⚛️ quantum physics

Ground-state energies of Ising models calculated using the samples from a quantum computer that simulates short-time evolution

توضح هذه الورقة البحثية حساب طاقات الحالة الأرضية لنماذج "إيسينج" المتجانسة وذات الاقتران العشوائي على ما يصل إلى 63 كيوبت باستخدام خوارزمية "المحلل الذاتي الكمي المتغير المتتالي" مع "مخطط التشكيل الموجه بالعينات"، مما يحدد حدود الخطأ ورؤى الأداء لجدوى الحوسبة الكمية في العصر الحالي على بنيات شبكة "هيفي-هيكس".

المؤلفون الأصليون: John P. T. Stenger, C. Stephen Hellberg, Daniel Gunlycke

نُشر 2026-04-29

📖 4 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: John P. T. Stenger, C. Stephen Hellberg, Daniel Gunlycke

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. هذه "أدنى نقطة" تمثل الحالة الأكثر استقرارًا وهدوءًا لنظام معقد (في هذه الحالة، مادة مغناطيسية تسمى نموذج إيزينج - Ising model). على جهاز كمبيوتر كلاسيكي، محاولة رسم خريطة لكل وادٍ وقمة في سلسلة جبال ضخمة تشبه محاولة عد كل حبة رمل على الشاطئ؛ الأمر يستغرق وقتًا طويلاً وهو مستحيل عمليًا.

يصف هذا البحث تجربة استخدم فيها الباحثون كمبيوترًا كموميًا للمساعدة في العثور على تلك النقطة الأدنى، ولكن مع لمسة مختلفة: لم ينتظروا حتى يصبح الكمبيوتر مثاليًا، بل استخدموا نهج "الجيد بما يك{في}" الذي يعمل حتى عندما يكون الكمبيوتر مليئًا بالضجيج والأخطاء.

إليك تفصيل لطريقتهم ونتائجهم باستخدام تشبيهات من الحياة اليومية:

المشكلة: الجبل الضبابي

يدرس الباحثون نوعًا معينًا من الأنظمة المغناطيسية (نموذج إيزينج). يريدون معرفة "طاقة الحالة الأرضية" لهذا النظام، وهي مجرد طريقة منمقة لقول: ما هو الترتيب الأكثر استرخاءً والأقل طاقة لهذه المغناطيسات (السبينات)؟

بالنسب بالنسبة للأنظمة الكبيرة، تضيع أجهزة الكمبيوتر الكلاسيكية في الضباب. لا يمكنهم حساب الإجابة لأن الاحتمالات كثيرة جدًا.

الحل: رحلة مشي موجهة (خوارزمية CVQE)

بدلاً من محاولة حل الجبل بأكمله دفعة واحدة، استخدم الباحثون طريقة تسمى المحلل الكمومي المتغير المتتالي (CVQE) مع منهج أخذ العينات الموجه (GSA).

فكر في الأمر كما يلي:

الرحلة القصيرة: تخيل أنك معصوب العينين وأُلقي بك في جبل. لا يمكنك رؤية القاع. لذا، تقوم بمشي قصير وسريع (تطور زمني قصير) في اتجاه معين. أنت لا تصل إلى القاع، لكنك تنتهي في وادٍ هو أقل ارتفاعًا مما بدأت منه.
العينة: تأخذ لقطة لمكان انتهيت إليه. تقوم بهذا الأمر مرات عديدة (1,000 مرة، في تجربتهم).
الخريطة: تعطي كل هذه اللقطات لجهاز كمبيوتر كلاسيكي (لابتوب عادي). ينظر اللابتوب إلى جميع المواقع التي زرتها ويقول: "حسنًا، إذا دمجنا كل هذه المواقع المحددة، يمكننا بناء خريطة صغيرة ومفصلة لأكثر الوديان واعدة".
الحساب: يقوم الكمبيوتر الكلاسيكي بحل الرياضيات لذلك الجزء الصغير من الخريطة فقط للعثور على النقطة الأدنى الحقيقية.

