افق سابق - و فراتر از آن ...
مقدار
از یک طرف، آنها باید به ما در شکست سرطان، پیش بینی دقیق آب و هوا و تسلط بر همجوشی هسته ای کمک کنند. از سوی دیگر، بیم آن می رود که باعث نابودی جهانی یا به بردگی کشیدن بشریت شوند. با این حال، در حال حاضر، هیولاهای محاسباتی هنوز قادر به انجام خیر بزرگ و شر جهانی در آن واحد نیستند.
در دهه 60، کارآمدترین کامپیوترها قدرت را داشتند مگافلاپس (میلیون ها عملیات ممیز شناور در ثانیه). اولین کامپیوتر با قدرت پردازش بالاتر GFLOPS 1 (گیگافلاپس) بود گریه 2، تولید شده توسط Cray Research در سال 1985. اولین مدل با قدرت پردازش بالای 1 TFLOPS (ترافلاپس) بود ASCI قرمز، توسط اینتل در سال 1997 ایجاد شد. توان 1 PFLOPS (پتافلاپ) رسیده است راننده، توسط IBM در سال 2008 منتشر شد.
رکورد فعلی قدرت محاسباتی متعلق به Sunway TaihuLight چینی است و 9 PFLOPS است.
اگرچه همانطور که می بینید، قدرتمندترین ماشین ها هنوز به صدها پتافلاپ نرسیده اند، هر چه بیشتر سیستم های ترازوکه در آن قدرت باید در نظر گرفته شود اگزافلوپساخ (EFLOPS)، یعنی. حدود بیش از 1018 عملیات در ثانیه. با این حال، چنین ساختارهایی هنوز فقط در مرحله پروژه هایی با درجه های مختلف پیچیدگی هستند.
کاهش (، عملیات ممیز شناور در ثانیه) یک واحد قدرت محاسباتی است که عمدتاً در کاربردهای علمی استفاده می شود. این بلوک نسبت به بلوک MIPS که قبلاً استفاده شده بود تطبیق پذیرتر است، که به معنی تعداد دستورالعمل های پردازنده در هر ثانیه است. فلاپ یک SI نیست، اما می توان آن را به عنوان واحد 1/s تفسیر کرد.
برای سرطان به ترازو نیاز دارید
یک اگزافلاپس یا هزار پتافلاپ بیشتر از مجموع XNUMX ابررایانه برتر است. دانشمندان امیدوارند که نسل جدیدی از ماشینها با چنین قدرتی پیشرفتهایی را در زمینههای مختلف به ارمغان بیاورند.
قدرت محاسباتی Exascale همراه با فناوریهای یادگیری ماشینی که به سرعت در حال پیشرفت هستند، برای مثال، در نهایت به شما کمک خواهد کرد رمز سرطان را بشکنید. حجم اطلاعاتی که پزشکان برای تشخیص و درمان سرطان باید داشته باشند به قدری زیاد است که انجام این کار برای رایانه های معمولی دشوار است. در یک مطالعه نمونهبرداری از تومور معمولی، بیش از 8 میلیون اندازهگیری انجام میشود که طی آن پزشکان رفتار تومور، پاسخ آن به درمان دارویی، و تأثیر آن بر بدن بیمار را تجزیه و تحلیل میکنند. این یک اقیانوس واقعی از داده ها است.
ریک استیونز از آزمایشگاه آرگون وزارت انرژی ایالات متحده (DOE) گفت. -
دانشمندان در حال کار با ترکیب تحقیقات پزشکی با قدرت محاسباتی هستند سیستم شبکه عصبی CANDLE (). این به شما امکان می دهد تا یک برنامه درمانی متناسب با نیازهای فردی هر بیمار را پیش بینی و توسعه دهید. این به دانشمندان کمک می کند تا اساس مولکولی فعل و انفعالات کلیدی پروتئین را درک کنند، مدل های پاسخ دارویی پیش بینی کننده را توسعه دهند و استراتژی های درمانی بهینه را پیشنهاد کنند. Argonne معتقد است که سیستمهای exascale میتوانند برنامه CANDLE را 50 تا 100 برابر سریعتر از قویترین ابر ماشینهای شناخته شده امروزی اجرا کنند.
