211service.com
Googles Quantum Dream Machine
John Martinis använde armen på sina läsglasögon för att ange platsen där han avser att demonstrera en nästan ofattbart kraftfull ny form av dator om några år. Det är en cylindrisk hylsa som är en och en halv tum tvärs över, längst ner på en stapel av tallrikar, block och trådar av mässing, koppar och guld. Dagen efter att jag träffade honom i höstas laddade han uttaget med ett experimentellt supraledande chip etsat med en mikroskopisk Google-logotyp och kylde apparaten till en hundradels grad Celsius över absoluta nollpunkten. För att fira den första dagen av att testa maskinen, höll Martinis vad han kallade en liten fest på en bryggpub med kollegor från hans nyutrustade Google-labb i Santa Barbara, Kalifornien.
John Martinis har forskat om hur kvantdatorer kunde fungera i 30 år. Nu kan han vara på väg att äntligen göra en användbar.
Den festen var ingenting jämfört med firandet som kommer att äga rum om Martinis och hans grupp faktiskt kan skapa den underbara dator de söker. Eftersom den skulle utnyttja kvantfysikens konstiga egenskaper som uppstår under extrema förhållanden som de på det ultrakalla chippet, skulle den nya datorn låta en Google-kodare köra beräkningar i en kaffepaus som skulle ta en superdator av idag miljoner år. Mjukvaran som Google har utvecklat på vanliga datorer för att köra bil eller svara på frågor kan bli mycket mer intelligent. Och idéer i tidigare skeden som bubblar upp hos Google och dess moderbolag, som robotar som kan fungera som räddningspersonal eller programvara som kan prata på mänsklig nivå, kan bli verkliga.
Den teoretiska grunden för kvantberäkning är väl etablerad. Och fysiker kan bygga de grundläggande enheterna, kända som qubits, av vilka en kvantdator skulle göras. De kan till och med använda qubits tillsammans i små grupper. Men de har inte gjort en fullt fungerande, praktisk kvantdator.
Martinis är en imponerande figur på området: hans forskargrupp vid University of California, Santa Barbara, har visat några av de mest pålitliga qubits som finns och fått dem att köra en del av koden som en kvantdator skulle behöva för att fungera. Han anställdes av Google i juni 2014 efter att ha övertygat företaget om att hans teams teknologi kunde mogna snabbt med rätt support. Med sitt nya Google-labb igång, gissar Martinis att han kan demonstrera en liten men användbar kvantdator på två eller tre år. Vi säger ofta till varandra att vi håller på att föda kvantdatorindustrin, säger han.
Google och quantum computing är en match made in algoritmiska himlen. Företaget sägs ofta definieras av en omättlig hunger efter data. Men Google har ett mer pressande strategiskt beroende: till teknik som extraherar information från data och till och med skapar intelligens från den. Företaget grundades för att kommersialisera en algoritm för att rangordna webbsidor och byggde sin ekonomiska grund med system som säljer och riktar in annonser. På senare tid har Google investerat mycket i utvecklingen av AI-mjukvara som kan lära sig att förstå språk eller bilder, utföra grundläggande resonemang eller styra en bil genom trafiken – allt som förblir knepigt för konventionella datorer men som borde vara en bris för kvantdatorer. Maskininlärning är ett centralt, transformativt sätt genom vilket vi omprövar hur vi gör allt, informerade Googles vd, Sundar Pichai, nyligen investerare. Att stödja den ansträngningen skulle vara det första av många jobb för Martinis nya kvantindustri.
Drömskapare
Så sent som förra veckan verkade utsikterna att en kvantdator skulle göra någonting användbart inom några år avlägsen. Forskare i statliga, akademiska och företags labb var långt ifrån att kombinera tillräckligt många qubits för att göra ens en enkel proof-of-princip-maskin. En välfinansierad kanadensisk startup vid namn D-Wave Systems sålde några av vad den kallade världens första kommersiella kvantdatorer men tillbringade åratal med att misslyckas med att övertyga experter om att maskinerna faktiskt gjorde vad en kvantdator borde (se CIA och Jeff Bezos Bet om Quantum Computing ).
Sedan kallade NASA journalister till att bygga N-258 vid dess Ames Research Center i Mountain View, Kalifornien, som sedan 2013 har varit värd för en D-Wave-dator köpt av Google. Där Hartmut Neven, som leder Quantum Artificiell Intelligens lab Google etablerade för att experimentera med D-Wave-maskinen, avslöjade det första riktiga beviset på att den kan erbjuda kraften som förespråkare för kvantberäkning har lovat. I ett noggrant designat test hade det supraledande chippet inuti D-Waves dator – känd som en kvantglödgare – presterat 100 miljoner gånger snabbare än en konventionell processor.