جزء "أخذ العينات الموجه" هو المفتاح. فالكمبيوتر الكمومي لا يخمن عشوائيًا فحسب؛ بل يقوم بمشي قصير وسريع لـ "توجيه" البحث نحو المنطقة الصحيحة، مما يؤدي إلى تصفية الأجزاء غير المفيدة من الجبل.

التجربة: ملعب "Heavy-Hex" الخاص بـ IBM

استخدم الباحثون كمبيوترًا كموميًا من IBM يسمى Torino. لهذا الكمبيوتر تخطيط محدد للكيوبتات (البتات الكمومية) يشبه شبكة سداسية ثقيلة (heavy-hex lattice) (نمط من السداسيات المتصلة). لقد رسموا مشكلتهم المغناطيسية مباشرة على هذا الشكل ليتعامل معها الكمبيوتر بكفاءة.

اختبروا نوعين من الأنظمة المغناطيسية:

متجانسة (Homogeneous): حيث تتفاعل جميع المغناطيسات مع بعضها البعض بنفس الطريقة تمامًا (مثل غابة منتظمة تمامًا).
ارتباط عشوائي (Random-Coupling): حيث تكون التفاعلات عشوائية وفوضوية (مثل غابة حيث بعض الأشجار متشابكة، وبعضها بعيد عن بعضه، والرياح تهب بشكل مختلف في كل مكان). هذا النوع أصعب في الحل ويشبه "زجاج المغزل" (spin glass).

اختبروا أنظمة تصل إلى 63 كيوبت (سبينات).

النتائج: متى يفوز الضباب؟

وجد الباحثون أن هذه الطريقة تعمل بشكل جيد، ولكن هناك حد لها.

النقطة المثالية: بالنسبة للأنظمة الأصغر والتفاعلات المغناطيسية الأضعف، نجح الكمبيوتر الكمومي في توجيههم نحو إجابة دقيقة للغاية.
نقطة الانكسار: مع زيادة حجم النظام (المزيد من الكيوبتات) أو قوة التفاعلات المغناطيسية، بدأ "الضجيج" (الأخطاء) في طمس الإشارة. الأمر يشبه محاولة سماع همس وسط إعصار؛ في النهاية، لن تتمكن من معرفة ما إذا كنت في وادٍ أم مجرد منحدر عاصف.

لقد اكتشفوا "حدًا" حيث يتوقف الكمبيوتر الكمومي عن كونه مفيدًا. إذا كان النظام كبيرًا جدًا أو معقدًا للغاية، فإن الأخطاء تجعل الإجابة غير موثوقة.

"درجة المعلومات" (كيف نعرف أنها صحيحة؟)

أحد أذكى أجزاء الورقة البحثية هو كيف تحققوا مما إذا كانت إجابتهم جيدة دون معرفة الإجابة مسبقًا.

لقد أنشأوا "نسبة معلومات" (Information Ratio):

تخيل أن الكمبيوتر الكمومي هو محقق يجمع الأدلة (عينات).
وتخيل أن الكمبيوتر الكلاسيكي هو المحقق الذي يحاول حل القضية باستخدام هذه الأدلة.
إذا جمع المحقق أدلة أكثر مما هو مطلوب فعليًا لحل القضية، فإنه يثق في أن لديه الإجابة الصحيحة.
إذا جمع المحقق أدلة أقل مما هو مطلوب، فهو مجرد يخمن.

وجدوا أنه عندما كانت "نسبة المعلومات" لديهم موجبة، فمن المرجح أن تكون الإجابة صحيحة. وعندما انخفضت تحت الصفر، كانت الأخطاء الكمومية قد سيطرت، وأصبحت النتيجة غير موثوقة.

الخلاصة الكبرى

تخلص الورقة البحثية إلى أن نماذج إيزينج هي مرشح مثالي لأجهزة الكمبيوتر الكمومية "المزعجة" (التي بها ضجيج) اليوم.