بنابراین، ما مشتاقانه منتظر ظهور ابررایانه های اگزا اسکیل هستیم. با این حال، اولین نسخه ها لزوما در ایالات متحده ظاهر نمی شوند. البته، ایالات متحده در حال رقابت برای ایجاد آنها، و دولت محلی در پروژه ای به نام آئورورا با AMD، IBM، Intel و Nvidia همکاری می کند و در تلاش برای پیشی گرفتن از رقبای خارجی است. با این حال، انتظار نمی رود این اتفاق قبل از سال 2021 رخ دهد. در همین حال، در ژانویه 2017، کارشناسان چینی از ایجاد یک نمونه اولیه exascale خبر دادند. یک مدل کاملاً کارآمد از این نوع واحد محاسباتی - است Tianhe-3 - البته بعید است در چند سال آینده آماده شود.
چینی ها محکم نگه می دارند
واقعیت این است که از سال 2013، پیشرفت های چینی در صدر فهرست قدرتمندترین رایانه های جهان قرار گرفته اند. او سال ها تسلط داشت Tianhe-2و اکنون نخل متعلق به مذکور است Sunway TaihuLight. اعتقاد بر این است که این دو ماشین قدرتمند در پادشاهی میانه بسیار قدرتمندتر از تمام بیست و یک ابر رایانه در وزارت انرژی ایالات متحده هستند.
دانشمندان آمریکایی، البته، میخواهند موقعیت پیشروی را که پنج سال پیش در اختیار داشتند، دوباره به دست آورند و در حال کار بر روی سیستمی هستند که به آنها این امکان را میدهد. این در آزمایشگاه ملی اوک ریج در تنسی ساخته می شود. اجلاس - همایش (2)، یک ابر رایانه که قرار است اواخر امسال راه اندازی شود. از قدرت Sunway TaihuLight فراتر می رود. برای آزمایش و توسعه مواد جدیدی که قویتر و سبکتر هستند، برای شبیهسازی فضای داخلی زمین با استفاده از امواج صوتی، و برای حمایت از پروژههای اخترفیزیکی که در مورد منشأ کیهان تحقیق میکنند، استفاده خواهد شد.
2. طرح فضایی ابررایانه Summit
در آزمایشگاه ملی آرگون، دانشمندان به زودی قصد دارند دستگاهی حتی سریعتر بسازند. معروف به A21انتظار می رود عملکرد به 200 پتافلاپ برسد.
ژاپن نیز در مسابقه ابر رایانه ها شرکت می کند. اگرچه اخیراً تا حدودی تحت الشعاع رقابت آمریکا و چین قرار گرفته است، این کشور است که قصد دارد راه اندازی کند. سیستم ABKI ()، 130 پتافلاپ قدرت ارائه می دهد. ژاپنی ها امیدوارند که بتوان از چنین ابررایانه ای برای توسعه هوش مصنوعی (هوش مصنوعی) یا یادگیری عمیق استفاده کرد.
در همین حال، پارلمان اروپا به تازگی تصمیم به ساخت یک ابرکامپیوتر میلیارد یورویی اتحادیه اروپا گرفته است. این هیولای محاسباتی در اواخر سال 2022 و 2023 کار خود را برای مراکز تحقیقاتی قاره ما آغاز خواهد کرد. ماشین در داخل ساخته خواهد شد پروژه EuroGPKو ساخت آن توسط کشورهای عضو تامین مالی خواهد شد - بنابراین لهستان نیز در این پروژه شرکت خواهد کرد. قدرت پیشبینیشده آن معمولاً بهعنوان «پیشمقیاس» نامیده میشود.
بر اساس رتبه بندی سال 2017، از میان پانصد ابرکامپیوتر سریع جهان، چین 202 دستگاه از این دست (40 درصد) دارد، در حالی که آمریکا 144 دستگاه (29 درصد) را کنترل می کند.
چین همچنین از 35 درصد از قدرت محاسباتی جهان در مقایسه با 30 درصد در ایالات متحده استفاده می کند. کشورهای بعدی با بیشترین ابر رایانه در این فهرست عبارتند از ژاپن (35 سیستم)، آلمان (20)، فرانسه (18) و بریتانیا (15). شایان ذکر است که صرف نظر از کشور مبدا، تمام پانصد ابر رایانه قدرتمند از نسخه های مختلف لینوکس استفاده می کنند ...
خودشان طراحی می کنند
ابررایانه ها در حال حاضر ابزار ارزشمندی برای حمایت از صنایع علم و فناوری هستند. آنها محققان و مهندسان را قادر می سازند تا در زمینه هایی مانند زیست شناسی، پیش بینی آب و هوا و آب و هوا، اخترفیزیک و سلاح های هسته ای پیشرفت های ثابتی داشته باشند (و گاهی اوقات حتی جهش های بزرگی به جلو).
