زومیت/ تراشه‌ی کوانتومی جدید گوگل با پیشرفتی خیره‌کننده در عملکرد، ابرکامپیوترهای امروزی را از رده خارج می‌کند.
 
آزمایشگاه محاسبات کوانتومی گوگل به نقطه‌ی عطف مهمی دست یافت. گوگل می‌گوید که تراشه‌ی محاسبات کوانتومی جدیدش به نام Willow قادر است محاسبه‌ی استانداردی را در کمتر از پنج دقیقه انجام دهد؛ محاسبه‌ای که به گفته‌ی گوگل، برای یکی از سریع‌ترین ابرکامپیوترهای دنیا، ۱۰ سپتیلیون سال (بیشتر از سن جهان) طول می‌کشد.

دستاورد جدید گوگل جهشی بزرگ از سال ۲۰۱۹ محسوب می‌شود؛ زمانی که گوگل اعلام کرد پردازنده‌ی کوانتومی‌اش می‌تواند یک معادله‌ی ریاضی را در سه دقیقه حل کند. حل همان معادله برای یک ابرکامپیوتر ۱۰ هزار سال طول می‌کشید و باعث شد IBM ادعای گوگل را زیر سؤال ببرد.

افزون‌بر پیشرفت قابل توجه در قدرت محاسباتی، محققان گوگل موفق به کاهش خطاها شده‌اند که گوگل آن را «یکی از بزرگ‌ترین چالش‌های محاسبات کوانتومی» می‌داند. در محاسبات کوانتومی به‌جای بیت که تنها می‌تواند مقدار صفر یا یک را داشته باشد، از کیوبیت استفاده می‌شود. کیوبیت واحدی است که می‌تواند همزمان در حالت‌های مختلفی از جمله صفر، یک یا هر حالت میانی دیگری وجود داشته باشد.

گوگل می‌گوید کیوبیت‌ها مستعد خطا هستند؛ چراکه «تمایل به تبادل سریع اطلاعات با محیط اطراف خود دارند.» بااین‌حال، محققان گوگل راهی برای کاهش خطاها با معرفی کیوبیت‌های بیشتر به یک سیستم پیدا کردند و توانستند خطاها را به‌صورت لحظه‌ای اصلاح کنند. یافته‌ی محققان در مجله‌ی Nature منتشر شده است.

هارتموت نونن، بنیانگذار گوگل کوانتوم AI، در وبلاگ گوگل می‌نویسد: «دستاورد تاریخی در این حوزه به‌عنوان نظریه‌ی آستانه شناخته می‌شود؛ یعنی توانایی کاهش خطاها همزمان با افزایش تعداد کیوبیت‌ها. برای نشان دادن پیشرفت واقعی در تصحیح خطا، باید ثابت شود که سیستم کمتر از آستانه است و این از زمان معرفی تصحیح خطای کوانتومی از سوی پیتر شور در سال ۱۹۹۵، چالشی بسیار مهم بود.»

اگر احتمال بروز خطا در هر عملیات کوانتومی زیر یک مقدار آستانه باشد، می‌توان از کدهای تصحیح خطای کوانتومی برای رفع مشکل استفاده کرد.

ویلو که دارای ۱۰۵ کیوبیت است، به گفته‌ی نونن، «بهترین عملکرد در کلاس خود را دارد.» مایکروسافت، آمازون و IBM نیز در حال کار روی سیستم‌های محاسبات کوانتومی خود هستند.

هدف بعدی گوگل انجام نخستین محاسبات «مفید و فراتر از توانایی کامپیوترهای کلاسیک» است؛ محاسباتی که هم «مرتبط با کاربردهای دنیای واقعی» باشد و هم از عهده‌ی کامپیوترهای معمولی برنیاید.

نونن باور دارد که در آینده، فناوری کوانتومی برای گردآوری داده‌های آموزشی هوش مصنوعی «ضروری» خواهد بود و در نهایت به «کشف داروهای جدید، طراحی باتری‌های کارآمدتر برای خودروهای برقی و تسریع پیشرفت در زمینه‌ی همجوشی هسته‌ای و انرژی‌های جایگزین» کمک خواهد کرد.