推動量子運算與AI融合 港科大創極低溫計算方案

香港文匯報訊（記者 高鈺）人工智能（AI）技術進步一日千里，而量子電腦則被視為超速高效運算的關鍵，兩者結合可望成為全球科技發展的新方向，惟量子運算在操作環境及硬件卻仍面對重大挑戰。香港科技大學研發出一款能在極低溫環境下運行的新型計算方案，以磁性拓撲絕緣體製作的霍爾器件為技術核心，克服了AI代理與量子處理器之間的延遲問題，更能提升效能，推動了量子運算與人工智能的融合。

負責研究的科大電子及計算機工程學系助理教授邵啟明表示，量子電腦的運算非常複雜，為進一步發掘其潛力，學術界近期開始借助AI機器學習技術提升量子計算能力，尤其是在糾錯方面。然而，量子處理器一般需要在接近絕對零度（0K、約攝氏-273.15度）的超低溫下運行，而AI所用的圖形處理器則要在室溫下操作，因此兩者安裝通常會相隔數米，並通過線路連接，讓AI硬件調控量子處理器，惟這段距離往往對指令傳輸造成顯著延遲。

運算延誤大減 效能提升

為解決裝置距離所帶來的延遲，邵啟明帶領研究團隊提出一種嶄新的低溫存內計算方案，使AI加速器可在量子處理器的數十厘米範圍內操作，讓運算延誤隨距離縮短大減，以提升效能。團隊指出，磁性拓撲絕緣體在這項應用中具有巨大潛力，有關材料不僅具備絕緣體的體帶隙，其表面或邊緣還存在導電態，令其在低溫下呈現出獨特的「自旋—動量鎖定效應」和「量子反常霍爾效應」現象，前者可高效地生成自旋電流，後者可通過手性邊緣態實現，無需磁場。

邵啟明表示，是次研究首度驗證霍爾電流求和方案於低功耗存內計算的可行性，特別聚焦低溫環境應用，「實驗驗證，該磁性拓撲絕緣體霍爾橋陣列即使置於量子處理器所需超低溫環境周邊，仍能有效執行強化學習演算法，成功完成量子態製備等任務。」而針對512 × 512陣列構成的神經網絡演算法級，研究人員將其與電路級進行類比，發現當器件在2K的低溫下執行圖像識別和量子態製備任務時，其效能達到每瓦724太次操作。有關成果最近已於《自然材料》期刊發表。