بقیه به قدرت آنها بستگی دارد. در طول دهههای آینده، استفاده از ابررایانهها میتواند وضعیت اقتصادی، نظامی و ژئوپلیتیکی کشورهایی را که به این نوع زیرساختهای پیشرفته دسترسی دارند، بهطور چشمگیری تغییر دهد.
پیشرفت در این زمینه به قدری سریع است که طراحی نسل های جدید ریزپردازنده ها حتی برای تعداد زیادی از منابع انسانی بسیار دشوار شده است. به همین دلیل، نرمافزارهای کامپیوتری پیشرفته و ابررایانهها به طور فزایندهای نقش پیشرو در توسعه رایانهها، از جمله آنهایی که پیشوند «super» دارند، بازی میکنند.
3. ابر رایانه ژاپنی
شرکت های داروسازی به زودی به لطف ابرقدرت های محاسباتی قادر به فعالیت کامل خواهند بود پردازش تعداد زیادی از ژنوم انسان، حیوانات و گیاهانی که به ایجاد داروها و درمان های جدید برای بیماری های مختلف کمک می کنند.
دلیل دیگری (در واقع یکی از اصلیترین دلایل) این است که چرا دولتها در توسعه ابررایانهها سرمایهگذاری زیادی میکنند. خودروهای کارآمدتر به رهبران نظامی آینده کمک خواهند کرد تا استراتژیهای رزمی روشنی را در هر موقعیت جنگی ایجاد کنند، امکان توسعه سیستمهای تسلیحاتی مؤثرتر را فراهم کنند و از مجری قانون و آژانسهای اطلاعاتی در شناسایی تهدیدهای احتمالی از قبل حمایت کنند.
قدرت کافی برای شبیه سازی مغز وجود ندارد
ابرکامپیوترهای جدید باید به رمزگشایی ابرکامپیوتر طبیعی که برای مدت طولانی شناخته شده بود کمک کنند - مغز انسان.
یک تیم بین المللی از دانشمندان اخیرا الگوریتمی را توسعه داده اند که نشان دهنده یک گام جدید مهم در مدل سازی ارتباطات عصبی مغز است. جدید بدون الگوریتمکه در مقاله دسترسی آزاد منتشر شده در Frontiers in Neuroinformatics توضیح داده شده است، انتظار می رود 100 میلیارد نورون مغز انسان به هم پیوسته را در ابررایانه ها شبیه سازی کند. دانشمندان مرکز تحقیقات آلمانی یولیخ، دانشگاه نروژی علوم زیستی، دانشگاه آخن، مؤسسه RIKEN ژاپن و مؤسسه سلطنتی فناوری KTH در استکهلم در این کار مشارکت داشتند.
از سال 2014، شبیهسازیهای شبکه عصبی در مقیاس بزرگ بر روی ابررایانههای RIKEN و JUQUEEN در مرکز ابررایانهای Jülich در آلمان اجرا میشوند که اتصالات تقریباً 1٪ از نورونها را در مغز انسان شبیهسازی میکنند. چرا فقط این همه؟ آیا ابررایانه ها می توانند کل مغز را شبیه سازی کنند؟
سوزان کونکل از شرکت سوئدی KTH توضیح می دهد.
در طول شبیه سازی، یک پتانسیل عمل نورون (تکانه های الکتریکی کوتاه) باید برای تقریباً همه 100 نفر ارسال شود. کامپیوترهای کوچکی که گره نامیده می شوند و هر کدام مجهز به تعدادی پردازنده هستند که محاسبات واقعی را انجام می دهند. هر گره بررسی می کند که کدام یک از این تکانه ها به نورون های مجازی موجود در این گره مربوط می شود.
4. مدل سازی اتصالات مغزی نورون ها، i.e. ما فقط در ابتدای سفر هستیم (1%)
بدیهی است که مقدار حافظه کامپیوتر مورد نیاز پردازنده ها برای این بیت های اضافی در هر نورون با اندازه شبکه عصبی افزایش می یابد. برای فراتر رفتن از شبیه سازی 1% کل مغز انسان (4) نیاز است XNUMX برابر حافظه بیشتر از آنچه امروزه در همه ابررایانه ها موجود است. بنابراین، میتوان در مورد شبیهسازی کل مغز تنها در زمینه ابررایانههای اگزااسکیل آینده صحبت کرد. این جایی است که الگوریتم NEST نسل بعدی باید کار کند.
