Surface code scaling on heavy-hex superconducting quantum processors
تُثبت هذه الورقة أن التدرج دون العتبة لذاكرة الكود السطحي في معالجات IBM ذات الهيكل السداسي الثقيل (heavy-hex) أمر قابل للتحقيق من خلال نهج مصمم بشكل مشترك يجمع بين تضمين قائم على عمليات التبديل (SWAP) بحد أدنى من العمق وبين إلغاء فاعلية ديناميكي قوي، مما يكبح بفعالية الضوضاء غير الماركوفية ويكشف أن مقاييس الأداء القياسية غالبًا ما تسيء توصيف سلوك الكود في ظل قيود الأجهزة الواقعية.
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 سعيها لبناء حاسوب كمي، تواجه العلماء مشكلة جوهرية: الحالات الكمية الهشة التي تحمل المعلومات هي في غاية الحساسية. فأدنى اضطراب من البيئة يمكن أن يفسد البيانات، مما يؤدي إلى فشل الآلة. ولحل هذه المشكلة، طور الباحثون طريقة تسمى تصحيح الخطأ الكمي. فبدلاً من الاعتماد على مكون مادي واحد مثالي، يقومون بنشر قطعة واحدة من المعلومات عبر العديد من المكونات المادية. وإذا تعطل جزء واحد، يمكن للنظام اكتشاف الخطأ وإصلاحه دون فقدان المعلومات، تماماً كما أن صفحة واحدة ممزقة في كتاب لا تدمر القصة إذا كان النص مطبوعاً على صفحات متعددة. وأكثر الطرق واعدة للقيام بذلك هي استخدام "الرمز السطحي" (surface code)، وهو ترتيب يشبه الشبكة، حيث يتم حماية المعلومات من خلال التحقق من العلاقات بين الأجزاء المتجاورة. ومع ذلك، لكي يعمل هذا الحماية، يجب أن تكون الآلة قادرة على تصحيح الأخطاء بشكل أسرع من ظهورها. وهذا يتطلب أن يعمل النظام تحت "عتبة" معينة من الضجيج؛ فإذا كانت الآلة صاخبة للغاية، فإن عملية تصحيح الخطأ نفسها ستؤدي إلى إدخال أخطاء أكثر مما تعالجه.
يصبح التحدي أصعب عندما لا تتطابق الأجهزة المادية طبيعياً مع نمط الشبكة المطلوب للرمز السطحي. فمعظم المعالجات الكمية اليوم مبنية بتخطيط محدد للاتصالات يختلف عن الشبكة المربعة المثالية المطلوبة لهذه الرموز. ولجعلها تعمل معاً، يجب على العلماء إيجاد طرق ذكية لتعيين الرمز على الأجهزة، وهو ما يتطلب غالباً خطوات إضافية لنقل المعلومات بين أجزاء متباعدة من الشريحة. وتخلق هذه الخطوات الإضافية فترات توقف حيث تظل البتات الكمية خاملة، بانتظار التعليمات. وخلال فترات التوقف هذه، تكون البتات عرضة للضجيج، الذي يمكن أن يتراكم ويدمر الحماية التي من المفترض أن يوفرها الرمز. وقد سعى فريق من الباحثين لاختبار ما إذا كان بإمكانهم جعل هذا الإعداد الصعب يعمل على معالج كمي حقيقي، وتحديداً معالج يتميز بتخطيط "السداسي الثقيل" (heavy-hex) الفريد المستخدم من قبل شركة IBM. أرادوا معرفة ما إذا كان بإمكانهم توسيع حجم رمز تصحيح الخطأ الخاص بهم ورؤية معدل الخطأ ينخفض فعلياً، مما يثبت أن النظام يدخل المنطقة الآمنة حيث يمكن للحواسيب الكمية أن تصبح قوية بما يكفي لحل مشكلات العالم الحقيقي.
لجأ الباحثون إلى معالج يحتوي على 156 كيوبت يُعرف باسم "هيرون" (Heron)، والذي يتميز ببنية شبكية سداسية ثقيلة. تم تصميم هذا التخطيط لتقليل التداخل بين الكيوبتات، لكنه يجعل تنفيذ الرمز السطحي أكثر صعوبة لأن الكيوبتات ليست جميعها متصلة مباشرة بجيرانها. ولتجسير هذه الفجوة، صمم الفريق طريقة جديدة لدمج الرمز في الشريحة. فقد استخدموا تقنية تقوم بطي وفرد الدائرة، باستخدام كيوبتات "جسرية" خاصة لربط الأجزاء البعيدة من الرمز مؤقتاً حتى تتمكن من التحدث مع بعضها البعض. قللت هذه الطريقة من الوقت الذي تقضيه الكيوبتات في الانتظار، مما أبقى الدائرة قصيرة قدر الإمكان. ومع ذلك، كانوا يعلمون أنه حتى مع دائرة قصيرة، فإن لحظات الخمول ستسمح للضجيج بالتراكم. ولمكافحة ذلك، دمجوا استراتيجية قوية لتخميد الضجيج تسمى "إلغاء الترابط الديناميكي" (dynamical decoupling). ويتضمن ذلك تطبيق سلسلة سريعة من نبضات التحكم على الكيوبتات أثناء انتظارها، مما يؤدي فعلياً إلى إلغاء التفاعلات غير المرغوب فيها مع البيئة قبل أن تسبب ضرراً.
