Microsoft Majorana 2: Agentyczne AI skraca drogę do komputera kwantowego

W sektorze obliczeń kwantowych, gdzie postęp mierzy się zazwyczaj w milisekundach, najnowsze ogłoszenie Microsoftu brzmi niemal prowokacyjnie. Układ Majorana 2 ma oferować kubity tysiąc razy bardziej niezawodne niż jego poprzednik, a czas utrzymania stanu kwantowego wydłużono z mikrosekund do imponujących 20 sekund. Jednak za tymi liczbami kryje się coś znacznie ważniejszego niż tylko fizyka ciała stałego: to demonstracja siły agentycznego AI w procesach badawczo-rozwojowych.

To ogłoszenie ma kluczowe znaczenie, ponieważ Microsoft łączy dwa najbardziej kapitałochłonne nurty nowoczesnej technologii – topologiczne kubity i automatyzację nauki. Dzięki wykorzystaniu AI do projektowania nowych materiałów i analizy danych, firma sugeruje, że budowa praktycznych systemów to teraz „kwestia lat, a nie dziesięcioleci”. To radykalna zmiana narracji, która przesuwa horyzont wdrożeń z dalekiej przyszłości na koniec bieżącej dekady.

Ołów zamiast aluminium i rola sztucznej inteligencji

Najistotniejsza zmiana fizyczna w architekturze układu – zastąpienie aluminium ołowiem jako materiałem nadprzewodzącym – nie była wynikiem nagłego olśnienia algorytmu. To efekt lat tradycyjnych badań materiałowych. Rola platformy Microsoft Discovery, która właśnie zadebiutowała na rynku, była inna. Agenty AI przejęły żmudne zarządzanie procesami produkcyjnymi, automatyzację pomiarów oraz analizę dekad rozproszonych danych badawczych.

Zamiast polegać na intuicji naukowców, Microsoft wykorzystał AI do syntezy korelacji niedostrzegalnych dla ludzkiego umysłu. Dzięki symulacjom udało się radykalnie skrócić cykl eksperymentalny. Zamiast setek prób i błędów w poszukiwaniu idealnej struktury krystalicznej układu, badacze mogli wykonać pojedynczy, precyzyjny eksperyment. To właśnie ta technologia pozwoliła wytyczyć jasną ścieżkę do zmieszczenia miliona kubitów na jednym chipie, który mieści się w dłoni.

Automatyzacja pomiarów: Koniec wąskiego gardła

Jednym z największych sukcesów zespołu pod wodzą Zulfiego Alama jest rozwiązanie problemu pomiaru kubitów. Proces ten, polegający na wykrywaniu stanów kwantowych poprzez zliczanie miliardów elektronów na półprzewodnikowym przewodzie, trwał wcześniej tygodnie i opierał się na manualnej pracy. Próby automatyzacji przy użyciu klasycznego uczenia maszynowego kończyły się fiaskiem.

Dopiero zastosowanie wyspecjalizowanych agentów AI pozwoliło na równoległe dostrajanie setek parametrów napięcia w czasie rzeczywistym. Efektem jest tworzenie trójwymiarowych map stanów kubitów w tempie nieosiągalnym dla człowieka. To nieliniowe zarządzanie złożonością stało się fundamentem nowego workflow w laboratoriach Microsoftu.

Demokratyzacja narzędzi i ambitny kalendarz

Technologia, która umożliwiła powstanie Majorana 2, trafia teraz do klientów korporacyjnych. Microsoft Discovery jest już wykorzystywany w biotechnologii i przemyśle chemicznym (m.in. przez firmę Syensqo). Dla mniejszych graczy udostępniono bezpłatną aplikację Discovery w wersji zapoznawczej.

Sceptycyzm pozostaje w cenie

Mimo technicznego sukcesu, do deklaracji giganta należy podchodzić z rezerwą. Przesunięcie daty dostarczenia skalowalnego komputera kwantowego z 2033 na 2029 rok to sygnał ogromnej pewności siebie, ale historia roadmap w tej branży uczy pokory. Warto zauważyć, że deklarowana „tysiąckrotna poprawa” odnosi się do własnych, wcześniejszych układów firmy, a nie do bezpośredniej konkurencji od IBM czy Google, którzy operują na odmiennych architekturach. Niemniej jednak, Majorana 2 dowodzi, że największym hamulcem nauki nie są już ograniczenia sprzętowe, lecz czas potrzebny na analizę wyników – a ten właśnie uległ drastycznemu skróceniu.