⚛️ quantum physics

Utility of NISQ devices: optimizing experimental parameters for the fabrication of Au atomic junction using gate-based quantum computers

تُظهر هذه الدراسة أن أجهزة الحوسبة الكمومية ذات البوابات المنطقية (NISQ) تتفوق على أجهزة التلدين الكمي من نوع (D-Wave) في التحسين الذاتي للمعلمات التجريبية لتصنيع الوصلات الذرية للذهب عبر الهجرة الكهربائية المتحكم بها بالتغذية الراجعة، محققةً طاقات متبقية أقل وحلولاً أعلى جودة للمشكلات التوافقية واسعة النطاق.

المؤلفون الأصليون: Takumi Kanezashi, Daisuke Tsukayama, Jun-ichi Shirakashi, Tetsuo Shibuya, Hiroshi Imai

نُشر 2026-04-15

📖 4 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Takumi Kanezashi, Daisuke Tsukayama, Jun-ichi Shirakashi, Tetsuo Shibuya, Hiroshi Imai

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

الصورة الكبيرة: ضبط راديو باستخدام راديو كمي

تخيل أنك تحاول بناء جسر مجهري ضئيل جداً مكون من ذرة ذهب واحدة. هذا ليس مجرد جسر للسيارات؛ بل هو جسر للإلكترونات. يطلق العلماء على هذا الاسم وصلة ذرية (Atomic Junction).

لبناء هذا الجسر، يستخدمون عملية تسمى الترحيل الكهربائي (Electromigration). فكر في الأمر كأنها رياح قوية (تيار كهربائي) تهب عبر أخدود ضيق (سلك ذهبي). الرياح تدفع الصخور (ذرات الذهب) بعيداً. إذا كانت الرياح قوية جداً، ينهار الأخدود. وإذا كانت ضعيفة جداً، لن تتحرك الصخور.

الهدف هو هبوب القدر المناسب من الرياح لتحريك الصخور واحدة تلو الأخرى، لإنشاء فجوة مثالية وصغيرة. وللقيام بذلك، يتعين على العلماء ضبط "سرعة الرياح" (الجهد الكهربائي) باستمرار بناءً على كيفية تحرك الصخور. وهذا ما يسمى الترحيل الكهربائي المتحكم فيه بالتغذية الراجعة (FCE).

المشكلة: الكثير من المقابض لتدويرها

الجزء الصعب هو أن هناك العشرات من "المقابض" التي يجب تدويرها (مثل مستويات الجهد، وحجم الخطوات، والتوقيت). إن العثور على التسلسل المثالي لتدوير المقابض لبناء الجسر يشبه محاولة حل لغز ثلاثي الأبعاد ضخم وأنت معصوب العينين.

في الماضي، استخدم العلماء:

التخمين البشري: بطيء وعرضة للخطأ.
تعلم الآلة: يتحسن، لكنه لا يزال يستهلك قدرة حوسبة كبيرة.
الملدنات الكمية (D-Wave): نوع خاص من الحواسيب الكمية يعمل مثل "صاروخ بحث عن الحرارة" للوصول إلى الحلول. إنه يعمل بشكل جيد، لكنه يشبه محاولة وضع وتد مربع في ثقب مستدير؛ فهو يتطلب الكثير من القطع "المساعدة" الإضافية ليعمل، مما يؤدي إلى الضجيج والأخطاء.

الحل الجديد: الحاسوب الكمي القائم على البوابات (Gate-Based)

يسأل هذا البحث: هل يمكننا استخدام نوع مختلف من الحواسيب الكمية (يسمى جهاز NISQ القائم على البوابات) لحل هذا اللغز بشكل أسرع وأفضل؟

فكر في الحاسوب القائم على البوابات (مثل آلات IBM المستخدمة هنا) كأنه قائد أوركسترا ماهر للغاية، وإن كان متعباً قليلاً. هو لا يكتفي فقط بـ "البحث عن الحرارة" للوصول إلى حل، بل يقود سيمفونية من الحسابات للعثور على المسار الأفضل.

كيف فعلوا ذلك:

قاعدة البيانات: أجروا آلاف التجارب لإنشاء "كتاب وصفات" لما يحدث عندما تدير المقابض بطرق مختلفة.
اللغز: حولوا مشكلة "أي مقبض يجب تدويره تالياً" إلى مسألة رياضية تسمى مشكلة التحسين التوافقي (Combinatorial Optimization Problem).
- التشبيه: تخيل أنك دليل سياحي تخطط لرحلة إلى 10 مدن. تريد زيارتها بترتيب يقلل من وقت السفر. هذه هي "مسألة البائع المتجول" الشهيرة. هنا، "المدن" هي إعدادات الجهد، و"وقت السفر" هو مدى جودة حركة ذرات الذهب.
الخوارزمية: استخدموا طريقة تسمى VQE (المحلل الكمي المتغير للقيم الذاتية).
- التشبيه: تخيل أنك تحاول العثادة على أعمق نقطة في وادي ضبابي. ترسل طائرة بدون طيار (حاسوب كمي) تتنقل وتقيس الأرض. ثم يخبر الكمبيوتر الموجود على الأرض: "اتجه يساراً، أنت تقترب من القاع". ويكررون ذلك حتى تجد الطائرة أعمق نقطة (أفضل حل).

