⚛️ quantum physics

A generalized framework for quantum subspace diagonalization

تقدم هذه الورقة إطار عمل كمي-كلاسيكي موفر للذاكرة وقابل للتوسع لحل معضلات القيم الذاتية للهاملتوني من خلال استخدام تمثيلات مجموعات البت (bit-set) وخرائط التجزئة (hash maps) لتوحيد الأنظمة الكيوبتية والفيرميونية، مما يقلل بشكل كبير من وقت التشغيل واستهلاك الذاكرة مقارنة بالتقنيات الحالية.

المؤلفون الأصليون: Paul D. Nation, Abdullah Ash Saki, Hwajung Kang

نُشر 2026-03-20

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Paul D. Nation, Abdullah Ash Saki, Hwajung Kang

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

تخيل أنك تحاول العثور على أدنى نقطة في سلسلة جبال شاسعة يغطيها الضباب. في عالم الفيزياء الكمية، تسمى هذه "أدنى نقطة" بـ الحالة الأرضية (ground state)، والعثور عليها يخبرنا بأكثر مستويات الطاقة استقرارًا لجزيء أو مادة ما. وهذا أمر بالغ الأهمية لتصميم أدوية جديدة، أو بطاريات أفضل، أو فهم كيفية عمل المواد.

ومع ذلك، فإن سلسلة الجبال هذه ضخمة جدًا (من الناحية الرياضية)، بحيث لا يمكن لأي حاسوب فحص كل بقعة فيها. الأمر يشبه محاولة العثور على أدنى وادٍ في قارة كاملة عبر المشي في كل إنش منها.

تقدم هذه الورقة أداة جديدة تسمى Fulqrum (اسم مستوحى من الكلمة اللاتينية "fulcrum"، والتي تعني نقطة الارتكاز أو محور الرافعة)، وهي تعمل مثل طائرة بدون طيار (درون) ذكية للغاية وعالية التقنية لاستكشاف سلسلة الجبال هذه. إليك كيف تعمل، مقسمة إلى مفاهيم بسيطة:

1. المشكلة: لغز "أكبر من أن يتسع"

تقليديًا، للعثور على أدنى نقطة، يستخدم العلماء طريقة تسمى القطر في الفضاء الجزئي الكمي (Quantum Subspace Diagonalization - QSD).

الطريقة القديمة: تخيل أنك ترسل حاسوبًا كميًا (الطائرة بدون طيار) لالتقاط صور لبعض النقاط المحددة في الضباب. ثم تعود بهذه الصور إلى حاسوب عادي لبناء خريطة.
عنق الزجاجة: المشكلة هي أنه كلما أصبح الحاسوب الكمي أكثر قوة (أي زاد عدد الـ "qubits" أو بتات المعلومات الكمية)، انفجر عدد الصور. وتتعرض ذاكرة الحاسوب العادي للارتباك والامتلاء أثناء محاولة بناء الخريطة. الأمر يشبه محاولة بناء نموذج ثلاثي الأبعاد لكوكب الأرض بأكمله باستخدام صندوق ألعاب صغير فقط؛ الصندوق ببساطة ليس كبيرًا بما يكفي. أيضًا، كانت هناك أدوات مختلفة لأنواع مختلفة من الجبال (الجزيئات مقابل المغناطيسات)، ولم تكن تلك الأدوات تتواصل مع بعضها البعض.

2. الحل: "الفرز الذكي" لـ Fulqrum

Fulqrum هو إطار عمل برمجي جديد يغير طريقة تنظيم ومعالجة هذه الصور. وهو يستخدم ثلاث حيل رئيسية:

أ. "المترجم العالمي" (الأبجدية الموسعة)

فكر في الأنظمة الكمية وكأن لها لغتين مختلفتين: لغة لـ الكيوبتات (qubits) (مثل المغناطيسات الصغيرة) ولغة لـ الفيرميونات (fermions) (مثل الإلكترونات في الجزيئات).

قبل ذلك: كنت بحتاج لمترجم للمغناطيسات ومترجم آخر للإلكترونات.
Fulqrum: ابتكر "مترجمًا عالميًا" (أبجدية موسعة). يقوم بترجمة كل شيء إلى لغة واحدة موحدة تتضمن رموزًا خاصة لـ "الإسقاط" (التحقق مما إذا كان شيء ما موجودًا) و"التدرج" (التحرك صعودًا أو هبوطًا في مستويات الطاقة). الآن، يمكن لنفس الأداة حل مشكلات كل من المغناطيسات والجزيئات دون الحاجة إلى تغيير المسار.