5 ابر رایانه برتر جهان
1. Sanway TaihuLight - یک ابر رایانه 93 PFLOPS در سال 2016 در وکسی چین راه اندازی شد. از ژوئن 2016، در صدر فهرست TOP500 ابررایانه هایی با بالاترین قدرت محاسباتی در جهان قرار دارد.
2. Tianhe-2 (راه شیری-2) یک ابر رایانه با قدرت محاسباتی 33,86 PFLOPS است که توسط NUDT () در چین ساخته شده است. از ژوئن 2013
تا ژوئن 2016 سریعترین ابررایانه جهان بود.
3. Pease Dynt - طراحی توسعه یافته توسط کری، نصب شده در مرکز ملی ابر رایانه سوئیس (). اخیراً ارتقا یافته است - شتابدهندههای Nvidia Tesla K20X با شتابدهندههای جدید تسلا P100 جایگزین شدند که افزایش قدرت محاسباتی را از 2017 به 9,8 PFLOPS در تابستان 19,6 ممکن کرد.
4. Gyokou ابر رایانه ای است که توسط ExaScaler و PEZY Computing توسعه یافته است. واقع در آژانس علوم و فناوری دریایی ژاپن (JAMSTEC) در موسسه علوم زمین یوکوهاما. در همان طبقه شبیه ساز زمین. قدرت: 19,14 PFLOP.
5. تیتانیوم یک ابر رایانه 17,59 PFLOPS است که توسط شرکت Cray ساخته شده است. و در اکتبر 2012 در آزمایشگاه ملی Oak Ridge در ایالات متحده راه اندازی شد. از نوامبر 2012 تا ژوئن 2013، تیتان سریع ترین ابررایانه جهان بود. در حال حاضر در جایگاه پنجم قرار دارد، اما همچنان سریعترین ابررایانه در ایالات متحده است.
آنها همچنین برای برتری در کوانتوم رقابت می کنند
IBM بر این باور است که در پنج سال آینده، نه ابر رایانههای مبتنی بر تراشههای سیلیکونی سنتی، بلکه شروع به پخش خواهند کرد. به گفته محققان این شرکت، صنعت تازه شروع به درک چگونگی استفاده از کامپیوترهای کوانتومی کرده است. انتظار می رود مهندسان اولین کاربردهای اصلی این ماشین ها را تنها در پنج سال آینده کشف کنند.
کامپیوترهای کوانتومی از یک واحد محاسباتی به نام استفاده می کنند کوبیتم. نیمه هادی های معمولی اطلاعات را به شکل دنباله های 1 و 0 نشان می دهند، در حالی که کیوبیت ها ویژگی های کوانتومی را نشان می دهند و می توانند همزمان محاسبات را به صورت 1 و 0 انجام دهند. این بدان معنی است که دو کیوبیت می توانند به طور همزمان دنباله های 1-0، 1-1، 0-1 را نشان دهند. . 0-0. قدرت محاسباتی با هر کیوبیت به طور تصاعدی افزایش می یابد، بنابراین از نظر تئوری یک کامپیوتر کوانتومی با تنها 50 کیوبیت می تواند قدرت پردازش بیشتری نسبت به قوی ترین ابررایانه های جهان داشته باشد.
D-Wave Systems در حال حاضر یک کامپیوتر کوانتومی را می فروشد که گفته می شود 2 عدد از آن وجود دارد. کیوبیت ها با این حال کپی های D-Wave(5) قابل بحث است. اگرچه برخی از محققان از آنها به خوبی استفاده کردهاند، اما هنوز از رایانههای کلاسیک بهتر عمل نکردهاند و فقط برای کلاسهای خاصی از مسائل بهینهسازی مفید هستند.
5. کامپیوترهای کوانتومی موج D
چند ماه پیش، آزمایشگاه هوش مصنوعی گوگل کوانتوم یک پردازنده کوانتومی ۷۲ کیوبیتی جدید به نام مخروط های مویی (6). ممکن است به زودی با پیشی گرفتن از یک ابرکامپیوتر کلاسیک به «برتری کوانتومی» دست یابد، حداقل زمانی که نوبت به حل برخی مشکلات می رسد. هنگامی که یک پردازنده کوانتومی نرخ خطای بسیار پایینی را در کار نشان میدهد، میتواند کارآمدتر از یک ابرکامپیوتر کلاسیک با وظایف IT کاملاً تعریف شده باشد.