النتائج: الجديد في الساحة هو الفائز

قارن الباحثون بين حواسيبهم الكمية الجديدة القائمة على البوابات (معالجات "Eagle" من IBM) وبين الملدنات الكمية القديمة (D-Wave) والحواسيب الفائقة القياسية.

إليكم ما وجدوه:

مشكلة "المساعدين": كانت الملدنات الكمية القديمة تحتاج إلى فريق ضخم من "المساعدين" (الكيوبتات الفيزيائية) لتمثيل قطعة واحدة فقط من اللغز. كان الأمر يشبه الحاجة إلى 5 أشخاص لحمل حقيبة واحدة فقط. تسبب هذا في الكثير من الضجيج والأخطاء.
الفوز بالكفاءة: كانت الحواسب القائمة على البوابات أكثر كفاءة بكثير. فقد احتاجوا بالضبط إلى شخص واحد لكل حقيبة. ولأنهم لم يحتاجوا إلى الكثير من المساعدين، ارتكبوا أخطاء أقل.
النتيجة: بالنسبة للألغاز الصغيرة، كان الجميع يؤدي بشكل جيد. ولكن مع زيادة حجم الألغاز (زيادة التعقيد)، وجدت الحواسيب الكمية القائمة على البوابات حلولاً أفضل وأكثر دقة من الملدنات. لقد وجدوا "طاقة متبقية أقل"، وهي مجرد طريقة منمقة للقول إنهم وجدوا حلاً أقرب إلى الإجابة المثالية.

لماذا يهم هذا الأمر

هذا البحث أمر بالغ الأهمية لأنه يثبت أن الحواسيب الكمية الحالية غير المثالية (NISQ) قادرة بالفعل على حل مشكلات علمية حقيقية ومعقدة.

قبل: كنا نعتقد أننا بحاجة إلى حواسيب كمية مثالية وخالية من الأخطاء للقيام بعمل مفيد.
الآن: نحن نعلم أنه حتى مع الأجهزة "المزعجة" الحالية، يمكننا استخدام هذه الآلات لتحسين التجارب المعقدة، مثل بناء الإلكترونيات ذات المقياس الذري.

الخلاصة

تخيل أنك تحاول التنقل في متاهة.

الحواسيب التقليدية تشبه شخصاً يمشي في كل مسار حتى يجد المخرج.
الملدنات الكمية القديمة تشبه صاروخاً يبحث عن الحرارة يطير نحو المخرج ولكنه يصطدم بالجدرات أحياناً لأنه يحتاج إلى الكثير من الوقود.
الحواسيب الكمية الجديدة القائمة على البوابات تشبه طائرة بدون طيار ذكية تتعلم الخريطة أثناء طيرانها. ورغم أن الطائرة مهتزة قليلاً (بسبب الضجيج)، إلا أنها استطاعت اجتياز المتاهة بشكل أسرع وأكثر دقة من الصاروخ.

تظهر هذه الدراسة أننا مستعدون لاستخدام هذه "الطائرات المهتزة" لبناء الجيل القادم من التكنولوجيا المجهرية، من الحواسيب فائقة السرعة إلى المستشعرات فائقة الحساسية.

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "جدوى أجهزة NISQ: تحسين المعلمات التجريبية لتصنيع الوصلات الذرية للذهب باستخدام الحواسيب الكمومية القائمة على البوابات (Gate-based)."

