Google Quantum AI Reveals WILLOW the "Quantum Leap" Forward for AI (English, Russian)

Excerpts and Russain translation by Chat GPT:

There is more below.
Ниже есть продолжение.

Google introduces Willow, the state-of-the-art quantum chip. Let's look at this article by the founder and lead of Google Quantum AI. But before we do that, there are a few concepts that are important to understand. As we look at this, remember when people were saying that AI progress has hit a wall? Yeah, just keep that in mind as we look into this because, from where I'm sitting, that exponential progress is seeming to get steeper and steeper...

So, this is Google's quantum computer... Now, there's a lot more to unpack here, specifically with quantum entanglement and how that's used to actually do the actual computation. But the big point to understand here is that qubits are very error-prone. When we're using these qubits for calculations, they have a very high error rate.

So, a few weeks ago, Google introduced this. So, this is not the chip; this is not Willow. This is part of their sort of Google DeepMind and their AI team. They're calling it the Alpha Qubit. Alpha Qubit tackles one of quantum computing's biggest challenges. This new AI system accurately identifies errors inside quantum computers, helping to make this new technology more reliable. So, the same system or slightly modified system—the Alpha system, right from AlphaGo, AlphaFold, AlphaChip, etc.—that's kind of the backbone of a lot of the Google AI technology. In this case, it's getting used to correct these quantum errors. So, Alpha Qubit is this neural network that recognizes when these quantum mistakes are made. It's also very scalable, very fast. We have some other sort of technologies that are accurate, but they're slow—they're impractically slow. Alpha Qubit is fast, scalable, and accurate.

Alright, so with all that in mind, let's get back to Willow, this state-of-the-art quantum chip that has just been released. So, two major achievements with this Willow chip: one is that Willow can reduce errors exponentially as we scale up using more qubits. So, more qubits, more processing power, exponentially fewer errors. This cracks a key challenge in quantum error correction that the field has pursued for almost 30 years. Second, and this is what I was referring to earlier, Willow performed a standard benchmark computation in under 5 minutes that would take one of today's fastest supercomputers 10 septillion years. So, that's a number that vastly exceeds the age of the universe.

So, kind of the big deal to understand here is they achieved something that they referred to as "below threshold." With quantum computers, there's a tendency to rapidly exchange information with the environment—that's kind of like the error rate. The data is not protected; the information is not protected. And so, as you're trying to achieve these computations, as you're adding more qubits, as you're trying to scale it up, that error rate goes through the roof. It becomes more and more error-prone. So, below threshold would be kind of the opposite: are we able to reduce the number of errors as we increase the number of qubits? So, computational power goes up, errors go down at a greater rate than is caused by increasing the computational ability.

So, today in Nature, Google published results showing that the more qubits we use in Willow, the more we reduce errors and the more quantum the system becomes. This historic accomplishment is known in the field as "below threshold," being able to drive errors down while scaling up the number of qubits. And as the first system below threshold, this is the most convincing prototype for a scalable logical qubit built to date. It's a strong sign that useful, very large quantum computers can indeed be built.

Now, as incredible as some of this stuff is, as amazing as progress has been, it's important to understand that we're not quite at the sort of real-world practical applications quite yet. So, the next big step for Google and the team is to demonstrate a first useful beyond-classical computation on today's quantum chips that's relevant to the real world. Right, so what things can we do with this that we can't do on a classical computer? Something that's useful, something that has some value to the real world...

But one thing that really caught my eye, because it could spell some pretty big things for AI progress moving forward, is this interview on Anastasia in Tech. She's interviewing Mike Newman from Google Quantum AI about potentially, and get this, using these quantum computers to train AI models. So, you're probably aware that there's a GPU crunch. Nvidia is printing money like there's no tomorrow, but we are running into some potential limitations. It's just the sheer amount of compute that is needed to power these models, and if we're going to continue scaling, there need to be some new sort of hardware solutions. Could quantum computers be that sort of quantum leap forward? Let's take a listen.

Models that will be too large to train on the classical hardware. I would say that the two technologies are very complementary, and there are also ways in which quantum computing is expected to enhance AI as well. You know, some of the people on my team and with collaborators showed that for certain learning tasks about the world around us, if the world around us is fundamentally quantum mechanical, and if you're running an experiment where you have quantum information, using a quantum computer to learn from that data can require exponentially fewer samples. So, it's exponentially more efficient than a classical AI could do.

At the same time, I had a discussion with several researchers that it can happen that AI can potentially take over some of the computing applications because AI, as we saw it, was brought in folding, right? It can find certain rules and principles and, in this way, reduce the scope of the problem to the problem which can be solved in a classical machine...



Google представляет Willow, передовой квантовый чип. Давайте посмотрим на эту статью, написанную основателем и руководителем Google Quantum AI. Но прежде чем мы это сделаем, есть несколько концепций, которые важно понять. Когда мы смотрим на это, помните, когда люди говорили, что прогресс в области ИИ застопорился? Да, просто держите это в уме, когда мы будем разбираться в этом, потому что, с моей точки зрения, этот экспоненциальный прогресс кажется все более и более крутым...

Итак, это квантовый компьютер Google... Теперь здесь есть много чего, что нужно разобрать, особенно с квантовой запутанностью и тем, как это используется для выполнения вычислений. Но главное, что нужно понять здесь, это то, что кубиты очень подвержены ошибкам. Когда мы используем эти кубиты для вычислений, у них очень высокая вероятность ошибок.