6. پردازنده کوانتومی 72 کیوبیتی Bristlecone
در ردیف بعدی، پردازنده گوگل قرار داشت، زیرا برای مثال، در ماه ژانویه، اینتل سیستم کوانتومی 49 کیوبیتی خود را معرفی کرد و قبلاً IBM یک نسخه 50 کیوبیتی را معرفی کرد. تراشه اینتل، لویی، از جهات دیگر نیز نوآورانه است. این اولین مدار مجتمع "نورومورفیک" است که برای تقلید از نحوه یادگیری و درک مغز انسان طراحی شده است. این "کاملا کاربردی" است و در اواخر امسال در دسترس شرکای تحقیقاتی قرار خواهد گرفت.
با این حال، این تنها شروع است، زیرا برای اینکه بتوانید با هیولاهای سیلیکونی مقابله کنید، به z نیاز دارید میلیون ها کیوبیت. گروهی از دانشمندان دانشگاه فنی هلند در دلفت امیدوارند که راه دستیابی به چنین مقیاسی استفاده از سیلیکون در کامپیوترهای کوانتومی باشد، زیرا اعضای آنها راه حلی پیدا کرده اند که چگونه از سیلیکون برای ایجاد یک پردازنده کوانتومی قابل برنامه ریزی استفاده کنند.
تیم هلندی در مطالعه خود که در مجله Nature منتشر شد، چرخش یک الکترون را با استفاده از انرژی مایکروویو کنترل کردند. در سیلیکون، الکترون همزمان بالا و پایین میچرخد و آن را در جای خود نگه میدارد. پس از رسیدن به این هدف، تیم دو الکترون را به هم متصل کردند و آنها را برای اجرای الگوریتمهای کوانتومی برنامهریزی کردند.
امکان ایجاد بر اساس سیلیکون وجود داشت پردازنده کوانتومی دو بیتی.
دکتر تام واتسون، یکی از نویسندگان این مطالعه، به بی بی سی توضیح داد. اگر واتسون و تیمش موفق به همجوشی الکترون های بیشتری شوند، ممکن است به شورش منجر شود. پردازنده های کیوبیتاین ما را یک قدم به کامپیوترهای کوانتومی آینده نزدیکتر میکند.
- هر کس یک کامپیوتر کوانتومی با عملکرد کامل بسازد، بر جهان حکومت خواهد کرد ماناس موکرجی از دانشگاه ملی سنگاپور و محقق اصلی در مرکز ملی فناوری کوانتومی اخیراً در مصاحبه ای گفت. رقابت بین بزرگترین شرکت های فناوری و آزمایشگاه های تحقیقاتی در حال حاضر بر روی به اصطلاح متمرکز است برتری کوانتومی، نقطه ای که در آن یک کامپیوتر کوانتومی می تواند محاسباتی فراتر از هر چیزی که پیشرفته ترین کامپیوترهای مدرن ارائه می دهند انجام دهد.
نمونههای فوق از دستاوردهای گوگل، آیبیام و اینتل نشان میدهد که شرکتهایی از ایالات متحده (و در نتیجه ایالت) در این زمینه تسلط دارند. با این حال، اخیراً، Alibaba Cloud چین یک پلت فرم رایانش ابری مبتنی بر پردازنده 11 کیوبیتی منتشر کرده است که به دانشمندان اجازه می دهد الگوریتم های کوانتومی جدید را آزمایش کنند. این بدان معناست که چین در زمینه بلوک های محاسباتی کوانتومی نیز گلابی ها را با خاکستر نمی پوشاند.
با این حال، تلاشها برای ایجاد ابررایانههای کوانتومی نه تنها مشتاق احتمالات جدید است، بلکه باعث بحث و جدل نیز میشود.
چند ماه پیش در جریان کنفرانس بین المللی فناوری های کوانتومی در مسکو، الکساندر لووفسکی (7) از مرکز کوانتومی روسیه که استاد فیزیک دانشگاه کلگری در کانادا نیز هست، گفت که کامپیوترهای کوانتومی ابزار تخریببدون ایجاد
7. پروفسور الکساندر لووفسکی
منظورش چی بود؟ اول از همه، امنیت دیجیتال. در حال حاضر، تمام اطلاعات حساس دیجیتالی که از طریق اینترنت منتقل می شود، برای محافظت از حریم خصوصی افراد علاقه مند، رمزگذاری شده است. ما قبلاً مواردی را دیدهایم که هکرها میتوانند این دادهها را با شکستن رمزگذاری رهگیری کنند.
