Compilation Pipeline for Predicting Algorithmic Break-Even in an Early-Fault-Tolerant Surface Code Architecture
تقدم هذه الورقة مسار تجميع لتعيين الخوارزميات المنطقية إلى دوائر كود السطح الفيزيائية باستخدام جراحة الشبكة، مُثبتةً من خلال المحاكاة الكلاسيكية إمكانية تحقيق نقطة التعادل الخوارزمية لخوارزميتي QAOA وQPE باستخدام أجهزة قريبة المدى تحتوي على ما يقرب من 1,700 إلى 2,500 كيوبت فيزيائي بمعدلات خطأ تتراوح بين و.
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
تعد الحواسيب الكمية بحل مشكلات مستعصية حالياً حتى على أقوى الحواسيب الفائقة، بدءاً من تصميم أدوية جديدة وصولاً إلى تحسين الأنظمة العالمية المعقدة. ومع ذلك، فإن الجسيمات الدقيقة التي تحمل المعلومات في هذه الآلات هشة للغاية؛ إذ يمكن لاهتزاز ضئيل أو موجة كهرومغناطيسية عابرة أن تفسد البيانات، مما يؤدي إلى فشل العملية الحسابية. وللتغلب على ذلك، يستخدم العلماء طريقة تسمى "تصحيح الخطأ الكمي"، والتي تعمل على توزيع المعلومات عبر العديد من الجسيمات الفيزيائية بحيث إذا فشل أحدها، يمكن للآخرين التدخل لإنقاذ الموقف. ومن أكثر الطرق واعدة للقيام بذلك هو استخدام بنية شبكية تُعرف باسم "كود السطح" (surface code)، حيث تترتب الكيوبتات (qubits) في نمط ثنائي الأبعاد ويتم فحصها باستمرار مقابل جيرانها. لسنوات طويلة، عرف الباحثون أنه إذا تمكنوا من بناء آلة كبيرة بما يكفي وبجودة عالية بما يكفي، فإن أكواد تصحيح الخطأ هذه ستجعل الحاسوب في النهاية أكثر موثوقية من الأجهزة الصلبة نفسها. وتُعرف نقطة التحول هذه، حيث يعمل نظام التصحيح فعلياً على تحسين النتيجة بدلاً من مجرد إضافة أعباء إضافية، باسم "نقطة التعادل الخوارزمية" (algorithmic break-even).
حتى الآن، كان تحديد متى ستحدث نقطة التعادل هذه بدقة أمراً صعباً لأن الأدوات المستخدمة لتصميم هذه الحواسيب بُنيت لمستقبل بعيد حيث تكون المساحة والموارد غير محدودة. فقد افترضت التصميمات القديمة أنه ستكون هناك مصانع منفصلة شاسعة مخصصة فقط لإنشاء الحالات الخاصة اللازمة للحسابات، متجاهلة حقيقة أن الآلات المبكرة ستكون ضيقة ومضطرة لتقاسم كل بوصة متاحة. تعالج دراسة جديدة أجراها باحثون في "جي بي مورغان تشيس" (JPMorgan Chase) هذه الفجوة من خلال إنشاء مسار برمجيات كامل من البداية إلى النهاية يترجم خوارزمية كمية مباشرة إلى التعليمات الفيزيائية المطلوبة لآلة واقعية في مراحلها الأولى. وبدلاً من افتراض مساحة غير محدودة، يعامل نظامهم الحاسوب كمساحة عمل مشتركة وضيقة حيث يجب أن تتناسب البيانات، وفحص الأخطاء، وإعداد الحالات الخاصة معاً بكفاءة.
بنى الباحثون هذا المسار لتجميع نوعين محددين من الخوارمازميات الكمية: أحدهما يُستخدم لتقدير القيم في عمليات المحاكاة المعقدة، والآخر مصمم لحل ألغاز التحسين الصعبة. قاموا بتغذية هذه الخوارزميات في نظامهم، الذي قام بعد ذلك بتفكيكها إلى أصغر الخطوات الممكنة التي يتطلبها "كود السطح". وكان الابتكار الرئيسي في عملهم هو كيفية تعاملهم مع "الحالات السحرية" (magic states) — وهي حالات كمية خاصة وعالية الجودة مطلوبة لأداء عمليات حسابية معينة لا يمكن القيام بها مباشرة. افترضت الطرق السابقة أن هذه الحالات تُصنع في مصانع كبيرة ومنفصلة ثم تُشحن إلى حيث تبرز الحاجة إليها، وهي عملية تهدر الوقت والمساحة. يستخدم المسار الجديد تقنية تسمى "الاستزراع" (cultivation)، حيث يتم إنماء هذه الح حالات وحقنها مباشرة في منطقة الحساب عند الحاجة، مما يلغي الحاجة إلى الشحن لمسافات طويلة ويوفر مساحة قيمة.