Итак, несколько недель назад Google представил это. Итак, это не чип; это не Willow. Это часть их команды Google DeepMind и их команды ИИ. Они называют это Alpha Qubit. Alpha Qubit решает одну из самых больших проблем квантовых вычислений. Эта новая система ИИ точно определяет ошибки внутри квантовых компьютеров, помогая сделать эту новую технологию более надежной. Итак, та же система или слегка модифицированная система — система Alpha, начиная с AlphaGo, AlphaFold, AlphaChip и т. д. — это своего рода основа многих технологий ИИ Google. В этом случае она используется для исправления этих квантовых ошибок. Итак, Alpha Qubit — это нейронная сеть, которая распознает, когда совершаются эти квантовые ошибки. Она также очень масштабируема, очень быстра. У нас есть некоторые другие технологии, которые точны, но они медленные — они непрактично медленные. Alpha Qubit быстрая, масштабируемая и точная.

Хорошо, с учетом всего этого, давайте вернемся к Willow, этому передовому квантовому чипу, который только что был выпущен. Итак, два основных достижения с этим чипом Willow: одно из них заключается в том, что Willow может экспоненциально уменьшать ошибки по мере увеличения количества используемых кубитов. Итак, больше кубитов, больше вычислительной мощности, экспоненциально меньше ошибок. Это решает ключевую задачу в коррекции квантовых ошибок, которую область преследовала почти 30 лет. Во-вторых, и это то, о чем я упоминал ранее, Willow выполнил стандартное тестовое вычисление менее чем за 5 минут, что заняло бы у одного из самых быстрых суперкомпьютеров сегодня 10 септиллионов лет. Это число, которое значительно превышает возраст Вселенной.

Итак, основное, что нужно понять здесь, это то, что они достигли чего-то, что они назвали "ниже порога". У квантовых компьютеров есть тенденция к быстрому обмену информацией с окружающей средой — это своего рода уровень ошибок. Данные не защищены; информация не защищена. Итак, когда вы пытаетесь выполнить эти вычисления, добавляя больше кубитов, пытаясь масштабировать это, уровень ошибок зашкаливает. Он становится все более и более подверженным ошибкам. Итак, "ниже порога" будет своего рода противоположностью: можем ли мы уменьшить количество ошибок по мере увеличения количества кубитов? Итак, вычислительная мощность увеличивается, ошибки уменьшаются с большей скоростью, чем вызвано увеличением вычислительных возможностей.

Итак, сегодня в журнале Nature Google опубликовал результаты, показывающие, что чем больше кубитов мы используем в Willow, тем больше мы уменьшаем ошибки и тем более квантовой становится система. Это историческое достижение известно в области как "ниже порога", способность снижать ошибки при увеличении количества кубитов. И как первая система ниже порога, это самый убедительный прототип масштабируемого логического кубита, построенного на сегодняшний день. Это сильный знак того, что полезные, очень большие квантовые компьютеры действительно могут быть построены.

Теперь, как бы невероятно ни были некоторые из этих вещей, как бы ни был удивителен прогресс, важно понимать, что мы еще не совсем находимся на уровне реальных практических приложений. Итак, следующий большой шаг для Google и команды — продемонстрировать первое полезное вычисление, выходящее за рамки классических вычислений, на сегодняшних квантовых чипах, которое имеет отношение к реальному миру. Итак, что мы можем сделать с этим, чего мы не можем сделать на классическом компьютере? Что-то полезное, что-то, что имеет ценность для реального мира...

Но одна вещь, которая действительно привлекла мое внимание, потому что она может означать довольно большие вещи для прогресса ИИ в будущем, это интервью на канале Anastasia in Tech. Она берет интервью у Майка Ньюмана из Google Quantum AI о потенциальном использовании этих квантовых компьютеров для обучения моделей ИИ. Итак, вы, вероятно, знаете, что существует дефицит GPU. Nvidia печатает деньги, как будто завтра не наступит, но мы сталкиваемся с некоторыми потенциальными ограничениями. Это просто огромное количество вычислительных ресурсов, необходимых для питания этих моделей, и если мы собираемся продолжать масштабирование, нужны некоторые новые аппаратные решения. Могут ли квантовые компьютеры стать таким квантовым скачком вперед? Давайте послушаем.

Модели, которые будут слишком большими, чтобы обучаться на классическом оборудовании. Я бы сказал, что эти две технологии очень дополняют друг друга, и также есть способы, которыми квантовые вычисления, как ожидается, улучшат ИИ. Вы знаете, некоторые из людей в моей команде и с сотрудниками показали, что для определенных задач обучения о мире вокруг нас, если мир вокруг нас фундаментально квантово-механический, и если вы проводите эксперимент, где у вас есть квантовая информация, использование квантового компьютера для обучения на этих данных может требовать экспоненциально меньше образцов. Так что это экспоненциально более эффективно, чем классический ИИ мог бы сделать.

В то же время у меня была дискуссия с несколькими исследователями, что может случиться так, что ИИ потенциально может взять на себя некоторые вычислительные приложения, потому что ИИ, как мы видели, был введен в сворачивание, верно? Он может находить определенные правила и принципы и таким образом уменьшать объем проблемы до проблемы, которая может быть решена на классической машине...