Så sent som förra veckan verkade utsikterna att en kvantdator skulle göra någonting användbart inom några år avlägsen. Sedan kallade NASA journalister till sitt Ames Research Center i Mountain View.
Den här typen av fördelar måste dock finnas i praktiska datoruppgifter, inte bara konstruerade tester. Vi måste göra det lättare att ta ett problem som dyker upp vid en ingenjörs skrivbord och lägga det i datorn, sa Neven, en pratsam maskininlärningsexpert. Det är där Martinis kommer in. Neven tror inte att D-Wave kan få en version av sin kvantglödgningsapparat redo att tjäna Googles ingenjörer tillräckligt snabbt, så han anlitade Martinis för att göra det. Det blev tydligt att vi inte bara kan vänta, säger Neven. Det finns en lista över brister som måste övervinnas för att komma fram till en riktig teknik. Han säger att qubits på D-Waves chip är för opålitliga och inte är sammankopplade tillräckligt tjockt. (D-Waves VD, Vern Brownell, svarar att han inte är orolig för konkurrensen från Google.)
Google kommer att konkurrera inte bara med de förbättringar som D-Wave kan göra, utan också med Microsoft och IBM, som har stora egna kvantberäkningsprojekt (se Microsofts Quantum Mechanics och IBM Shows Off a Quantum Computing Chip). Men dessa företag är fokuserade på design mycket längre från att bli praktiskt användbara. Faktum är att en grov intern tidslinje för Googles projekt uppskattar att Martinis grupp kan göra en kvantglödgare med 100 qubits så snart som 2017. D-Waves senaste chip har redan 1 097 qubits, men Neven säger att ett högkvalitativt chip med färre qubits förmodligen kommer att vara användbar för vissa uppgifter ändå. En kvantglödgningsanordning kan bara köra en viss algoritm, men den råkar vara en väl lämpad för de områden som Google bryr sig mest om. De applikationer som särskilt kan gynnas inkluderar mönsterigenkänning och maskininlärning, säger William Oliver , en senior anställd vid MIT Lincoln Laboratory som har studerat potentialen för kvantberäkning.
John Martinis, 57, är den perfekta personen för att brottas med en förbluffande komplex del av kvantfysikforskning i en ny ingenjörsdisciplin. Inte bara kan han dyka in i den esoteriska matematiken, utan han älskar att bygga saker. Att använda en enda qubit är ett pussel sammansatt av djup kvantteori, fast tillståndsfysik, materialvetenskap, mikrotillverkning, mekanisk design och konventionell elektronik. Martinis, som är lång med en hög, vänlig röst, gör en poäng av att personligen behärska teorin och den tekniska implementeringen av varje stycke. När han ger en rundtur i sitt nya labb på Google är han lika exalterad över de nya lödkolvarna och verktygsmaskinerna i det konventionella verkstadsområdet som han är över den mer sofistikerade utrustningen som kyler spån och driver dem. För mig är det roligt, säger han. Jag har kunnat göra experiment som ingen annan kunde göra, eftersom jag kunde bygga min egen elektronik.
Detta experimentella chip, etsat med Googles logotyp, kyls till strax över absoluta nollpunkten för att generera kvanteffekter.
Martinis och hans team måste vara skickliga på så många saker eftersom qubits är ombytliga. De kan tillverkas på olika sätt - Martinis använder aluminiumslingor som kyls med små strömmar tills de blir supraledare - men alla representerar data med hjälp av känsliga kvanttillstånd som lätt förvrängs eller förstörs av värme och elektromagnetiskt brus, vilket potentiellt förstör en beräkning.
Qubits använder sin ömtåliga fysik för att göra samma sak som transistorer använder elektricitet för att göra på ett konventionellt chip: representerar binära informationsbitar, antingen 0 eller ett . Men qubits kan också uppnå ett tillstånd, kallat superposition, som i praktiken är både och 0 och ett på samma gång. Qubits i en superposition kan bli sammanlänkade av ett fenomen som kallas intrassling, vilket innebär att en åtgärd som utförs på den ena har omedelbar effekt på den andra. Dessa effekter tillåter en enda operation i en kvantdator att göra jobbet för många, många fler operationer i en konventionell dator. I vissa fall bör en kvantdators fördel gentemot en konventionell växa exponentiellt med mängden data som ska arbetas med.
Svårigheten att skapa qubits som är tillräckligt stabila är anledningen till att vi inte har kvantdatorer ännu. Men Martinis har arbetat med det i mer än 11 år och tror att han nästan är där. Koherenstiden för hans qubits, eller hur lång tid de kan bibehålla en superposition, är tiotals mikrosekunder – ungefär 10 000 gånger siffran för de på D-Waves chip.