ب. "خزانة الملفات الذكية" (مجموعات البتات وخرائط التجزئة)

عندما تلتقط الطائرة بدون طيار الصور، فإنها تحصل على الملايين من "سلاسل البتات" (sequences of 1s and 0s).

الطريقة القديمة: كان تخزين هذه السلاسل يشبه محاولة وضع مكتبة من الكتب داخل حذاء صغير. كان عليك استخدام أرقام صحيحة قياسية، مما حد حجم المكتبة بنحو 128 كتابًا فقط.
Fulqrum: يستخدم مجموعات البتات (Bit-Sets). تخيل بدلاً من كتابة الرقم "101" على ورقة، أنك تقوم فقط بقلب مفتاح تشغيل على جدار ضخم من مفاتيح الإضاءة. هذا أمر مدمج للغاية.
خريطة التجزئة (Hash Map): للعثور على صورة معينة بسرعة، يستخدم Fulqrum خريطة تجزئة. فكر في هذا كأنه مكتبة منظمة للغاية حيث لكل كتاب رمز شريطي (باركود) فريد. بدلًا من المشي عبر كل الممرات للعثور على كتاب، يقوم أمين المكتبة (الحاسوب) بمسح الرمز الشريطي ويعرف بالضبط إلى أي رف يجب أن يذهب فورًا. هذا يسمح لـ Fulqrum بالتعامل مع جبال من البيانات التي قد تؤدي إلى تعطل البرامج الأخرى.

ج. "العامل الكسول" (التجميع والتخطي)

هذا هو الجزء الأكثر ذكاءً.

الطريقة القديمة: لمحاولة بناء الخريطة، حاول الحاسوب حساب الاتصال بين كل صورة وكل صورة أخرى. كان يقوم بالكثير من العمليات الحسابية لاتصالات تبين أنها صفر (أي لم يحدث شيء).
Fulqrum: يقوم بتجميع الصور حسب "شكلها" (رياضيًا، هيكلها غير القطري). ويدرك قائلًا: "مهلًا، هذه الـ 1,000 صورة تتصرف بنفس الطريقة". فيقوم بحساب النتيجة مرة واحدة للمجموعة بأكملة ويتخطى الباقي.
التشبيه: تخيل أنك تدهن جدارًا. الطريقة القديمة كانت تدهن كل طوبة بشكل فردي، حتى الطوب الذي هو أبيض بالفعل. Fulqrum ينظر إلى قسم، ويرى أن جميع الطوب فيه أبيض، ويقول: "تخطَّ هذا القسم بالكامل، لقد انتهى بالفعل". هذا يوفر وقتًا وطاقة هائلين.

3. النتائج: أسرع وأخف

اختبر المؤلفون Fulqrum على نوعين من المشكلات:

السلاسل المغناطيسية: محاكاة خط من المغناطيسات المتفاعلة.
الجزيئات: محاكاة غاز النيتروجين ( $N_2$ ) وثنائي الميثان ( $CH_4$ ).

النتيجة:

السرعة: كان Fulqrum أسرع بمقدار يصل إلى 10 مرات من الأدوات الموجودة.
الذاكرة: استخدم ذاكرة أقل بمقدار يصل إلى 130 مرة.
القابلية للتوسع: بينما تعطلت الأدوات الأخرى عند 128 كيوبت، يمكن لـ Fulqrum نظريًا التعامل مع الآلاف، وهو محدود فقط بالأجهزة (Hardware)، وليس بالبرمجيات.

4. خيار "بدون مصفوفة" (Matrix-Free)

أحيانًا، حتى مع الترتيب الذكي، تظل الخريطة كبيرة جدًا بحيث لا يمكن بناؤها. يحتوي Fulqrum على وضع "بدون مصفوفة".

التشبيه: بدلًا من رسم الخريطة بأكملها على الورق (مما يشغل مساحة)، يعمل Fulq vụ كجهاز تحديد مواقع (GPS). عندما يسأل الحاسوب: "ما هو الارتفاع عند النقطة X؟"، يقوم Fulqrum بحساب الإجابة في اللحظة نفسها ويعطيها لك، ثم ينساها. إنه لا يخزن الخريطة بأكملها، مما يوفر كميات هائلة من الذاكرة، رغم أنه يستغرق وقتًا أطول قليلاً لحساب كل إجابة.