1. بيان المشكلة

يتطلب تصنيع الوصلات الذرية للذهب (Au) عبر التحكم في التوصيل الكهربائي بالتحكم في التغذية الراجعة (FCE) تنظيمًا دقيقًا لعملية الهجرة الذرية. تعتمد هذه العملية على التحسين والجدولة الدقيقة لعدة معلمات تجريبية، وتحديدًا:

جهد التغذية الراجعة ( $V_{FB}$ )
عتبة الموصلية التفاضلية ( $G_{TH}$ )
حجم خطوة الجهد ( $V_{STEP}$ )

إن الضبط اليدوي لهذه المعلمات غير فعال ويشكل تحديًا كبيرًا. وبينما استخدمت الدراسات السابقة التعلم الآلي، والحوسبة الإيزينجية (Ising computing)، والتلدين الكمومي (QA) (تحديدًا أنظمة D-Wave) لأتمتة هذه الجدولة، إلا أن هذه الأساليب تواجه قيودًا. فأنظمة التلدين الكمومي (QA) تتطلب غالبًا "الدمج الثانوي" (minor embedding)، حيث يتم رسم خرائط الكيوبتات المنطقية إلى سلاسل من الكيوبتات الفيزيائية، مما يزيد بشكل كبير من متطلبات الموارد العتادية والتعرض للضجيج (انكسار السلاسل) مع زيادة حجم المشكلة.

تتمثل المشكلة الجوهرية التي تعالجها الدراسة في ما إذا كانت أجهزة NISQ (الكمومية ذات المقياس المتوسط المشوبة بالضجيج) القائمة على البوابات يمكنها تحسين معلمات FCE ذاتيًا بشكل أكثر فعالية من أنظمة QA الحالية، لا سيما لمشكلات التحسين التوليفي واسعة النطاق.

2. المنهجية

أ. صياغة المشكلة

قام المؤلفون بصياغة جدولة معلمات $V_{FB}$ كـ مشكلة تحسين توليفي تشبه مشكلة البائع المتجول (TSP)، ولكن مع قيود مخففة (يُسمح بتكرار المعلمات).

الهدف: تعظيم "الدرجة" ( $S_{max}$ ) التي تمثل استقرار الموصلية الموحدة ( $G/G_0$ ) وسلاسة الهجرة الذرية.
دالة التكلفة: تم إسقاط المشكلة على هاميلتوني (Hamiltonian) $H$ $H$ ليتم تقليله:
$E(x) = A \sum_n \left( \sum_i x_{n,i} - 1 \right)^2 - B \sum_n \sum_i \sum_j W_{ij} x_{n,i} x_{n+1,j}$
حيث:
- $x_{n,i}$ هو متغير ثنائي يشير إلى ما إذا كان مستوى الجهد $i$ قد تم اختياره في الخطوة $n$ .
- $W_{ij}$ يمثل معامل التفاعل (درجة الانتقال) بين مستويات الجهد المستمدة من البيانات التجريبية.
- الحد الأول يفرض قيد الترميز أحادي الساخن (one-hot encoding) (جهد واحد لكل خطوة).
- الحد الثاني يعظم درجة الانتقال.

ب. الخوارزمية الكمومية

استخدمت الدراسة الخوارزميات الكمومية المتغيرة (VQAs)، وتحديدًا المحلل الذاتي الكمومي المتغير (VQE)، لإيجاد الحالة الأرضية لدالة التكلفة.

المنهج (Ansatz): تم اختيار منهج (Ansatz) فعال عتاديًا يستخدم فقط بوابات $R_Y$ . وقد تم اختيار هذا النهج لتقليل عمق الدائرة وعدد معلمات التحسين، مما يخفف من الأخطاء المرتبطة بأوقات التماسك المحدودة ودقة البوابات في أجهزة NISQ.
حلقة التحسين: يقوم مُحسن كلاسيكي (NFT) بتحديث المعلمات $\theta$ بشكل تكراري لتقليل القيمة المتوقعة $\langle \psi(\theta) | H | \psi(\theta) \rangle$ .

ج. الإعداد التجريبي

مصدر البيانات: تم استخدام قاعدة بيانات مكونة من 50 مجموعة بيانات تجريبية لـ FCE لحساب معاملات التفاعل ( $W_{ij}$ ).
العتاد (Hardware):
- أجهزة NISQ القائمة على البوابات: معالجات IBM Eagle (ibm_nazca و ibm_brussels، 127 كيوبت).
- التلدين الكمومي (QA): D-Wave 2000Q، وD-Wave Advantage، وD-Wave Advantage2.
- الأساس الكلاسيكي (Baseline): التلدين المحاكى (SA) ومحاكي كمي خالٍ من الضجيج (aer_simulator_matrix_product_state).
النطاق: مشكلات تتراوح من $N=2$ إلى $N=10$ رتب (خطوات الجدولة)، وهو ما يقابل 18 إلى 90 كيوبت منطقي.

