في عالم الكم، حيث يمكن للجسيمات أن توجد في حالات متعددة في آن واحد، احتاج العلماء منذ زمن طويل إلى طريقة موثوقة لقياس مدى اختلاف جسمين كميين عن بعضهما البعض. تخيل محاولة معرفة ما إذا كانت سحابتان من الغاز متطابقتين، أو ما إذا كان حاسوب كمي دقيق قد انحرف عن مساره المنشود. وللقيام بذلك، يستخدم الباحثون أدوات رياضية تسمى "المسافات". الأداة الأكثر شيوعاً تشبه المسطرة التي تقيس إجمالي مقدار الاختلاف بين شيئين، عبر جمع كل تباين ضئيل. يُعرف هذا باسم "مسافة التتبع" (trace distance)، وقد كان المعيار القياسي لعقود لأنه يخبرنا بالضبط مدى احتمالية وقوعنا في الخطأ والخلط بين حالة وأخرى. ومع ذلك، هناك طريقة أخرى أكثر مرونة لقياس الاختلاف. فبدلاً من جمع كل خطأ صغير، تبحث هذه الطريقة فقط عن الخطأ الأكبر بمفرده — أي أكبر انحراف في أي اتجاه واحد. وتسمى هذه الطريقة "مسافة معيار المؤثر" (operator norm distance). وبينما تكون الطريقة الأولى صارمة وشاملة، فإن الثانية تشبه فحص أعلى قمة على خريطة؛ فهي تتجاهل الوديان وتركز تماماً على النقطة الأكثر تطرفاً في الاختلاف. إن فهم هذا النوع المحدد من المسافات أمر بالغ الأهمية لمهام مثل إعادة بناء الصورة الكاملة لحالة كمية من بيانات محدودة أو التحقق من أن محاكاة كمية دقيقة بما يكفي ليتم الوثوق بها.

لفترة طويلة، ظل لغز رئيسي قائماً: ما مدى صعوبة حساب مقياس "أكبر اختلاف" هذا باستخدام حاسوب كمي؟ اقترحت الطرق السابقة أن الصعوبة تزداد بشكل جامح مع زيادة تعقيد الحالات الكمية. فإذا كانت الحالات بسيطة ونقية، كان الحساب قابلاً للإدارة. ولكن إذا كانت الحالات عبارة عن مخاليط فوضوية، فإن الوقت المطلوب لإيجاد الإجابة بدا وكأنه ينفجر، مما قد يستغرق وقتاً أطلاً من عمر الكون لأي شيء باستثناء الأنظمة الصغيرة جداً. لقد حل فريق من الباحثين هذه المشكلة الآن عبر تطوير خوارزميات يمكنها تقدير هذه المسافة بكفاءة، بغض النظر عن مدى تعقيد أو "اختلاط" الحالات. يظهر عملهم أن الصعوبة لا تعتمد على حجم أو تعقيد الحالات، بل تعتمد على مدى الدقة التي يريدها المستخدم للوصول إلى الإجابة.

ركز الباحثون على سيناريوهين محددين لبناء حلهم. في السيناريو الأول، نظروا في حالة يكون فيها أحد الحالتين الكميتين نقياً تماماً، مثل نوتة موسيقية واحدة واضحة، بينما قد تكون الحالة الأخرى خليطاً معقداً. واكتشفوا ميزة هيكلية خفية في هذا الإعداد: الحالة النقية تصطف طبيعياً مع الفرق الأكثر أهمية بين الشيئين. الأمر كما لو أن الحالة النقية تعمل كدليل داخلي، يشير مباشرة نحو أكبر خطأ. وبسبب هذا الاصطفاف الطبيعي، تمكن الباحثون من تصميم خوارزمية تجد الإجابة بسرعة كبيرة. عدد الخطوات التي يحتاجها الحاسوب يعتمد فقط على الدقة المطلوبة، وليس على حجم النظام. وهذا يعني أنه بالنسبة لمستوى ثابت من الدقة، فإن الحساب يستغرق وقتاً معقولاً، حتى بالنسبة للأنظمة الكمية الكبيرة جداً. وهذه النتيجة مثالية، مما يعني أنه من المستحيل تقديم ما هو أفضل منها، وهي تطابق أداء أفضل الطرق المعروفة لمقارنة حالتين نقيتين.

