Classical simulation of noisy quantum circuits via locally entanglement-optimal unravelings
تقدم هذه الورقة خوارزمية كلاسيكية تعتمد على شبكة الموتر، وهي عالية التوازي، تحاكي الدوائر الكمومية المشوبة بضجيج عبر عينات عشوائية من مجموعة من حالات ضرب المصفوفات المحسنة لتقليل التشابك المحلي إلى الحد الأدنى، وبذلك تحقق حدود خطأ صارمة وأداءً محسناً مقارنة بالطرق السابقة من خلال حل مغلق دقيق لمشكلة تقليل التشابك.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في السباق لبناء آلات يمكنها حل مشكلات تتجاوز قدرة حواسيب اليوم، يواجه العلماء مفارقة غريبة. فلكي يفهموا ما إذا كان الحاسوب الكمي الجديد قويًا حقًا، يجب عليهم أولاً أن يكونوا قادرين على محاكاة سلوكه على حواسيب كلاسيكية عادية. وتعد هذه مهمة صعبة لأن الأنظمة الكمية هشة للغاية؛ فهي تتعرض للقصف المستمر من بيئتها، مما يؤدي إلى فقدان خصائصها المميزة وتصبح فوضوية. هذا الضجيج هو العقبة الرئيسية أمام بناء حاسوب كمي مفيد، ولكنه يقدم أيضًا فرصة غريبة للباحثين. فعندما يكون النظام الكمي صاخبًا، غالبًا ما تتبسط تعقيداته الداخلية. إن الشيء ذاته الذي يجعل بناء الحاسوب الكمي أمرًا صعبًا — وهو وجود الأخطاء الحتمي — يمكن أن يجعل نمذجته على حاسوب محمول قياسي أمرًا أسهل. وقد أدى ذلك إلى ظهور مجال دراسة متنامٍ مخصص لمحاكاة هذه الدوائر الكمية الصاخبة، مما يساعد العلماء على رسم الحدود بين ما هو ممكن للآلات الكلاسيكية وحيث تبدأ الميزة الكمية الحقيقية.
يكمن التحدي في كيفية إجراء عمليات المحاكاة هذه. فالحاسوب الكمي لا يتبع مسارًا واحدًا مستقيمًا مثل الحاسوب الكلاسيكي؛ بل يوجد بدلاً من ذلك في سحابة من الاحتمالات. ولمحاكاة ذلك، غالبًا ما يقوم الباحثون بتفكيك المشكلة إلى العديد من "المسارات" المحتملة، أو المسارات الفردية التي يمكن أن يتخذها النظام، ثم يقومون بمتوسطها معًا. ومع ذلك، مع تقدم المحاكاة، يمكن أن ينفجر عدد هذه المسارات، وتصبح الروابط بين الجسيمات متشابكة لدرجة أن الحاسوب الذي يدير المحاكاة ينفد منه الذاكرة. وهنا يأتي دور العمل الجديد الذي قام به سايمون سيتشي وزملاؤه في جامعة فري برلين ومؤسسات أخرى. فقد طوروا طريقة جديدة للتنقل عبر هذا التعقيد من خلال اختيار الطريقة الأكثر كفاءة لتفكيك الضجيج الكمي عند كل خطوة من خطوات المحاكاة.
ركز الباحثون على نوع محدد من المحاكاة يستخدم بنية تسمى "حالة ضرب المصفوفات" (matrix product state). تخيل هذه البنية كطريقة لتنظيم المعلومات حول النظام الكمي تكون فعالة جدًا عندما لا تكون الجسيمات مترابطة بعمق مع بعضها البعض. وعندما يصيب الضجيج جسيمًا ما، فإنه يخلق مزيجًا من الاحتمالات. وقد أدرك الباحثون أن هناك أكثر من طريقة لوصف هذا المزيج رياضيًا. الأمر يشبه امتلاك مجموعة أوراق لعب (كوتشينة) يمكن خلطها بطرق عديدة لتمثيل نفس المجموعة من الاحتمالات. كانت الطرق السابقة غالبًا ما تختار طريقة قياسية لخلط هذه الأوراق، أو تستخدم نهج التجربة والخطأ لإيجاد طريقة أفضل، وهو أمر كان بطيئًا وغير مضمون للوصول إلى الأفضل. اكتشف سيتشي وفريقه قاعدة رياضية دقيقة لإيجاد أفضل طريقة لخلط الأوراق في كل لحظة. ويسمون العثور على هذه الطريقة بـ "التفكيك الأمثل محليًا للتشابك" (locally entanglement-optimal unraveling).