على الرغم من أن الكمبيوترات الكمومية ليست مثالية بعد، إلا أن الرياضيات وراء هذه النماذج المغناطيسية بسيطة بما يكفي لتجعل طريقة "المشي القصير" تعمل. عدد الأدلة (العينات) المطلوبة للعثور على الإجابة لا ينفجر بشكل أسي مع زيادة حجم النظام، بل ينمو ببطء. هذا يشير إلى أنه يمكننا استخدام الكمبيوترات الكمومية الحالية، غير المثالية، لحل مشكلات فيزيائية مستحيلة على الكمبيوترات الكلاسيكية، وتحديدًا لفهم المواد المغناطيسية وزجاج المغزل.

باختًا: لقد علموا كمبيوترًا كموميًا "مزعجًا" كيفية اتخاذ خطوات سريعة للعثور على الحي الصحيح، ثم استخدموا كمبيوترًا عاديًا للعثور على المنزل بدقة. الطريقة تعمل بشكل رائع للمشكلات متوسطة الحجم، ولكن إذا أصبح الحي ضخمًا جدًا، يصبح الضجيج صاخبًا جدًا لسماع الاتجاهات.

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "طاقات الحالة الأرضية لنماذج إيسينغ المحسوبة باستخدام عينات من حاسوب كمي يحاكي التطور قصير المدى".

1. بيان المشكلة

تتناول الورقة البحثية تحدي حساب طاقات الحالة الأرضية لـ نموذج إيسينغ ذو المجال المستعرض (Transverse-Field Ising Model) على الحواسيب الكمية القريبة من المدى (أجهزة NISQ).

التحدي: تتطلب العديد من الخوارزميات الكمية أزمنة تماسك طويلة ودوائر عميقة، وهو أمر غير ممكن حالياً بسبب الضجيج وفقدان التماسك.
الهدف المحدد: تحديد ما إذا كان يمكن استخدام محاكاة التطور قصير المدى بفعالية لبناء "أنزاتس" (ansatz) لإيجاد طاقات الحالة الأرضية، وتحديداً للأنظمة التي تصل إلى 63 كيوبت.
السياق: يهدف المؤلفون إلى العمل في نظام "المنفعة الكمية" (quantum utility)، حيث يمكن للحواسيب الكمية حل مشكلات تكون مستعصية كلاسيكياً (أو يصعب تقريبها دون استدلالات محددة) ولكنها لا تتطلب بعدُ قدرة كاملة على تصحيح الأخطاء. وقد ركزوا على النماذج المتجانسة ونماذج الاقتران العشوائي (الزجاج المغناطيسي/spin-glass) على شبكة heavy-hex، بما يتوافق مع بنية معالجات IBM الكمية.

2. المنهجية

يستخدم المؤلفون نهجاً هجيناً بين الكمي والكلاسيكي يجمع بين المحلل الكمي المتغير المتتالي (Cascaded Variational Quantum Eigensolver - CVQE) وأنزاتس أخذ العينات الموجه (Guided-Sampling Ansatz - GSA).

أ. التطور قصير المدى (التحضير غير الأديباتي/Diabatic Preparation)

بدلاً من التطور الأديباتي البطيء (الذي يتطلب أزمنة تماسك طويلة)، يستخدم المؤلفون التطور قصير المدى ( $T \sim \Delta t$ ).

الهاملتوني (Hamiltonian): يعرفون هاملتونياً يعتمد على الزمن $\hat{H}(t)$ حيث تتدرج قوة الاقتران $\Omega_{ij}(t)$ من 0 إلى $J_{ij}$ عبر الزمن $T$ .
تفكيك تروتر-سوزوكي (Trotter-Suzuki Decomposition): يتم تقريب مؤثر التطور باستخدام تفكيك تروتر خطوة واحدة (أو خطوات قليلة).
الآلية: حتى لو لم يكن التطور أديباتياً بشكل مثالي، فإن التطور قصير المدى يعمل كمرشح (filter)؛ فهو يقلل بشكل أسي من الحالات عالية الطاقة خارج نافذة $\Delta E \sim 1/\Delta t$ ، مما يوجه النظام نحو فضاء فرعي يحتوي على الحالة الأرضية.