Martinis förtroende för sitt teams hårdvara får honom till och med att tro att han kan bygga Google ett alternativ till en kvantglödgare som skulle vara ännu kraftfullare. En universell kvantdator, som den skulle kallas, skulle kunna programmeras för att ta sig an vilken typ av problem som helst, inte bara en typ av matematik. Teorin bakom det tillvägagångssättet är faktiskt bättre förstådd än den för glödgare, delvis för att den mesta tiden och pengarna i kvantberäkningsforskning har ägnats åt universell kvantberäkning. Men qubits har inte varit tillräckligt tillförlitliga för att översätta teorin till en fungerande universell kvantdator.
Denna struktur av metallplattor är nödvändig för att kyla och skydda kvantchips.
Fram till mars, det vill säga när Martinis och hans team blev de första att demonstrera qubits som passerade en avgörande tillförlitlighetströskel för en universell kvantdator (se Google Researchers Make Quantum Computing Components More Reliable ). De fick ett chip med nio qubits för att köra en del av ett felkontrollprogram, kallat ytkoden, som är nödvändigt för att en sådan dator ska fungera (IBM har sedan dess fått en del av ytkoden som fungerar på fyra qubits). Vi demonstrerade tekniken till en punkt där jag visste att vi kunde skala upp, säger Martinis. Det här var på riktigt.
Martinis siktar på att visa upp en komplett universell kvantdator med cirka 100 qubits ungefär samtidigt som han levererar Googles nya kvantglödgare, om cirka två år. Det skulle vara en milstolpe inom datavetenskap, men det skulle vara osannolikt att hjälpa Googles programmerare direkt. Ytkodens komplexitet är sådan att även om ett chip med 100 qubits skulle kunna köra felkontrollprogrammet, skulle det inte kunna göra något användbart arbete utöver det, säger Robert McDermott , som leder en kvantdatorforskningsgrupp vid University of Wisconsin. Ändå tror Martinis att när han kan få sina qubits tillförlitliga nog att placera 100 av dem på ett universellt kvantchip, kommer vägen att öppnas för att kombinera många fler. Det är något vi förstår ganska väl, säger han. Det är svårt att få sammanhållning men lätt att skala upp.
Dumma algoritmer
När Martinis förklarar varför hans teknik behövs hos Google, skonar han inte känslorna hos de personer som arbetar med AI. Maskininlärningsalgoritmer är verkligen lite dumma, säger han med en antydan av förundran i rösten. De behöver så många exempel för att lära sig.
Faktum är att den maskininlärning som används av Google och andra datorföretag är patetisk vid sidan av hur människor eller djur skaffar sig nya färdigheter eller kunskaper. Att lära ut en mjukvara nya knep, till exempel hur man känner igen bilar och katter på foton, kräver i allmänhet tusentals eller miljoner noggrant utvalda och märkta exempel. Även om en teknik som kallas djupinlärning nyligen har gett slående framsteg i den noggrannhet med vilken programvara kan lära sig att tolka bilder och tal, förblir mer komplexa förmågor som att förstå språkets nyanser utom räckhåll för maskiner.
Att ta reda på hur Martinis marker kan göra Googles mjukvara mindre dum faller på Neven. Han tror att den fantastiska kraften hos qubits kommer att minska klyftan mellan maskininlärning och biologisk inlärning – och göra om området för artificiell intelligens. Maskininlärning kommer att förvandlas till kvantinlärning, säger han. Det kan betyda programvara som kan lära sig av stökigare data, eller från mindre data, eller till och med utan explicita instruktioner. Till exempel har Googles forskare designat en algoritm som de tror kan tillåta maskininlärningsprogramvara att plocka upp ett nytt trick även om så mycket som hälften av exemplets data är felaktigt märkt. Neven funderar på att denna typ av beräkningsmuskel kan vara nyckeln till att ge datorer kapacitet idag begränsade till människor. Folk pratar om huruvida vi kan göra kreativa maskiner – de mest kreativa systemen vi kan bygga kommer att vara kvant-AI-system, säger han.
Mer praktiskt, med bara D-Waves maskin att öva på för tillfället, kan Googles forskare inte göra mycket mer än att spekulera om exakt vad de skulle kunna eller bör göra med chipsen Martinis bygger. Även när de får tag på dem kommer det att ta tid att uppfinna och bygga den infrastruktur som behövs för att driva ett stort antal exotiska enheter så att de kan bidra väsentligt till Googles verksamhet.
Neven är övertygad om att Googles kvanthantverkare och hans team kan ta sig igenom allt detta. Han föreställer rader av supraledande chips uppradade i datacenter som Googles ingenjörer kan komma åt över Internet relativt snart. Jag skulle förutsäga att om 10 år finns det inget annat än kvantmaskininlärning – du gör inte det konventionella sättet längre, säger han. En leende Martinis accepterar försiktigt den visionen. Jag gillar det, men det är svårt, säger han. Han kan säga det, men jag måste bygga den.