به گفته لووف، ظاهر یک کامپیوتر کوانتومی تنها کار را برای مجرمان سایبری آسان می کند. هیچ ابزار رمزگذاری شناخته شده امروزی نمی تواند از خود در برابر قدرت پردازش یک کامپیوتر کوانتومی واقعی محافظت کند.
سوابق پزشکی، اطلاعات مالی، و حتی اسرار دولت ها و سازمان های نظامی در یک ظرف در دسترس خواهد بود، که همانطور که لووفسکی خاطرنشان می کند به این معنی است که فناوری جدید می تواند کل نظم جهانی را تهدید کند. کارشناسان دیگر معتقدند که ترس روس ها بی اساس است، زیرا ایجاد یک ابرکامپیوتر کوانتومی واقعی نیز این امکان را فراهم می کند. رمزنگاری کوانتومی را آغاز کنید، غیر قابل تخریب در نظر گرفته می شود.
رویکرد دیگر
علاوه بر فناوریهای رایانهای سنتی و توسعه سیستمهای کوانتومی، مراکز مختلفی روی روشهای دیگری برای ساخت ابر رایانههای آینده کار میکنند.
آژانس آمریکایی دارپا شش مرکز را برای راه حل های طراحی کامپیوتری جایگزین تامین مالی می کند. معماری مورد استفاده در ماشین های مدرن به طور متعارف نامیده می شود معماری فون نویماناوه، او در حال حاضر هفتاد سال دارد. هدف حمایت سازمان دفاعی از محققان دانشگاهی ایجاد رویکردی هوشمندانه تر از گذشته برای مدیریت حجم زیادی از داده ها است.
بافر و محاسبات موازی در اینجا چند نمونه از روش های جدیدی که این تیم ها روی آنها کار می کنند، آورده شده است. یکی دیگر ADA () که توسعه برنامه را با تبدیل CPU و اجزای حافظه با ماژول ها به یک اسمبلی به جای رسیدگی به مسائل مربوط به اتصال آنها در مادربرد ساده می کند.
سال گذشته، تیمی از محققان از بریتانیا و روسیه با موفقیت این نوع را نشان دادند "غبار جادویی"که از آن تشکیل شده اند نور و ماده - در نهایت از نظر "عملکرد" حتی از قوی ترین ابر رایانه ها برتر است.
دانشمندان دانشگاه های بریتانیایی کمبریج، ساوتهمپتون و کاردیف و موسسه اسکولکوفو روسیه از ذرات کوانتومی موسوم به پلاریتون هاکه می توان آن را چیزی بین نور و ماده تعریف کرد. این یک رویکرد کاملاً جدید برای محاسبات کامپیوتری است. به گفته دانشمندان، این می تواند اساس نوع جدیدی از رایانه را تشکیل دهد که قادر به حل سؤالات غیرقابل حل فعلی - در زمینه های مختلف، مانند زیست شناسی، امور مالی و سفر فضایی است. نتایج این مطالعه در مجله Nature Materials منتشر شده است.
به یاد داشته باشید که ابررایانه های امروزی تنها می توانند بخش کوچکی از مشکلات را حل کنند. حتی یک کامپیوتر کوانتومی فرضی، اگر در نهایت ساخته شود، در بهترین حالت یک سرعت درجه دوم برای حل پیچیده ترین مسائل ارائه می دهد. در همین حال، پلاریتونهایی که «غبار پری» را ایجاد میکنند، با فعال کردن لایههایی از اتمهای گالیم، آرسنیک، ایندیم و آلومینیوم با پرتوهای لیزر ایجاد میشوند.
الکترون های این لایه ها نوری با رنگ خاص را جذب و ساطع می کنند. پلاریتونها ده هزار بار سبکتر از الکترونها هستند و میتوانند به چگالی کافی برسند تا حالت جدیدی از ماده را ایجاد کنند که به آن میگویند. میعانات بوز- اینشتین (هشت). فازهای کوانتومی پلاریتونها در آن هماهنگ شده و یک شی کوانتومی ماکروسکوپی واحد را تشکیل میدهند که با اندازهگیریهای فوتولومینسانس قابل تشخیص است.
