محاسبات کوانتومی به عنوان یکی از تکنولوژی‌های برتر قرن
۲۱ شناخته می‌شوند. با وجود پیشرفت‌های بزرگ در این زمینه به علت برخی
موانع پیچیده رسیدن به استفاده‌ی عمومی از آن بیشتر از چیزی که انتظار
می‌رفت طول کشیده است. یکی از این موانع تولید کیوبیت با دقت مناسب است.
حال ۲ تیم آزمایشگاهی همزمان به ۲ روش جدید برای تولید سخت‌افزار کوانتومی
دست پیدا کرده‌اند که یکی از این روش‌ها رکورد پیوستگی اطلاعات را نیز به
نام خود ثبت کرده است.
به گزارش سافت گذر به نقل اززومیت؛ برای پذیرش محاسبات کوانتومی توسط عموم باید خطای این محاسبات به حداقل
کاهش یابد. پیش از این نیز روش‌هایی برای کاهش و تصحیح خطا استفاده می‌شد
اما با افزایش نرخ خطا این روش‌ها نیز کارایی خود را از دست می‌دادند. در ۲
روش جدید از فناوری نانو برای افزایش دقت کیوبیت‌ها (واحد پردازش
کامپیوترهای کوانتومی) تا ۹۹ درصد استفاده می‌شود. این ۲ روش ویژگی‌های
مشترکی دارند، هر ۲ کیوبیت‌ها را در لایه‌های نازک سیلیکون ۲۸ جاسازی
می‌کنند. 28Si ایزوتوپی از سیلیکون است که با یک نوترون اضافه‌تر نسبت به
سیلیکون معمول‌ترین ایزوتوپ این عنصر است و بیش از ۷ درصد سیلیکون‌های روی
زمین را تشکیل داده است.
در روش اول از اتم فسفر به عنوان محاسبه‌گر استفاده می‌شود. اتم‌های
فسفر می‌توانند ۲ کیوبیت را در خود داشته باشند، الکترون و هسته، با
استفاده از هسته‌ی این عنصر دانشمندان می‌توانند به کیوبیتی با دقت ۹۹.۹۹
درصد برسند و این یعنی در هر ۱۰ هزار محاسبه‌ی کوانتومی فقط ۱ خطا صورت
خواهد گرفت.
در روش بعدی از اتم‌های مصنوعی استفاده خواهد شد. با اینکه در این روش
میزان خطا بالاتر از روش اول خواهد بود اما این مزیت را دارد که از
تکنولوژی که قبلا کاملا توسعه یافته استفاده می‌کند. در این روش با استفاده
از همان تکنولوژی که در تولید پردازنده‌های تلفن‌همراه و لپ‌تاپ ها
استفاده می‌شود کیوبیت‌هایی با دقت بالا ساخته می‌شود.
اما مشکل دیگری نیز پیش روی پردازش‌های کوانتومی قرار گرفته و آن زمان
پیوستگی کوتاه است. زمان پیوستگی به زمانی گفته می‌شود که می‌توان به
اطلاعات کوانتومی کیوبیت‌ها دسترسی پیدا کرد قبل از اینکه از دست بروند.
تاکنون زمان پیوستگی کیوبیت‌های پردازنده‌های کوانتومی در حد نانوثانیه یا
شاید کمتر بوده اما در این روش می‌توان پیوستگی اطلاعات را تا ۳۰ ثانیه نیز
حفظ کرد. این یعنی زمانی فوق طولانی در پردازش کوانتومی.