اختبر الفريق نظامهم عن طريق تشغيل رمز تصحيح الخطأ بحجمين مختلفين. بدأوا بكود أصغر ثم قاموا بتوسيعه في اتجاه واحد لإنشاء كود "تباين خواص" (anisotropic code) أكبر. في عالم مثالي، جعل الكود أكبر سيجعله دائماً أفضل في حماية المعلومات. ولكن في العالم الحقيقي، يتطلب الكود الأكبر دائرة أكثر تعقيداً، مما يفتح المجال لمزيد من فرص حدوث الأخطاء. ووجد الباحثون أنه عندما زادوا حجم الكود، تحسنت الحماية لنوع واحد من الأخطاء ولكن ليس للنوع الآخر. وتحديداً، عندما جعلو الكود أطول في اتجاه واحد، أصبح أفضل بكثير في الحماية من أخطاء قلب الطور (phase-flip errors)، لكن الحماية ضد أخطاء قلب البت (bit-flip errors) لم تتحسن بنفس القدر. حدث هذا لأن التعقيد الإضافي للدائرة الأكبر أدخل نقاط ضعف جديدة لم يستطع الكود التعامل معها بعد.
كان الاكتشاف الحاسم في هذا العمل هو دور نبضات تخميد الضوضاء. وجد الباحثون أنه بدون هذه النبضات، بدا الكود الأكبر وكأنه يؤدي بشكل أفضل من الكود الأصغر، مما يوحي بنجاح عملية التوسع. ومع ذلك، كانت هذه نتيجة مضللة. فعندما طبقوا نبضات تخميد الضوضاء، أدركوا أن الكود الأصغر، والأبسط، استفاد منها أكثر بكثير من الكود الأكبر. كانت النبضات فعالة جداً في تنظيف الضوضاء في الدائرة الأصغر والأبسط لدرجة جعلت الكود الأكبر يبدو فاشلاً بالمقارنة. كشف هذا عن فخ: إذا لم تقم بتحسين تخميد الضوضاء بعناية لكل حجم من أحجام الكود الذي تختبره، فقد تدعي خطأً أن التوسع يعمل بينما هو ليس كذلك. أظهر الفريق أنه فقط من خلال مقارنة أفضل نسخة ممكنة من كل حجم للكود، يمكنهم الحصول على صورة صادقة للأداء.
لقياس النتائج بدقة، ابتعد الفريق عن الطرق القياسية لحساب معدلات الخطأ التي تعتمد على افتراضات بسيطة حول كيفية سلوك الأخطاء. وبدلاً من ذلك، طوروا مقياساً جديداً يعتمد على "وفاء التشابك" (entanglement fidelity)، والذي يقيس مدى جودة حفظ النظام للمعلومات الكمية عبر جميع الحالات الممكنة، وليس فقط الحالات الأسهل في القياس. وباستخدام هذه الطريقة الصارمة، وجدوا أنه في أجهزتهم الحالية، لم يصل النظام بعد إلى النقطة التي يضمن فيها توسيع حجم الكود حماية أفضل لجميع أنواع المعلومات. وبينما أظهرت الأكواد الأكبر تحسناً في اتجاهات محددة، إلا أن النظام الإجمالي كان لا يزال صاخباً للغاية لتحقيق الحماية الشاملة اللازمة لآلة قادرة على تحمل الأخطاء بالكامل.
تخلص الدراسة إلى أن الطريق نحو حاسوب كمي يعمل واضح ولكنه يتطلب هندسة دقيقة. لقد أظهر الباحثون أنه من خلال الجمع بين طريقة ذكية لتعيين الكود على الأجهزة وتخميد الضوضاء القوي، يمكنهم رؤية بدايات تخميد الخطأ. وقد أوضحوا أنه مع تحسن طفيف بنسبة ثلاثين بالمائة تقريباً في مستويات الضوضاء الحالية، والوصول إلى شريحة أكبر قليلاً لاستضافة كود أكبر، فإن النظام سيعبر العتبة إلى المنطقة الآمنة. لا يدعي هذا العمل أنه حل مشكلة تصحيح الخطأ الكمي، ولكنه يقدم خارطة طريق ملموسة. فهو يثبت أن الجمع الصحيح بين التصميم الواعي بالأجهزة والتحكم في الضوضاء يمكن أن يدفع هذه الأنظمة نحو النقطة التي يمكنها عندها إجراء الحسابات المعقدة التي ستحدد مستقبل الحوسبة الكمية بشكل موثوق.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.