من خلال تطبيق هذه القاعدة، تضمن الخوارزمية بقاء الحالة الكمية بسيطة قدر الإمكان عند كل خطوة. وبشكل محدد، تعمل الخوارزمية على تقليل "التشابك"، أو الارتباط العميق، بين الجسيم الصاخب وبقية النظام. وعندما يتم الحفاظ على هذا الارتباط منخفضًا، يمكن للمحاكاة أن تعمل بشكل أسرع بكثير ويمكنها التعامل مع أنظمة أكبر دون الانهيار. أثبت الفريق أن طريقتهم تعمل مع أي نوع من ضجيج الجسيم الواحد، وليس فقط الأنواع البسيطة القليلة التي استطاعت الدراسات السابقة التعامل معها. وأظهروا أن نهجهم ليس مجرد تخمين أو اختصار تجريبي، بل هو حل دقيق رياضيًا يمكن حسابه فورًا. ويمثل هذا تحسنًا كبيرًا مقارنة بالتقنيات السابقة التي اعتمدت على التحسين العددي، والتي كان من الممكن أن تقع في فخاخ محلية أو تستغرق وقتًا طويلًا للوصలు إلى الحل.
لاختبار فكرتهم، أجرى الباحثون عمليات محاكاة لأنواع مختلفة من الدوائر الكمية، بما في ذلك تلك التي تحتوي على بوابات عشوائية وتلك التي تتطور تحت قوانين فيزيائية محددة. وقارنوا طريقتهم الجديدة بأفضل التقنيات الموجودة، بما في ذلك تلك المحسنة للدوائر العشوائية وتلك التي تستخدم قواعد ثابتة وغير متغيرة. كانت النتائج واضحة: حافظت طريقتهم باستمرار على تشابك أقل من البدائل. وفي بعض الحالات، كان هذا يعني أن المحاكاة يمكنها التعامل مع معدل ضجيج أعلى بكثير قبل أن يصبح النظام معقدًا للغاية بحيث يصعب تتبعه. على سبيل المثال، في عمليات محاكاة الدوائر العشوائية، كان أداؤهم يضاهي أفضل الطرق المتخصصة للحالات العشوائية، لكنهم عملوا بنفس الكفاءة في الأنظمة الأكثر هيكلية وغير العشوائية حيث تعثرت الطرق الأخرى. وهذا يشير إلى أن تقنيتهم ليست مجرد إصلاح ضيق، بل هي أداة قوية تعمل عبر مشهد واسع من المشكلات الكمية.
كما يتناول البحث سؤالًا شائعًا في هذا المجال: هل يؤدي العثور على أفضل خيار محلي في كل خطوة بالفعل إلى أفضل نتيجة إجمالية؟ يقر المؤلفون بأن النظر إلى المستقبل لتحسين المحاكة بأكمل تها دفعة واحدة سيكون مثاليًا، لكنهم يشيرون إلى أن مثل هذا الحساب العالمي مستحيل حاسوبيًا لأي شيء سوى الأنظمة المتناهية الصغر. إن نهجهم "الجشع" (greedy approach)، الذي يحسن الخطوة التالية المباشرة فقط، هو المسار الأكثر عملية للمضي قدمًا. ومن المثير للاهتمام، وجدوا أنه في حالات معينة، كان الأداء في الطريقة الثابتة غير المحسنة يضاهي أداء طريقتهم الديناميكية، خاصة عندما يكون النظام في حالة عشوائية عالية بالفعل. ومع ذلك، في معظم السيناريوهات الأخرى، وخاصة تلك التي تتضمن أنواعًا محددة من الضجيج مثل "تخميد السعة" (amplitude damping)، وفرت طريقتهم التكيفية ميزة واضحة وقابلة للقياس.
في نهاية المطاف، يوفر هذا العمل أداة دقيقة وفعالة لفهم سلوك الأجهزة الكمية في العالم الحقيقي. ومن خلال توفير طريقة لمحاكاة الدوائر الصاخبة بدقة مضمونة وتكلفة حوسبية مخفضة، ساعد الباحثون في توضيح الظروف التي قد تتفوق فيها الحواسيب الكمية على الحواسيب الكلاسيكية. إن طريقتهم لا تقوم بمحاكاة الضجيج فحسب، بل تستخدم طبيعة الضجيج لتبسيط المشكلة، محولةً مصدر الخطأ إلى ميزة تجعل المحاكاة قابلة للتنفيذ. وتعد هذه المساهمة حيوية للمجتمع العلمي، حيث تسمح للعلماء باستكشاف حدود الميزة الكمية بثقة أكبر، مدركين أن عمليات المحاكاة الكلاسيكية الخاصة بهم ليست مجرد تقريبات، بل هي قائمة على خيارات مثالية رياضيًا. يقف هذا العمل كجسر بين الوعد النظري للحوسبة الكمية والواقع الصاخب والمضطرب لبنائها، مقدمًا رؤية أوضح للطريق أمامنا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.