3. المساهمات الرئيسية

أول تطبيق لتقنية NISQ القائمة على البوابات في مجال FCE: تُظهر الدراسة جدوى استخدام الحواسيب الكمومية القائمة على البوابات لجدولة المعلمات التجريبية ذاتيًا لتصنيع الوصلات الذرية.
التفوق على QA للمشكلات واسعة النطاق: تقدم الورقة دليلًا تجريبيًا على أن أجهزة NISQ القائمة على البوابات تتفوق على أنظمة D-Wave QA للقيم الأكبر من المشكلة ( $N \geq 5$ )، رغم وجود الضجيج.
التحقق من المنهج (Ansatz) الفعال عتاديًا: تثبت الدراسة أن منهجًا بسيطًا يعتمد فقط على $R_Y$ كافٍ لأجهزة NISQ لحل مشكلات التحسين المعقدة في العالم الحقيقي، مما يقلل من الأعباء المرتبطة بتصحيح الأخطاء وعمق الدائرة.
تحليل كفاءة الموارد: تسلط الدراسة الضوء على أن الأجهزة القائمة على البوابات تتطلب نسبة 1:1 من الكيوبتات المنطقية إلى الفيزيائية، بينما تتطلب أنظمة QA ما بين 2.3 إلى 9.4 ضعف عدد الكيوبتات الفيزيائية بسبب الدمج الثانوي، مما يجعل النهج القائم على البوابات أكثر قابلية للتوسع لهذا النوع من المشكلات.

4. النتائج

الطاقة المتبقية ( $E_{res}$ ):
- تم قياس الطاقة المتبقية (الفرق بين حل الطاقة الموجود وطاقة التلدين المحاكى المثلى).
- حققت الأجهزة القائمة على البوابات (ibm_brussels, ibm_nazca) طاقات متبقية أقل من جميع خلفيات D-Wave QA لـ $N \geq 5$ .
- أدى ibm_brussels أداءً استثنائيًا، حيث حقق طاقات متبقية مقاربة للمحاكي الخالي من الضجيج لـ $N \leq 4$ (36 كيوبت)، ويُعزى ذلك إلى انخفاض أخطاء القراءة وتحسين الدائرة.
جودة الحل ( $S_{max}$ ):
- تم تقييم جودة الجداول المولدة باستخدام مقياس $S_{max}$ .
- بالنسبة لـ $N \leq 4$ ، طابقت الأجهزة القائمة على البوابات أداء QA وSA.
- بالنسبة لـ $N \geq 5$ ، أنتجت الأجهزة القائمة على البوابات جداول ذات قيم $S_{max}$ أعلى من أنظمة QA.
- النماذج التي ولّدتها أجهزة NISQ تشبه إلى حد كبير الأنماط التكرارية "20% و60%" المعروفة بقدرتها العالية على التحكم الذري، مما يؤكد فائدتها العملية.
القابلية للتوسع (Scalability): مع زيادة حجم المشكلة، تدهور أداء QA بشكل كبير بسبب انكسار السلاسل في الدمج الثانوي. حافظت الأجهزة القائمة على البوابات على جودة حل عالية لأنها لا تتطلب سلاسل دمج.

5. الأهمية والخاتمة

تعد هذه الدراسة تقدمًا حاسمًا في التطبيق العملي للحوسبة الكمومية في التصنيع النانوي. فهي تثبت أن أجهزة NISQ القائمة على البوابات ليست قابلة للتطبيق فحسب، بل قد تكون متفوقة على الملدنات الكمومية (Quantum Annealers) لمهام تحسين معينة تتضمن بيانات تجريبية من العالم الحقيقي.

الأثر العملي: إن القدرة على تحسين معلمات FCE ذاتيًا باستخدام أجهزة NISC تتيح تصنيعًا أكثر موثوقية ودقة لترانزستورات الإلكترون الواحد، وترانزستورات الجزيء الواحد، والكيوبتات فائقة التوصيل.
الرؤية التكنولوجية: تتحدى النتائج الافتراض القائل بأن QA هو الخيار الافتراضي للتحسين؛ فبالنسبة للمشكلات التي يكون فيها الدمج الثانوي مكلفًا، توفر النهج القائمة على البوابات مع المناهج (ansatzes) الفعالة مسارًا أكثر قوة على العتاد الحالي.
الاتجاهات المستقبلية: يشير المؤلفون إلى أنه يمكن تحقيق تحسينات إضافية من خلال تقنيات تخفيف خطأ القراءة (مثل mthree) والخوارزميات المتقدمة مثل CVaR-VQE، والتي يمكن أن تقلل من الطاقة المتبقية وتثبت الحلول لنطاقات أكبر بكثير.

باختًا، تثبت الورقة أن أجهزة NISQ الحالية يمكنها بفعالية حل مشكلات التحسين التوليفي المعقدة في العالم الحقيقي في مجال التكنولوجيا النانوية، متفوقة على حلول التلدين الكمومي الراسخة من حيث جودة الحل وكفاءة الموارد للمشكلات ذات النطاقات الأكبر.