8. طرحی که یک میعانات بوز-انیشتین را نشان می دهد
معلوم شد که در این حالت خاص، یک میعانات پولاریتون میتواند مشکل بهینهسازی را که هنگام توصیف رایانههای کوانتومی به آن اشاره کردیم، بسیار کارآمدتر از پردازندههای مبتنی بر کیوبیت حل کند. نویسندگان مطالعات بریتانیایی-روسی نشان دادهاند که با متراکم شدن پلاریتونها، فازهای کوانتومی آنها در یک پیکربندی مطابق با حداقل مطلق یک تابع پیچیده مرتب میشوند.
پروفسور یکی از نویسندگان Nature Materials می نویسد: «ما در آغاز کاوش پتانسیل طرح های پلاریتون برای حل مسائل پیچیده هستیم. پاولوس لاگوداکیس، رئیس آزمایشگاه فوتونیک ترکیبی در دانشگاه ساوتهمپتون. ما در حال حاضر در حال تست کردن قدرت پردازش زیربنایی دستگاه خود به صدها گره هستیم.
در این آزمایشها از دنیای فازهای کوانتومی ظریف نور و ماده، حتی پردازندههای کوانتومی نیز چیزی ناشیانه و محکم با واقعیت به نظر میرسند. همانطور که می بینید، دانشمندان نه تنها روی ابررایانه های فردا و ماشین های پس فردا کار می کنند، بلکه در حال برنامه ریزی هستند که پس فردا چه خواهد شد.
در این مرحله رسیدن به مقیاس exa کاملاً یک چالش خواهد بود، سپس در مورد نقاط عطف بعدی در مقیاس فلاپ (9) فکر خواهید کرد. همانطور که ممکن است حدس بزنید، فقط اضافه کردن پردازنده و حافظه به آن کافی نیست. اگر دانشمندان را باور کنیم، دستیابی به چنین قدرت محاسباتی قدرتمندی به ما امکان می دهد تا مشکلات بزرگی را که برایمان شناخته شده است، مانند رمزگشایی سرطان یا تجزیه و تحلیل داده های نجومی، حل کنیم.
9. آینده ابر رایانه ها
سوال را با پاسخ مطابقت دهید
گام بعدی چیست؟
خوب، در مورد رایانه های کوانتومی، سؤالاتی مطرح می شود که آنها برای چه چیزی باید استفاده شوند. طبق ضرب المثل قدیمی، رایانه ها مشکلاتی را حل می کنند که بدون آنها وجود نداشتند. بنابراین احتمالاً ابتدا باید این ابر ماشین های آینده نگر را بسازیم. آن وقت مشکلات خود به خود به وجود می آیند.
کامپیوترهای کوانتومی در چه زمینه هایی می توانند مفید باشند؟
هوش مصنوعی هوش مصنوعی () بر اساس اصل یادگیری از طریق تجربه کار می کند، که با دریافت بازخورد و تا زمانی که برنامه کامپیوتری "هوشمند" شود، دقیق تر و دقیق تر می شود. بازخورد بر اساس محاسبات احتمالات تعدادی از گزینه های ممکن است. ما قبلاً میدانیم که لاکهید مارتین، برای مثال، قصد دارد از رایانه کوانتومی D-Wave خود برای آزمایش نرمافزار خلبان خودکار استفاده کند که در حال حاضر برای رایانههای کلاسیک بسیار پیچیده است، و Google در حال استفاده از یک رایانه کوانتومی برای توسعه نرمافزاری است که میتواند اتومبیلها را از مکانهای دیدنی تشخیص دهد.
مدلسازی مولکولی به لطف رایانههای کوانتومی، مدلسازی دقیق برهمکنشهای مولکولی امکانپذیر خواهد بود و به دنبال تنظیمات بهینه برای واکنشهای شیمیایی میگردیم. شیمی کوانتومی آنقدر پیچیده است که کامپیوترهای دیجیتال مدرن فقط می توانند ساده ترین مولکول ها را تجزیه و تحلیل کنند. واکنش های شیمیایی ماهیت کوانتومی دارند زیرا حالت های کوانتومی بسیار درهم تنیده ای را ایجاد می کنند که روی یکدیگر همپوشانی دارند، بنابراین رایانه های کوانتومی کاملاً توسعه یافته می توانند به راحتی حتی پیچیده ترین فرآیندها را ارزیابی کنند. گوگل در حال حاضر پیشرفت هایی در این زمینه داشته است - آنها مولکول هیدروژن را مدل سازی کرده اند. نتیجه محصولات کارآمدتر خواهد بود، از پنل های خورشیدی گرفته تا داروها.