ب. أنزاتس أخذ العينات الموجه (GSA)

يُستخدم الحاسوب الكمي لتوليد "حالة موجهة" بدلاً من الحل النهائي مباشرة.

أخذ العينات (Sampling): يقوم الحاسوب الكمي بتشغيل دائرة التطور قصير المدى ويجري $N_S$ من عمليات القياس للحصول على حالات القاعدة $|\Phi_s\rangle$ .
بناء الفضاء الفرعي (Subspace Construction): تشكل هذه الحالات المقاسة مجموعة $B$ . ثم يقوم المؤلفون ببناء فضاء فرعي أكبر $B_1$ عن طريق تطبيق الهاملتوني $\hat{H}$ على كل حالة في $B$ لمرة واحدة (أي $B_1 = \{ \hat{H}|\Phi_s\rangle \}$ ).
القطرية الكلاسيكية (Classical Diagonalization): يتم إسقاط الهاملتوني على هذا الفضاء الفرعي $B_1$ لتكوين مصفوفة $\hat{H}^{(1)}$ . يتم قطرية هذه المصفوفة على حاسوب كلاسيكي لإيجاد أدنى قيمة ذاتية (طاقة الحالة الأرضية الفعالة).
الكفاءة: تعتمد الطريقة على حقيقة أن حجم الفضاء الفرعي $|B_1|$ ينمو بشكل دون أسي مع حجم النظام، مما يجعل القطرية الكلاسيكية ممكنة.

ج. التحليل الإنتروبي (مقياس الخطأ)

لتقييم موثوقية النتائج دون معرفة الحالة الأرضية الدقيقة، قدم المؤلفون مقياساً معلوماتياً:

إنتروبيا الضربات (Shot Entropy - $S_B$ ): تقيس المعلومات المكتسبة من القياسات الكمية.
إنتروبيا التوزيع (Distribution Entropy - $S_\Psi$ ): تقيس المعلومات المطلوبة لوصف الحالة الأرضية المنشأة.
نسبة المعلومات (Information Ratio - $R$ ): تُعرف بـ $R = \log_2 \left( \frac{I_B}{K I_\Psi} \right)$ $R = lo g_{2} (\frac{I _{B}}{K I _{Ψ}})$ ، حيث $I_B$ $I_{B}$ هي المعلومات من الحاسوب الكمي، و $I_\Psi$ $I_{Ψ}$ هي المعلومات المطلوبة للأنزاتس، و $K$ $K$ هو عامل الاقتران.
- $R > 0$ : يشير إلى أن الحاسوب الكمي قدم معلومات كافية لبناء حالة دقيقة (نجاح).
- $R < 0$ : يشير إلى أن الحاسوب الكمي قدم معلومات غير كافية، غالباً بسبب الضجيج (فشل).

3. المساهمات الرئيسية

إثبات المنفعة الكمية: حساب طاقات الحالة الأرضية لنماذج إيسينغ لما يصل إلى 63 كيوبت بنجاح على معالج IBM Torino (Heron r1)، وهو مقياس يستحيل فيه المحاكاة الكلاسيكية بالقوة الغاشمة.
مقياس خطأ مبتكر: تطوير نسبة المعلومات ( $R$ ) لتحديد حدود الخطأ الكمي المقبولة كمياً. يسمح هذا للباحثين بالتمييز بين الانحرافات الفيزيائية والأخطاء الناتجة عن الأجهزة دون معرفة مسبقة بالحل الدقيق.
تحليل الفضاء الفرعي: تقديم دليل على أن عدد حالات القاعدة المطلوبة لتقريب نماذج إيسينغ ينمو بشكل متعدد الحدود (خطي إلى تكعيبي) بدلاً من النمو الأسي في النطاق حيث $|J| \sim |B|$ . وهذا يؤكد كفاءة نهج CVQE/GSA لهذه المشكلات المحددة.
الاقتران العشوائي (الزجاج المغناطيسي): توسيع الطريقة لتشمل نماذج الاقتران العشوائي (الزجاج المغنائي)، وهي فئة من المشكلات الصعبة للغاية بالنسبة للخوارزميات الكلاسيكية، مع إظهار أن الطريقة تظل قوية حتى حدود معينة من الخطأ.

