. For nylig har Google investeret kraftigt i udviklingen af ​​AI-software, der kan lære at forstå sprog eller billeder, udføre grundlæggende ræsonnementer eller styre en bil gennem trafikken – alt sammen ting, der forbliver vanskelige for konventionelle computere, men som burde være en leg for kvantecomputere. Maskinlæring er en kerne, transformativ måde, hvorpå vi genovervejer, hvordan vi gør alting, informerede Googles administrerende direktør, Sundar Pichai, for nylig investorer. At støtte denne indsats ville være det første af mange job for Martinis nye kvanteindustri.

Drømmemager

Så sent som i sidste uge virkede udsigten til, at en kvantecomputer kunne gøre noget nyttigt inden for få år, fjern. Forskere i regerings-, akademiske og virksomhedslaboratorier var langt fra at kombinere nok qubits til at lave selv en simpel proof-of-principle-maskine. En velfinansieret canadisk startup ved navn D-Wave Systems solgte et par af, hvad den kaldte verdens første kommercielle kvantecomputere, men brugte år på at undlade at overbevise eksperter om, at maskinerne faktisk gjorde, hvad en kvantecomputer burde (se CIA og Jeff Bezos Bet om Quantum Computing).

Derefter tilkaldte NASA journalister til at bygge N-258 ved deres Ames Research Center i Mountain View, Californien, som siden 2013 har været vært for en D-Wave-computer købt af Google. Der Hartmut Neven, der leder Quantum kunstig intelligens laboratorium Google etablerede for at eksperimentere med D-Wave-maskinen, afslørede det første rigtige bevis på, at det kan tilbyde kraften, som fortalere for kvantecomputere har lovet. I en omhyggeligt designet test havde den superledende chip inde i D-Waves computer - kendt som en kvanteudglødning - fungeret 100 millioner gange hurtigere end en konventionel processor.

Så sent som i sidste uge virkede udsigten til, at en kvantecomputer kunne gøre noget nyttigt inden for få år, fjern. Derefter tilkaldte NASA journalister til deres Ames Research Center i Mountain View.

Denne form for fordel skal dog være tilgængelig i praktiske computeropgaver, ikke kun konstruerede tests. Vi skal gøre det nemmere at tage et problem, der dukker op ved en ingeniørs skrivebord, og lægge det ind i computeren, sagde Neven, en snakkesalig maskinlæringsekspert. Det er her Martinis kommer ind i billedet. Neven mener ikke, at D-Wave kan få en version af sin kvanteudglødning klar til at betjene Googles ingeniører hurtigt nok, så han hyrede Martinis til at gøre det. Det blev klart, at vi ikke bare kan vente, siger Neven. Der er en liste over mangler, der skal overvindes for at nå frem til en rigtig teknologi. Han siger, at qubits på D-Waves chip er for upålidelige og ikke er forbundet tykt nok. (D-Waves administrerende direktør, Vern Brownell, svarer, at han ikke er bekymret for konkurrence fra Google.)

Google vil konkurrere ikke kun med hvilke forbedringer D-Wave kan lave, men også med Microsoft og IBM, som har betydelige kvantecomputerprojekter af deres egne (se Microsofts Quantum Mechanics og IBM Shows Off a Quantum Computing Chip). Men disse virksomheder er fokuseret på design, der er langt længere fra at blive praktisk anvendeligt. Faktisk anslår en grov intern tidslinje for Googles projekt, at Martinis' gruppe kan lave en kvanteudglødning med 100 qubits allerede i 2017. D-Waves seneste chip har allerede 1.097 qubits, men Neven siger, at en højkvalitetschip med færre qubits sandsynligvis vil ikke desto mindre være nyttig til nogle opgaver. En kvanteudglødning kan kun køre én bestemt algoritme, men det er tilfældigvis en, der er velegnet til de områder, Google holder mest af. De applikationer, der især kunne gavne, omfatter mønstergenkendelse og maskinlæring, siger William Oliver , en seniormedarbejder ved MIT Lincoln Laboratory, som har studeret potentialet ved kvantecomputere.