ولمعرفة ما إذا كان هذا النهج قد نجح بالفعل، أجرى الفريق عمليات محاكاة كلاسيكية ضخمة للدوائر الفيزيائية التي أنتجها مسارهم البرمجي. واختبروا كيفية أداء هذه الدوائر تحت ظروف مختلفة، وتحديداً عبر تغيير عدد الكيوبتات الفيزيائية ومعدل حدوث الأخطاء في الأجهزة. كشفت عمليات المحاكاة أنه بالنسبة لنسخة من خوارزمية التحسين مكونة من خمسة كيوبتات، تصل المنظومة إلى نقطة التعادل باستخدام 2,517 كيوبت فيزيائياً إذا كان معدل خطأ الأجهزة هو واحد في الألف. وإذا كانت الأجهزة أفضل قليلاً، بمعدل خطأ قدره خمسة في عشرة آلاف، تنخفض نقطة التعادل إلى 1,737 كيوبت فيزيائياً فقط. وتمثل هذه الأرقام اللحظة الدقيقة التي تؤدي فيها النسخة المصححة من الخوارزمية أداءً أفضل من تشغيل نفس الخوارزمية على آلة بدون أي تصحيح للأخطاء.
كما بحثت الدراسة في خوارزمية "تقدير الطور" (phase estimation algorithm)، وهي أداة شائعة تُستخدم في العديد من التطبيقات الكمية، ووجدت نتائج مماثلة. في هذه المحاكاة، تفوقت النسخة المصححة من الخوارزمية على النسخة غير المصححة بمجرد وصول الآلة إلى حجم وعتبة جودة محددين. ووجد الباحثون أنه من خلال الإدارة الدقيقة للمقايضات بين عدد الكيوبتات، ومسافة الكود (التي تحدد عدد الأخطاء التي يمكن للنظام رصدها)، وجودة الأجهزة، استطاعوا تحديد المتطلبات الدقيقة للنجاح. يوضح عملهم أن الوصول إلى حاسوب كمي مفيد ومصحح للأخطاء لا يتطلب انتظار آلة بمليونات الكيوبتات؛ بل من الممكن تحقيق ذلك ببضعة آلاف، بشرط أن يتم تصميم البرمجيات للعمل ضمن الحدود الفيزيائية الصارمة للآلات المبكرة.
يتحدى هذا البحث الافتراض السائد منذ فترة طويلة بأننا يجب أن ننتظر حقبة مستقبلية من الموارد الوفيرة قبل أن يصبح تصحيح الخطأ الكمي عملياً. فمن خلال محاكاة العملية بأكملها، بدءاً من الخوارزمية عالية المستوى وصولاً إلى الحركات الفيزيائية للكيوبتات الفردية، أظهر الفريق أن الطريق نحو حاسوب كمي يعمل بخاصية تحمل الأخطاء هو أقصر مما كان يُعتقد. لم يبنوا آلة فيزيائية في هذه الدراسة؛ بل استخدموا عمليات محاكاة حاسوبية متقدمة لنمذجة كيفية سلوك آلة حقيقية. وتشير النتائج إلى أنه مع استراتيجيات التجميع الصحيحة، فإن الجيل القادم من الأجهزة الكمية، التي تُبنى حالياً بمئات الكيوبتات، يمكن قريباً رفع قدرتها إلى الآلاف المطلوبة لعبور العتبة نحو الحوسبة المفيدة المصححة للأخطاء. ويوفر هذا العمل خارطة طريق واضحة للمهندسين والعلماء، توضح بالضبط مواصفات الأجهزة المطلوبة لجعل أول خوارزميات كمية موثوقة حقاً واقعاً ملموساً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.