به‌تازگی ائتلافی از فیزیک‌دانان چند دانشگاه فعال در حوزه رایانش کوانتومی شبیه‌ساز کوانتومی برنامه‌ریزی‌شده‌ای ساخته‌اند که می‌تواند ۲۵۶ کیوبیت را خود جای دهد و متعاقبا فرایند پردازش را به مرحله‌ای جدید برساند.
گروهی از فیزیک‌دانان مرکز اتم‌های فوق سرد دانشگاه هاروارد و MIT نوع خاصی از کامپیوتر کوانتومی را ساخته‌اند که به‌عنوان شبیه‌ساز کوانتومی برنامه‌ریزی‌شدنی شناخته می‌شود در آن ۲۵۶ بیت کوانتوم یا کیوبیت جای گرفته است. این سیستم گامی مهم به‌منظور ساخت کامپیوترهای کوانتومی در مقیاس بزرگ است که می‌تواند در حل فرایندهای پیچیده کوانتومی، دستیابی به موفقیت‌های واقعی در علم مواد، فناوری‌های ارتباطی، امورمالی و بسیاری از زمینه‌های دیگر مؤثر باشد که فراتر از توانایی سریع‌ترین اَبَرکامپیوتر‌های امروزی هستند.
شبیه‌ساز کوانتومی و کیوبیت ها
کیوبیت‌ها عناصر اصلی و زیربنایی هستند که کامپیوترهای کوانتومی قدرت پردازشی‌شان را از آن‌ها می‌گیرند. درواقع، کیوبیت همتای کوانتومی بیت‌ها در کامپیوترهای سُنتی محسوب می‌شود. یکی از تفاوت‌های بزرگ کامپیوترهای سُنتی و کوانتومی به مفهوم برهم‌نهی مربوط می‌شود. کامپیوتر کلاسیک می‌تواند مبتنی‌بر حالت A یا B (در اصطلاح باینری یک یا صفر) باشد؛ درحالی‌که کامپیوتر کوانتومی می‌تواند از ترکیب این دو هم استفاده کند.
درواقع، این موضوع به‌نوعی نظریه گربه شرودینگر را یادآوری می‌کند. براساس این نظریه، گربه درون جعبه تا وقتی می‌تواند هم‌زمان زنده یا مرده یا هر دو (زنده و مرده) باشد که درِ آن را باز نکنیم. سپس مفاهیم دیگری مانند فروپاشی و بی‌اعتمادی و درهم‌تنیدگی وجود دارد که کامپیوترهای کوانتومی را بسیار متفاوت از کامپیوترهای کنونی می‌کند که با آن‌ها بزرگ شده‌ایم.
یکی از دستاوردهای مهم صنعت پردازش‌های کوانتومی ساخت کامپیوتری است که در آن تعداد زیادی بیت کوانتوم تعبیه شده باشد. بااین‌حال، افزایش کیوبیت‌ها آن‌طور که تصور می‌شود، آسان نیست و کیوبیت‌ها به‌راحتی با نیروهای خارجی آشفته و اختلال روبه‌رو می‌شوند و به‌دلیل وجود میدان‌های الکترومغناطیسی و گرما و برخورد با مولکول‌های هوا، خواص کوانتومی خود را از دست می‌دهند که به آن فرایند تجزیه کوانتومی گفته می‌شود.
درحال‌حاضر، هیچ بستر سخت‌افزاری موجودی نمی‌تواند انسجام را حفظ کند و معمولا برای محاسبات در مقیاس بزرگ به فرایند تصحیح خطای بسبار قوی لازم خواهد بود؛ بنابراین، افزایش مقیاس‌پذیری یکی از مباحث سختی محسوب می‌شود که محققان و دانشمندان می‌کوشند راه‌های جدیدی برایش کشف کنند.
