Квантовые вычисления остаются одной из самых сложных технологических областей, сталкивающейся с множеством инженерных барьеров. Среди них ключевыми являются две проблемы: миниатюризация и качество кубитов. Согласно актуальным планам развития отрасли, индустриальный стандарт (например, у IBM) предполагал создание процессора на 1121 кубит к 2023 году. Однако современные методы требуют использования либо очень крупных чипов (со стороной более 50 миллиметров), либо многочиповых модулей. Применение копланарных конденсаторов в нынешних схемах продиктовано необходимостью рассеивания электрических полей и компенсации дефектов в таких материалах, как оксид или нитрид кремния — они слишком несовершенны для нужд квантовых систем.

Исследователи из Массачусетского технологического института (MIT) представили решение этих проблем. Группа под руководством Уильяма Оливера, директора Центра квантовой инженерии MIT, задействовала двумерные материалы, в частности изолятор гексагональный нитрид бора (hBN). Это позволило в 100 раз увеличить количество сверхпроводящих кубитов, которые можно разместить на одном устройстве. Ученые продемонстрировали, что несколько атомарных монослоев hBN можно накладывать друг на друга, формируя диэлектрический слой в конденсаторах сверхпроводящего кубита. Как отмечает Уильям Оливер, для квантовых вычислений недостаточно просто наращивать число кубитов — они обязаны быть высокопроизводительными. Жертвовать качеством ради количества — тупиковый путь; эти показатели должны расти одновременно.

Новая архитектура решает проблему низкого качества стандартных изоляторов, которые демонстрируют слишком много дефектов при температурах ниже 0,02 кельвина (чуть выше абсолютного нуля). Использование hBN в конденсаторах сверхпроводящих цепей не только экономит пространство, но и снижает уровень перекрестных помех между соседними кубитами. В MIT подчеркивают: именно сочетание миниатюризации и стабильности характеристик является ключом к масштабируемости, позволяя компоновать высокопроизводительные вычислительные элементы значительно плотнее.

AI-чипыЦифровая трансформацияПроизводительностьMIT