ملخص

Fulqrum هو إطار عمل برمجي مرن وفائق الكفاءة يسم يسمح للعلماء بحل المشكلات الكمية المعقدة على الحواسيب التقليدية من خلال:

التحدث بلغة عالمية لجميع الأنظمة الكمية.
تنظيم البيانات بطريقة تسمح باستيعاب كميات هائلة من المعلومات في مساحات صغيرة.
تخطي الحسابات غير الضرورية عن طريق تجميع المهام المتشابهة.

إنه يشبه الانتقال من خريطة مرسومة يدويًا إلى نظام تحديد مواقع (GPS) مدعوم بالذكاء الاصطناعي عالي السرعة يمكنه التنقل في الكون الكمي بأكره دون أن ينفد منه الوقود (الذاكرة) أو يضيع (الوقت). وهذا يقربنا خطوة أخرى من استخدام الحواسيب الكمية لحل مشكلات العالم الحقيقي مثل تصميم أدوية جديدة أو مواد طاقة نظيفة.

1. بيان المشكلة

يُعد تشخيص الفضاء الجزئي الكمي (QSD) نهجاً رائداً لحل مسائل القيم الذاتية (إيجاد الحالات الأرضية والمثارة) على الحواسيب الكمية الحالية والبعيدة المدى. في عملية الـ QSD، يتم تحديد فضاء جزئي بواسطة سلاسل بت (bit-strings) يتم أخذ عينات منها من معالج كمي، ثم يتم تشخيص الهاملتوني (Hamiltonian) كلاسيكياً داخل هذا الفضاء الجزئي.

ومع ذلك، تواجه تطبيقات QSD الحالية ثلاث قيود حرجة:

الافتقار إلى التوحيد: الأدوات الحالية متخصصة في مجالات محددة؛ فحزم الكيمياء الكمية (على سبيل المثال، للأنظمة الفرميونية) لا يمكنها التعامل بسهولة مع هاملتونيات الكيوبت، والعكس صحيح، مما يتطلب غالباً سير عمل وتنسيقات بيانات منفصلة.
حدود القابلية للتوسع: تقتصر العديد من الحلول الحالية على $\le 128$ كيوبت بسبب الاعتماد على أنواع البيانات الصحيحة القياسية لتمثيل سلاسل البت، وهو ما يفشل مع توسع الأجهزة الكمية بما يتجاوز هذا العتبة.
اختناقات الأداء: إن تحويل مؤثرات الهاملتوني وسلاسل البت إلى هياكل بيانات متوافقة مع عمليات ضرب المصفوفات المتناثرة بالمتجهات (SpMV) عالية الكفاءة هو أمر مكلف حاسوبياً. تعاني الطرق الموجودة غالباً من استهلاك عالٍ للذاكرة وبطء في وقت التشغيل عند التوسع إلى فضاءات جزئية كبيرة.

2. المنهجية: إطار عمل Fulqrum

قدم المؤلفون Fulqrum، وهو إطار عمل موحد وعالي الأداء مصمم لتوحيد عمليات QSD للكيوبت والفرميونات. تتضمن المنهجية الجوهرية ثلاثة مكونات رئيسية:

أ. أبجدية المؤثرات الموسعة والتمثيل الموحد

بدلاً من تفكيك جميع المؤثرات إلى سلاسل باولي القياسية ( $X, Y, Z, I$ )، يستخدم Fulqrum أبجدية موسعة تتضمن مؤثرات الإسقاط ( $\hat{0}, \hat{1}$ ) ومؤثرات السلم ( $\hat{a}^-, \hat{a}^+$ ).