4. النتائج

النموذج المتجانس:
- تتبعت الخوارزمية بنجاح طاقة الحالة الأرضية ومتوسط السبين (spin) كدالة لقوة الاقتران ( $J_0$ ) وحجم النظام ( $N_Q$ ).
- حد الخطأ: ارتبطت الانحرافات عن المنحنيات الفيزيائية السلسة بـ $R < 0$ . ومع زيادة $N_Q$ و $|J_0|$ ، أدى الضجيج الكمي (أخطاء البوابات وأخطاء القراءة) إلى تدهور النتائج، مما تسبب في فشل الطريقة للأنظمة الأكبر عند الاقتران العالي.
نموذج الاقتران العشوائي:
- تعاملت الطريقة مع اضطراب الزجاج المغناطيسي بفعالية.
- نجحت نسبة المعلومات ( $R$ ) في تحديد المناطق التي تهيمن فيها الأخطاء الكمية على النتائج (أسفل يمين مساحة المعاملات)، بينما أشارت $R > 0$ في مناطق أخرى إلى نتائج موثوقة.
توسع الفضاء الفرعي:
- أظهر تحليل بنية حالات القاعدة أن عدد حالات القاعدة الهامة (التي لها احتمالية غير مهملة) يتوسع دون أسي (تقريباً خطي إلى تكعيبي) مع عدد الكيوبتات لكل من النماذج المتجانسة والعشوائية.
- يؤكد هذا أن فضاء هيلبرت "الفعلي" للحالة الأرضية صغير بما يكفي للمعالجة اللاحقة الكلاسيكية.

5. الأهمية والخاتمة

جدوى خوارزميات NISQ: تثبت الورقة أن التطور قصير المدى مقترناً بـ أخذ العينات الموجه هو استراتيجية قابلة للتطبيق للحواسيب الكمية في عصرنا الحالي، حيث تتجاوز الحاجة إلى دوائر عميقة ومصححة للأخطاء.
رؤى فيزيائية: إن القدرة على محاكاة نماذج إيسينغ ذات الاقتران العشوائي (الزجاج المغناطيسي) على الأجهزة الكمية تفتح الباب لاكتشاف خصائص فيزيائية جديدة للأنظمة المغناطيسية المضطربة التي لا تزال مجهولة حالياً.
الآفاق المستقبلية: يخلص المؤلفون إلى أنه بينما تحد الأجهزة الحالية من الدقة للأنظمة الأكبر عند الاقتران العالي، فإن المتطلبات المعلوماتية للحالة الأرضية لا تزداد بشكل كبير مع حجم النظام. ومع تحسن الأجهزة الكمية (انخفاض أخطاء البوابات)، من المتوقع أن تتوسع هذه الطريقة أكثر، مما قد يحل مشكلات مستعصية تماماً على الحواسب الكلاسيكية.

باختدال، يوفر هذا العمل مساراً ملموساً لاستخدام الأجهزة الكمية الحالية لحل مشكلات فيزياء الأجسام المتعددة المعقدة من خلال الاستفاء من الديناميكا قصيرة المدى وتوسيع الفضاء الفرعي الهجين (كمي-كلاسيكي)، والتحقق من ذلك باستخدام مقياس خطأ معلوماتي مبتكر.