Google, Willow işlemcisinde magic state cultivation yöntemini gösterdiğini açıkladı

Google Quantum AI, “magic state cultivation” yöntemini Willow kuantum işlemcisinde gösterdiğini açıkladı. Şirket, 15 Ekim 2026'da Science dergisinde yayımlandığını belirttiği çalışmada, cultivation uygulanmamış durumlara göre hataları yaklaşık 40 kat azalttığını bildiriyor. Google'a göre deney, yüzde 99,99 mantıksal doğruluğa sahip T durumları da üretti. Çalışma, kuantum hesaplamada gerekli özel durumların hazırlanmasına ve ardından farklı bir hata düzeltme koduna aktarılmasına odaklanıyor. Böylece açıklama, hem hazırlama işlemini hem de hazırlanan durumların işlemci içinde taşınmasını kapsıyor.

Hazırlama maliyeti neden önemli?

Google'ın açıklamasına göre, evrensel kuantum hesaplama için belirli kuantum işlemlerini çalıştırmak ve bu işlemlerdeki hataları düzeltmek gerekiyor. “Magic state” adı verilen özel kuantum durumları, gerekli işlemlerin oluşturulmasına yardımcı oluyor. Ancak yüksek kaliteli, hata düzeltmeli durumları hazırlamak önemli miktarda kaynak gerektiriyor. Üstelik kullanılan bir magic state yeniden kullanılamıyor.

Şirket, bazı tahminlerde bu hazırlığın bir kuantum bilgisayarın kapasitesinin yüzde 95'ine kadar çıkabildiğini aktarıyor. Bu oran, Willow deneyinin ölçülmüş kaynak tüketimi değil; açıklamada sorunun büyüklüğünü anlatmak için verilen bir tahmin. Araştırmanın hedefi, hesaplama için gereken bu durumları daha az kaynakla hazırlayabilmek. Hazırlık yükü azaldığında, bilgisayarın asıl hesaplama işlerine ayırabileceği alanın artması amaçlanıyor.

Yöntem bir filtre gibi çalışıyor

Google, cultivation yaklaşımını bir filtreye benzetiyor. Önce çipin küçük bir bölgesine gürültülü bir kuantum durumu yerleştiriliyor. Ardından birbiriyle koordineli ölçümler hataları kontrol ediyor ve kusurlu denemeleri eliyor. Amaç, düşük hatalı bir durum elde ederken onu daha büyük, kullanılabilir bir kodlamaya da uyarlamak.

Şirketin anlatımına göre Craig Gidney, Noah Shutty ve Cody Jones, literatürdeki bir fikri geliştirerek bu yaklaşımı 2024'te oluşturdu. Willow çalışması, kâğıt üzerindeki yöntemi donanımda uygulama adımını temsil ediyor. Burada anlatılan filtre, gürültülü başlangıç durumundan daha temiz bir duruma ulaşmak için yapılan ölçüm ve eleme sürecinin kavramsal karşılığı. Tek bir ölçümden ziyade, birbirini tamamlayan işlemler söz konusu.

Ölçüm yöntemi de değişti

Google, ilk testlerde kullandığı ölçüm tekniğindeki bir varsayımın sorun çıkardığını söylüyor. Elektrikli ekipmandaki sürüklenme ve sıcaklık değişimleriyle ilişkili laboratuvar gürültüsü, kıyaslamanın geçerliliğini etkiliyordu. Şirket, bu etkiyi azaltmak için sisteme ek kontrol eklediğini bildiriyor.

Ekip ayrıca cultivation yöntemini kendi performansını ölçmekte kullanan yeni bir kıyaslama tekniği geliştirdi. Bu ayrıntı, açıklanan sonucun nasıl elde edildiğini anlamak açısından önemli: Çalışma yalnızca durum hazırlama protokolünü değil, protokolün sonucunu değerlendiren ölçüm yaklaşımını da kapsıyor. Google'ın aktardığı yaklaşık 40 kat hata azalması ve yüzde 99,99 mantıksal doğruluk sonuçları bu deneysel çalışmaya ait.

İki hata düzeltme kodu arasında aktarım

Google, saflaştırılmış durumları mesafe-3 renk kodundan mesafe-5 yüzey koduna aktardığını da bildiriyor. Şirket, renk kodlarını cultivation için uygun bir yaklaşım, yüzey kodlarını ise daha yerleşik bir yöntem olarak tanımlıyor. Aktarım protokolünün temeli de 2024'teki teorik çalışmaya dayanıyor.

Bu aşama, durumları hazırladıktan sonra ne yapılacağı sorusuyla ilgili. Google'ın açıklamasında, saflaştırılmış durumların donanım içinde korunarak başka bir kodlamaya taşınabildiği belirtiliyor. Dolayısıyla bildirilen gösterim, yalnızca daha temiz durum üretimini değil, bu durumları farklı bir hata düzeltme düzenine bağlama adımını da içeriyor.

Sınırlamalar ve kanıtın kapsamı

Sonuçlar, Google'ın kendi deneylerine ilişkin açıklamasına dayanıyor. Sağlanan kaynak bağımsız bir test sunmuyor. Şirket, yöntemin pratik kuantum hesaplama için daha büyük ölçekte gösterilmesi gerektiğini ve teknik zorlukların sürdüğünü belirtiyor. Açıklanan doğruluk ve hata azalması, bu deneyin sonuçları olarak okunmalı; tamamlanmış, pratik bir kuantum bilgisayarın performansı olarak değil.

Urazo yorumu

Haberin somut önemi, durum hazırlama yöntemiyle kodlar arası aktarımın aynı donanım çalışmasında buluşması. Google'ın anlattığı süreç, kaynak gerektiren bir hazırlık işini azaltma hedefini deneysel bir uygulamaya bağlıyor. Sonraki değerlendirmede belirleyici soru, bu yaklaşımın daha büyük ölçekte nasıl çalışacağı olacak. Böyle bir gösterim, burada bildirilen durum hazırlama başarısının pratik hesaplama hedefiyle bağını değerlendirmeyi sağlayacak.

Kaynaklar

• https://blog.google/innovation-and-ai/models-and-research/quantum-computing/magic-state-cultivation-quantum-computing/

Görsel: yapay zekâyla üretilmiş temsili çizim. Açıklayıcı animasyonlar ölçüm veya ürün demosu değildir.