John Martinis, 57, er den perfekte person til at kæmpe med en forbløffende kompleks del af kvantefysisk forskning i en ny ingeniørdisciplin. Ikke alene kan han dykke ned i den esoteriske matematik, men han elsker at bygge ting. At betjene selv en enkelt qubit er et puslespil, der er samlet ud fra dyb kvanteteori, faststoffysik, materialevidenskab, mikrofabrikation, mekanisk design og konventionel elektronik. Martinis, som er høj med en høj, venlig stemme, gør meget ud af personligt at mestre teorien og den tekniske implementering af hvert stykke. Når han giver en rundvisning i sit nye laboratorium hos Google, er han lige så begejstret for de nye loddekolber og værktøjsmaskiner i det konventionelle værkstedsområde, som han er over det mere sofistikerede udstyr, der køler spåner og betjener dem. For mig er det sjovt, siger han. Jeg har været i stand til at lave eksperimenter, som ingen andre kunne gøre, fordi jeg kunne bygge min egen elektronik.

Denne eksperimentelle chip, ætset med Google-logoet, afkøles til lige over det absolutte nulpunkt for at generere kvanteeffekter.

Martinis og hans team skal være dygtige til så mange ting, fordi qubits er ustadige. De kan laves på forskellige måder - Martinis bruger aluminiumsløjfer, der er afkølet med små strømme, indtil de bliver superledere - men alle repræsenterer data ved hjælp af delikate kvantetilstande, der let forvrænges eller ødelægges af varme og elektromagnetisk støj, hvilket potentielt ødelægger en beregning.

Qubits bruger deres skrøbelige fysik til at gøre det samme, som transistorer bruger elektricitet til at gøre på en konventionel chip: repræsentere binære informationsbidder, enten 0 eller en . Men qubits kan også opnå en tilstand, kaldet en superposition, som faktisk er begge dele 0 og en på samme tid. Qubits i en superposition kan blive forbundet med et fænomen kendt som entanglement, hvilket betyder, at en handling udført på den ene har øjeblikkelig virkning på den anden. Disse effekter tillader en enkelt operation i en kvantecomputer at udføre arbejdet med mange, mange flere operationer i en konventionel computer. I nogle tilfælde bør en kvantecomputers fordel i forhold til en konventionel, vokse eksponentielt med mængden af ​​data, der skal arbejdes på.

Vanskeligheden ved at skabe qubits, der er stabile nok, er grunden til, at vi endnu ikke har kvantecomputere. Men Martinis har arbejdet på det i mere end 11 år og tror, ​​han er der næsten. Kohærenstiden for hans qubits, eller længden af ​​den tid, de kan opretholde en superposition, er titusinder af mikrosekunder - omkring 10.000 gange tallet for dem på D-Waves chip.

Martinis' tillid til hans teams hardware får ham endda til at tro, at han kan bygge Google et alternativ til en kvantegløder, der ville være endnu mere kraftfuld. En universel kvantecomputer, som den ville blive kaldt, kunne programmeres til at løse enhver form for problemer, ikke kun én form for matematik. Teorien bag denne tilgang er faktisk bedre forstået end den for annealere, til dels fordi det meste af tiden og pengene i kvanteberegningsforskning er blevet afsat til universel kvanteberegning. Men qubits har ikke været pålidelige nok til at oversætte teorien til en fungerende universel kvantecomputer.

Denne struktur af metalplader er nødvendig for at afkøle og afskærme kvantechips.

Indtil marts, det vil sige, da Martinis og hans team blev de første til at demonstrere qubits, der krydsede en afgørende pålidelighedstærskel for en universel kvantecomputer (se Google Researchers Make Quantum Computing Components More Reliable). De fik en chip med ni qubits til at køre en del af et fejlkontrolprogram, kaldet overfladekoden, som er nødvendig for at sådan en computer kan fungere (IBM har siden fået en del af overfladekoden til at arbejde på fire qubits). Vi demonstrerede teknologien til et punkt, hvor jeg vidste, at vi kunne skalere op, siger Martinis. Dette var for alvor.

