Ученые из Гонконгского университета науки и технологий (HKUST) представили инновацию, объединяющую искусственный интеллект (ИИ) и квантовые вычисления. Под руководством профессора Шао Цимина команда разработала вычислительную схему, работающую при экстремально низких температурах, что сокращает задержку между ИИ и квантовыми процессорами и повышает энергоэффективность. Решение основано на использовании магнитных топологических изоляторов, таких как висмут-теллурид сурьмы, легированный хромом (Cr-BST), которые обеспечивают высокую производительность при криогенных температурах.
Квантовые процессоры обычно работают при температурах, близких к абсолютному нулю, что требует их удаления от графических процессоров (GPU), вызывая задержки. Новая схема позволяет размещать ускорители ИИ вблизи квантовых процессоров, сокращая расстояние до десятков сантиметров. Это значительно повышает скорость и эффективность вычислений.
Исследование, опубликованное в Nature Materials, демонстрирует успешное применение магнитных топологических изоляторов для криогенных вычислений в памяти. Устройства на основе Cr-BST показали высокую точность в задачах классификации и производительность 724 тера операций в секунду на ватт (TOPS/W) при 2 К. Это открывает новые возможности для интеграции ИИ и квантовых технологий, включая подготовку квантовых состояний и распознавание изображений.
В будущем команда планирует сократить задержки для вывода и онлайн-обучения, интегрируя ИИ с учебными блоками, и разработать более эффективные приложения квантовых вычислений.
Распознавание изображений и подготовка квантового состояния с помощью нейронной сети MTM. Источник: Nature Materials (2025). DOI: 10.1038/s41563-024-02088-4
Дополнительная информация: Yuting Liu et al, Cryogenic in-memory computing using magnetic topological insulators, Nature Materials (2025). DOI: 10.1038/s41563-024-02088-4