رسم الخرائط من الفرميون إلى الكيوبت: يتم تحويل الهاملتونيات الفرميونية إلى هاملتونيات كيوبت باستخدام تحويل جوردان-ويجنر (JW) الموسع. وخلافاً لتحويل JW القياسي، الذي يفكك مؤثرات السلم إلى سلاسل باولي طويلة، يقوم هذا الأسلوب برسم خرائطها مباشرة إلى مؤثرات الإسقاط والسلم.
تجميع المؤثرات: يتم فرز وتجميع حدود الهاملتوني بناءً على هيكلها غير القطري (مجموعة المؤشرات التي تعمل عليها المؤثرات غير المحايدة).
- تُجمع الحدود التي تشترك في نفس الهيكل غير القطري معاً.
- بالنسبة للأنظمة الفرميونية، تُفرز المجموعات أيضاً حسب "عدد السلم الصحيح" المستمد من التمثيل الثنائي لمؤثرات السلم.
- الفائدة: يسمح هذا لإطار العمل بتقييم عناصر المصفوفة فقط للمصطلحات غير الصفرية. إذا لم يتطابق عدد السلم الصحيح للمجموعة مع سلسلة بت الصف، يتم تخطي المجموعة بأكملة، مما يقلل التقييمات بشكل كبير.

ب. هياكل بيانات الفضاء الجزئي

للتعامل مع سلاسل البت دون قيود الأعداد الصحيحة:

مجموعات البت (Bit-Sets): تُخزن الفضاءات الجزئية كمجموعات من كائنات boost::dynamic_bitset بدلاً من الأعداد الصحيحة، مما يزيل حد الـ 128 كيوبت ويسمح بأحجام أنظمة تعسفية.
تحسين جدول التجزئة (Hash Map): يتم تخزين الفضاء الجزئي في emhash8::HashMap مخصص.
- الوصول المتوازي: بخلاف جداول التجزئة القياسية في C++، يسمح هذا الهيكل بالتكرار المتوازي عبر المفاتيح (bit-sets) باستخدام OpenMP.
- مجموعة بت إشغال الحوض (Bucket Occupancy Bit-Set): يستخدم تحسين مخصص مجموعة بت لتتبع إشغال الحوض، مما يسمح للخوارزمية برفض الحوض الفارغ بسرعة أثناء عمليات البحث، مما يحسن معدلات إصابة الذاكرة المخبئية (cache hit rates) وسرعة البحث بشكل كبير.

ج. تقييم المصفوفة و SpMV

يقوم Fulqrum بإنشاء تمثيلات مصفوفة متناثرة (تنسيق CSR) أو يدعم عملية SpMV بدون مصفوفة (matrix-free):

التقييم المجموعي: يتم حساب عناصر المصفوفة مجموعة بمجموعة. بالنسبة لسلسلة بت صف معين، يحسب إطار العمل سلسلة بت العمود المحتملة؛ إذا كانت موجودة في الفضاء الجزئي، يتم حساب عنصر المصفوفة؛ وإلا، فيكون صفراً.
تحسين المثلث السفلي/العلوي: من خلال فرز سلاسل البت حسب القيمة الصحيحة وفحص البت غير القطري الأكثر أهمية (MSOB)، يمكن لإطار العمل تحديد ما إذا كان عنصر المصفوفة يقع في المثلث السفلي أو العلوي دون الحاجة لحساب سلسلة بت العمود أولاً. هذا يقلل عدد التقييلات المطلوبة إلى النصف.
بناء سريع لـ CSR: يقوم الوضع "السريع" ببناء هيكل يشبه CSR مؤقتاً في تمريرة واحدة باستخدام ناقلات ديناميكية، والتي يتم تحويلها بعد ذلك إلى مصفوفة CSR قياسية. هذا يضحي بقدر ضئيل من الذاكرة مقابل تسريع كبير في وقت البناء.
خوارزمية RAMPS (الخوارزمية التكرارية للفضاءات ذات الاضطراب الأدنى): خطوة معالجة مسبقة لتقليم الفضاء الجزئي. تقوم بإضافة سلاسل البت التي تزيح الطاقة المستهدفة اضطرابياً بما يتجاوز حداً معيناً يحدده المستخدم فقط، مما يزيل سلاسل البت "غير الضرورية" التي لا تؤثر على الطاقة الذاتية النهائية.