رمزنگاری. امروزه سیستم های امنیتی به تولید اولیه کارآمد وابسته هستند. این را می توان با رایانه های دیجیتال با بررسی هر عامل ممکن به دست آورد، اما زمان بسیار زیادی که برای انجام این کار لازم است، «شکستن کد» را پرهزینه و غیرعملی می کند. در همین حال، کامپیوترهای کوانتومی می توانند این کار را به صورت تصاعدی، کارآمدتر از ماشین های دیجیتال انجام دهند، به این معنی که روش های امنیتی امروزی به زودی منسوخ خواهند شد. همچنین روشهای رمزگذاری کوانتومی امیدوارکنندهای وجود دارد که برای بهرهگیری از ماهیت یک طرفه درهمتنیدگی کوانتومی در حال توسعه هستند. شبکه های سراسر شهر قبلاً در چندین کشور نشان داده شده است و دانشمندان چینی اخیراً اعلام کردند که با موفقیت فوتون های درهم تنیده را از یک ماهواره "کوانتومی" در حال چرخش به سه ایستگاه پایه جداگانه به زمین ارسال می کنند.
مدل سازی مالی بازارهای مدرن از پیچیده ترین سیستم های موجود هستند. اگرچه دستگاه علمی و ریاضی برای توصیف و کنترل آنها توسعه یافته است، اما اثربخشی چنین فعالیت هایی به دلیل تفاوت اساسی بین رشته های علمی هنوز تا حد زیادی ناکافی است: هیچ محیط کنترل شده ای وجود ندارد که بتوان در آن آزمایش ها را انجام داد. برای حل این مشکل، سرمایه گذاران و تحلیلگران به محاسبات کوانتومی روی آورده اند. یک مزیت فوری این است که تصادفی بودن ذاتی کامپیوترهای کوانتومی با ماهیت تصادفی بازارهای مالی سازگار است. سرمایه گذاران اغلب می خواهند توزیع نتایج را در تعداد بسیار زیادی از سناریوهای تصادفی تولید شده ارزیابی کنند.
پیش بینی کنید. Rodney F. Weiher، اقتصاددان ارشد NOAA ادعا می کند که تقریباً 30 درصد از تولید ناخالص داخلی ایالات متحده (6 تریلیون دلار) به طور مستقیم یا غیر مستقیم به آب و هوا بستگی دارد. برای تولید مواد غذایی، حمل و نقل و خرده فروشی. بنابراین، توانایی پیشبینی بهتر هاله در بسیاری از زمینهها بسیار مفید خواهد بود، به غیر از زمان طولانیتری که برای حفاظت از بلایای طبیعی اختصاص داده شده است. بازوی ملی هواشناسی بریتانیا، اداره هواشناسی، در حال حاضر سرمایهگذاری در چنین نوآوریهایی را برای برآوردن نیازهای قدرت و مقیاسپذیری که از سال 2020 به بعد باید با آن مقابله کند، آغاز کرده است، و گزارشی را در مورد نیازهای محاسباتی مقیاس بزرگ خود منتشر کرده است.
فیزیک ذرات. مدلهای فیزیک ذرات جامد اغلب راهحلهای بسیار پیچیده و پیچیدهای هستند که به زمان محاسباتی زیادی برای شبیهسازیهای عددی نیاز دارند. این آنها را برای محاسبات کوانتومی ایده آل می کند و دانشمندان قبلاً روی این سرمایه گذاری کرده اند. محققان دانشگاه اینسبروک و موسسه اپتیک کوانتومی و اطلاعات کوانتومی (IQOQI) اخیرا از یک سیستم کوانتومی قابل برنامه ریزی برای انجام این شبیه سازی استفاده کردند. طبق یک نشریه در Nature، این گروه از یک نسخه ساده از یک کامپیوتر کوانتومی استفاده کردند که در آن یون ها عملیات منطقی، مراحل اساسی هر محاسبه کامپیوتری را انجام می دادند. شبیه سازی مطابقت کامل با آزمایش های واقعی فیزیک توصیف شده را نشان داد. پیتر زولر، فیزیکدان نظری می گوید. -