بنابر اعلام مایکروسافت، Majorana 2 از کیوبیت‌هایی (Qubit) بهره می‌برد که واحد اطلاعات در رایانش کوانتومی محسوب می‌شوند؛ نقشی مشابه بیت‌های دودویی در رایانه‌های امروزی. این شرکت ادعا می‌کند که کیوبیت‌های به‌کاررفته در Majorana 2 تا هزار برابر قابل‌اعتمادتر از نسل قبل هستند؛ پیشرفتی که به لطف استفاده از ترکیب مواد جدید و همچنین کمک فناوری هوش مصنوعی عامل‌محور (Agentic AI) در پلتفرم Microsoft Discovery حاصل شده است.
چتان نایاک، عضو ارشد فنی و معاون رئیس بخش سخت‌افزار کوانتومی مایکروسافت، در این‌باره می‌گوید: برای ساخت مایورانا 2، تیم کوانتومی مایکروسافت ساختار مواد Majorana 1 را بهبود داد تا یک فاز توپولوژیکی پایدارتر ایجاد کند. او می‌افزاید که در Majorana 2، ابررسانای آلومینیومی مورد استفاده در Majorana 1 با سرب (Lead) جایگزین شده و بخش فعال نیمه‌رسانا نیز به ترکیبی از آرسنید ایندیوم و آرسنید آنتیمونید ایندیوم ارتقا یافته است.
به گفته مایکروسافت، این تغییرات باعث بهبود چشمگیر عملکرد کیوبیت‌ها شده‌اند. نایاک در این خصوص می‌گوید: در Majorana 1 مبتنی بر آلومینیوم، طول عمر کیوبیت‌ها بین یک تا 12 میلی‌ثانیه بود، در حالی که در Majorana 2 این زمان از 20 ثانیه فراتر رفته است؛ یعنی بیش از هزار برابر بهبود در پایداری.
برخی از کیوبیت‌ها حتی بیش از یک دقیقه پایدار باقی می‌مانند؛ دستاوردی که مایکروسافت آن را نشانه پیشرفت قابل‌توجهی می‌داند و بر همین اساس معتقد است رایانش کوانتومی کاربردی بسیار زودتر از آنچه تصور می‌شد به واقعیت تبدیل خواهد شد.
با معرفی مایورانا 2 رقابت برای آینده رایانش کوانتومی داغ‌تر می‌شود
نایاک در ادامه می‌گوید: با توجه به این پیشرفت سریع، ما نقشه راه خود برای ساخت یک رایانه کوانتومی مقیاس‌پذیر و کاربردی را تسریع کرده‌ایم. به گفته او، مایکروسافت زمان‌بندی قبلی خود را به نصف کاهش داده و اکنون هدف‌گذاری کرده است تا سال 2029 به این نقطه دست یابد.
مایکروسافت در حال توسعه یک نمونه اولیه از رایانه کوانتومی تحمل‌پذیر در برابر خطا (Fault-Tolerant) مبتنی بر کیوبیت‌های توپولوژیکی است؛ سیستمی که در نهایت می‌تواند برای حل برخی از پیچیده‌ترین مسائل جهان مورد استفاده قرار گیرد.
همزمان با این اعلام، مایکروسافت پلتفرم Microsoft Discovery را نیز در اختیار مشتریان خود قرار داده است. این پلتفرم برای به‌کارگیری گردش‌کارهای مبتنی بر هوش مصنوعی عامل‌محور در پروژه‌های تحقیق و توسعه طراحی شده است.
نسخه محلی Microsoft Discovery اکنون از طریق GitHub در دسترس قرار گرفته و پژوهشگران می‌توانند با استفاده از حساب کاربری GitHub Copilot به آن دسترسی پیدا کنند.
دیدگاه شما پس از بررسی توسط تحریریه منتشر خواهد شد. در صورتی که در بخش نظرات سوالی پرسیده‌اید اگر ما دانش کافی از پاسخ آن داشتیم حتماً پاسخگوی شما خواهیم بود در غیر این صورت تنها به امید دریافت پاسخ مناسب از دیگران آن را منتشر خواهیم کرد.
ایمیل شما منتشر نخواهد شد.