Martinis sigter mod at vise en komplet universel kvantecomputer med omkring 100 qubits på samme tid, som han leverer Googles nye kvantegløder, om cirka to år. Det ville være en milepæl inden for datalogi, men det ville næppe hjælpe Googles programmører med det samme. Så kompleksiteten af ​​overfladekoden er, at selvom en chip med 100 qubits kunne køre fejlkontrolprogrammet, ville den ikke være i stand til at udføre noget nyttigt arbejde udover det, siger Robert McDermott , der leder en kvantecomputerforskningsgruppe ved University of Wisconsin. Alligevel tror Martinis, at når han kan få sine qubits pålidelige nok til at sætte 100 af dem på en universel kvantechip, vil vejen til at kombinere mange flere åbne sig. Det er noget, vi godt forstår, siger han. Det er svært at få sammenhæng, men let at skalere op.

Dumme algoritmer

Når Martinis forklarer, hvorfor hans teknologi er nødvendig hos Google, sparer han ikke på følelserne hos de mennesker, der arbejder med kunstig intelligens. Maskinlæringsalgoritmer er virkelig noget dumme, siger han med en antydning af undren i stemmen. De har brug for så mange eksempler for at lære.

Faktisk er den maskinlæring, der bruges af Google og andre computervirksomheder, patetisk ved siden af ​​den måde, mennesker eller dyr opsamler nye færdigheder eller viden på. At lære et stykke software nye tricks, såsom hvordan man genkender biler og katte på billeder, kræver generelt tusinder eller millioner af omhyggeligt udvalgte og mærkede eksempler. Selvom en teknik kaldet deep learning for nylig har frembragt slående fremskridt i den nøjagtighed, hvormed software kan lære at fortolke billeder og tale, forbliver mere komplekse evner som at forstå sprogets nuancer uden for maskinernes rækkevidde.

At finde ud af, hvordan Martinis' chips kan gøre Googles software mindre dum, falder til Neven. Han mener, at qubits enorme kraft vil indsnævre kløften mellem maskinlæring og biologisk læring - og genskabe feltet for kunstig intelligens. Maskinlæring vil blive transformeret til kvantelæring, siger han. Det kan betyde software, der kan lære af mere rodede data, eller fra mindre data, eller endda uden eksplicit instruktion. For eksempel har Googles forskere designet en algoritme, som de mener kunne tillade maskinlæringssoftware at opfange et nyt trick, selvom så meget som halvdelen af ​​de eksempeldata, den har givet, er forkert mærket. Neven overvejer, at denne form for beregningsmuskel kunne være nøglen til at give computere muligheder i dag, der er begrænset til mennesker. Folk taler om, hvorvidt vi kan lave kreative maskiner – de mest kreative systemer, vi kan bygge, vil være kvante-AI-systemer, siger han.

Mere praktisk, med kun D-Waves maskine at øve sig på indtil videre, kan Googles forskere ikke gøre meget mere end at spekulere i, hvad de præcist kunne eller burde gøre med de chips, Martinis bygger. Selv når de får fingrene i dem, vil det tage tid at opfinde og bygge den nødvendige infrastruktur til at betjene et stort antal af de eksotiske enheder, så de kan bidrage væsentligt til Googles forretning.

Neven er overbevist om, at Googles kvantehåndværkere og hans team kan komme igennem alt det. Han bilder rækker af superledende chips opstillet i datacentre, som Googles ingeniører kan få adgang til over internettet relativt hurtigt. Jeg vil forudsige, at der om 10 år ikke er andet end kvantemaskinelæring – man gør ikke mere på den konventionelle måde, siger han. En smilende Martinis accepterer forsigtigt den vision. Det kan jeg godt lide, men det er svært, siger han. Det kan han godt sige, men jeg skal bygge det.

skjule