في السيناريو الثاني الأكثر عمومية، لا تضمن أي من الحالتين كونها نقية؛ إذ يمكن أن يكون كلاهما مخاليط معقدة، ولم يعد الاصطفاف الطبيعي الموجود في الحالة الأولى موجوداً. هنا، كان على الباحثين أن يكونوا أكثر ذكاءً. فقد أدركوا أنه بينما لا تشير الحالات المدخلة مباشرة إلى أكبر فرق، إلا أنها لا تزال تحتوي على معلومات كافية للاقتراب منه. الرابط أضعف، لكنه موجود. ومن خلال استخدام تقنية تعمل على تضخيم هذه الإشارة الخافتة، ابتكروا خوارزمية لا تزال قادرة على إيجاد الإجابة بكفاءة. ورغم أن هذه الطريقة تتطلب خطوات أكثر قليلاً من نسخة الحالة النقية، إلا أنها لا تزال متفوقة بمراحل على المقاربات السابقة. ينمو الوقت الذي تستغرقه العملية مع الدقة المطلوبة، لكنه لا ينفجر بناءً على حجم النظام الكمي. يثبت هذا الاختراق أن مشكلة تقدير هذه المسافة تنتمي إلى فئة من المشكلات التي يمكن للحواسيب الكمية حلها بكفاءة، وهو ما يعد ترقية كبيرة لما كان يُعتقد سابقاً أنه قد يتطلب نوعاً أكثر قوة، ونظرياً، من التحقق.

إن تداعيات هذه النتائج فورية في مجال الحوسبة الكمية. فمن خلال توفير طريقة سريعة وموثوقة لقياس أكبر انحراف بين الحالات الكمية، تسمح هذه الأدوات الجديدة للعلماء بالتحقق من الأجهزة الكمية بثقة أكبر بكثير. في السابق، كان التحقق مما إذا كان الحاسوب الكمي يعمل بشكل صحيح قد يتطلب وقتاً مستحيلاً إذا كان النظام كبيراً. أما الآن، مع وجود هذه المقدرات الجديدة، يمكن إجراء هذا الفحص في وقت يتناسب بشكل معقول مع حجم النظام. كما أظهر الباحثون أن أساليبهم ليست مجرد احتمالات نظرية، بل يمكن تنفيذها باستخدام عمليات كمية قياسية. كما أثبتوا إمكانية تحويل هذه الأساليب القائمة على الاستعلام (query-based) إلى أساليب قائمة على العينات (sample-based)، مما يعني أن النتائل تظل صحيحة حتى لو كان الحاسوب الكمي يمكنه فقط الوصول إلى نسخ من الحالات بدلاً من التحكم المباشر فيها. تضمن هذه المرونة أن النتائج تنطبق على مجموعة واسعة من الإعدادات التجريبية العملية.

كما يوضح هذا العمل المشهد العام لمقاييس المسافة الكمية. فهو يؤكد أن مسافة معيار المؤثر، التي غالباً ما تُعت de كأكثر مقاييس الاختلاف استرخاءً أو "تراخياً"، هي في الواقع واحدة من أسهل المسافات التي يمكن حسابها بكفاءة على حاسوب كمي. وهذا أمر غير بديهي نوعاً ما، إذ قد يتوقع المرء أن يكون المقياس الأكثر استرخاءً هو الأصعب في التحديد. بدلاً من ذلك، يكشف البحث أن بنية ميكانيكا الكم تجعل هذا المقياس تحديداً متاحاً بشكل مفاجئ. كما حدد الفريق حدود نهجهم الحالي، مشيرين إلى أنه بينما يعد حلهم فعالاً للغاية، لا تزال هناك فجوة صغيرة بين أفضل نتيجة لديهم والحد الأدنى النظري للخطوات الممكنة. وهذا يترك مساراً واضحاً للأبحان المستقبلية لمعرفة ما إذا كان يمكن عصر ذلك الجزء الأخير من الكفاءة.

في نهاية المطاف، يقدم هذا البحث إجابة نهائية على سؤال ظل عالقاً في المجتمع الكمي: كيف نقيس بكفاءة أكبر اختلاف بين حالتين كميتين؟ الإجابة هي أننا نستطيع، ويمكننا القيام بذلك دون أن يتصاعد وقت الحساب بشكل خارج عن السيطرة مع كبر حجم الأنظمة. من خلال الكشف عن العلاقات الهيكلية بين الحالات النقية والمختلطة، وتطوير تقنيات لتضخيم الإشارات الخافتة في المخاليط المعقدة، أزال الباحثون عائقاً كبيراً أمام التحقق الكمي. تقدم خوارزمياتهم طريقة عملية وفعالة لضمان أن الأجهزة الكمية تعمل كما هو مخطط لها، مما يقربنا من اليوم الذي يمكن فيه الوثوق بهذه الآلات القوية لحل المشكلات التي تفوق قدراتنا الحالية.