3. المساهمات الرئيسية

إطار عمل موحد: يتعامل كود برمجي واحد مع كل من أنظمة الكيوبت والفرميونات عبر الاستفيد من أبجدية المؤثرات الموسعة وتحويل JW، مما يلغي الحاجة إلى حلول منفصلة.
قابلية توسع غير محدودة للكيوبت: باستخدام مجموعات البت بدلاً من الأعداد الصحيحة، يدعم إطار العمل أنظمة تحتوي على عدد أكبر بكثير من 128 كيوبت، مما يعالج عقبة حرجة أمام تطبيقات التفوق الكمي المستقبلية.
تحسين الأداء:
- التجميع والفرز: يقلل من عدد تقييمات عناصر المصفوفة بعدة رتب من خلال تخطي المجموعات التي لا تساهم في القيم غير الصفرية.
- كفاءة الذاكرة: تقلل جداول التجزية المحسنة وتخزين مجموعات البت من عبء الذاكرة.
- التوازي: استخدام واسع لـ OpenMP لموازاة معالجة سلاسل البت وبناء المصفوفات.
المرونة: لا يقوم إطار العمل بعملية إيجاد القيم الذاتية بنفسه، بل يولد هياكل بيانات متوافقة مع مجموعة واسعة من الحلول الكلاسيكية (مثل ARPACK و PRIMME و SLEPc و CuPy)، مما يسمح للمستخدمين باختيار الحل الأفضل لمسألتهم الخاصة.

4. النتائج

قام المؤلفون باختبار أداء Fulqrum مقابل أدوات موجودة (qiskit-addon-sqd للكيوبتات و Dice للفرميونات) على منصتين حاسوبيتين.

أنظمة الكيوبت (سلسلة سبين هايزنبرغ):
- وقت التشغيل: كان Fulqrum أسرع بأكثر من 10 أضعاف من qiskit-addon-sqd في إسقاط هاملتونيات هايزنبرغ في الفضاء الجزئي.
- القابلية للتوسع: مع زيادة عدد الكيوبتات وسلاسل البت، اتسعت فجوة الأداء بشكل كبير.
- الذاكرة: تطلب Fulqrum ذاكرة ذروة أقل بكثير، مما مكن من حل نماذج مشكلات أكبر على أجهزة ثابتة.
الأنظمة الفرميونية (ثنائيات N2 و CH4):
- وقت التشغيل: كان Fulqrum أسرع بنسبة 34% (في حالة N2) و 9% (في حالة CH4) من Dice عند بناء مصفوفات CSR في الفضاء الجزئي الكامل.
- الذاكرة: قلل Fulqrum من استخدام ذروة الذاكرة بنسبة ~2 ضعف (N2) و ~5 أضعاف (CH4) مقارنة بـ Dice.
- تأثير RAMPS: باستخدام خوارزمية تقليم RAMPS، قلل Fulqrum من أبعاد الفضاء الجزئي بمقدار 40 ضعفاً (N2) و 39,000 ضعفاً (CH4). أدى هذا إلى تقليل الذاكرة بما يصل إلى 130 ضعفاً مقارنة بـ Dice.
- وضع المصفوفة بدون مصفوفة (Matrix-Free): رغم أنه أبطأ في وقت التشغيل، إلا أن وضع المصفوفة بدون مصفوفة قلل من استهلاك الذاكرة بنسبة ~94 ضعفاً (N2) و ~172 ضعفاً مقارنة بطرق CSR، مما جعل حسابات الفضاء الجزئي الكامل ممكنة على أجهزة اللابتوب الشخصية.

5. الأهمية

يوفر هذا العمل طبقة بنية تحتية حاسمة لـ التفوق الكمي.

سد الفجوة: يتيح التنفيذ العملي لـ QSD على الأجهزة الحالية عن طريق إدارة المعالجة الكلاسيكية اللاحقة للعينات الكمية بكفاءة، والتي غالباً ما تكون هي العائق.
القابلية للتوسع: من خلال إزالة حد الـ 128 كيوبت، يهيئ إطار العمل البرمجي الكلاسيدي للجيل القادم من الأجهزة الكمية.
سهولة الوصول: إطار العمل مفتوح المصدر، مكتوب بلغات C++/Python، وسهل التثبيت، مما يخفض حاجز الدخول للباحثين مقارنة بالأدوات المعقدة والمتخصصة مثل Dice.
الآفاق المستقبلية: يشير المؤلفون إلى أنه على الرغم من أن النسخة الحالية عالية الأداء، إلا أنه يمكن تحقيق مكاسب إضافية عبر دعم MPI وإعادة صياغة الكود بلغة C++. يعمل إطار العمل كواجهة مرنة لاختبار ما إذا كانت تطبيقات QSD يمكن أن تقدم تفوقاً كمياً ملموساً في الفيزياء المكثفة والكيمياء الكمية.