في مجال فيزياء الكم، يحتاج العلماء غالبًا إلى فهم الحالة الأكثر استقرارًا والأقل طاقة لنظام معقد، تمامًا مثل البحث عن أعمق وادٍ في سلسلة جبال شاسعة يغطيها الضباب. هذه "الحالة الأرضية" (ground state) تحمل المفتاح للتنبؤ بكيفية سلوك الجزيئات، أو كيف قد توصل المواد الجديدة الكهرباء، أو كيف تحدث التفاعلات الكيميائية. ولإيجاد مستوى الطاقة هذا على حاسوب كمي، يقوم الباحثون عادةً بمحاكاة تطور النظام عبر الزمن والبحث عن إيقاع محدد، أو طور (phase)، يتوافق مع أدنى طاقة له. ومع ذلك، هناك عقبة كبيرة: الحاسوب لا يبدأ بخريطة مثالية للواد، بل يُعطى دليلًا تقريبيًا — حالة بدائية قريبة نوعًا ما من الحالة الأرضية الحقيقية. وتُقاس جودة هذا الدليل بمدى تداخله (overlap) مع الإجابة الصحيحة. وإذا كان الدليل ضعيفًا، يتعين على الحاسوب العمل بجهد أكبر بكثير لإيجاد الإشارة، وكانت الطرق السابقة تتطلب عددًا من الخطوات ينمو لوغاريتميًا مع ضعف الدليل، مما خلق عنق زجاجة أدى إلى إبطاء الحسابات للعديد من المشكلات العملية.

لقد طور فريق من الباحثين خوارزمية كمية جديدة تزيل هذا التباطؤ اللوغاريتمي، مما يسمح للحاسوب بإيجاد طاقة الحالة الأرضية بعدد أقل بكثير من الخطوات مقارنة بما كان عليه الأمر من قبل. ويعالج هذا العمل، الذي قادته ستاسي جيفري وفريك ويتيفين، سؤالًا ظل مفتوحًا لفترة طويلة في هذا المجال حول مدى كفاءة إجراء هذه الحسابات عندما يكون الدليل الأولي غير مثالي. ومن خلال استخدام إطار رياضي يسمى "المحوّلات" (transducers)، والذي يسمح بدمج أجزاء مختلفة من الحساب الكمي دون تراكم أخطاء إضافية، ابتكر المؤلفون طريقة تتناسب بشكل أمثل مع جودة الدليل. وتثبت طريقتهم أن عدد العمليات المطلوبة يتناسب طرديًا مع مقلوب جودة الدليل ومقلوب الدقة المطلوبة، وهو ما يطابق الحد الأدما الأدنى النظري لمثل هذه المهام. وهذا يعني أنه بالنسبة لمستوى معين من الدقة، فإن الخوارزمية الجديدة سريعة بقدر ما هو ممكن فيزيائيًا، مما أغلق فجوة كانت تفصل بين أفضل الطرق المعروفة والحد الأقصى النظري لسنوات.

يكمن جوهر المشكلة في كيفية تعامل الحواسيب الكمية مع عدم اليقين. فعندما يحاول الحاسوب تقدير قيمة مثل مستوى طاقة، فإنه يعتمد غالبًا على عملية تسمى "تقدير الطور" (phase estimation)، وهي عملية تشبه الاستماع إلى تردد محدد في غرفة صاخبة. وإذا كان الدليل الأولي ضعيفًا، تكون الإشارة خافتة، ويجب على الحاسوب تكرار العملية مرات عديدة ليتأكد من أنه سمع النغمة الصحيحة. كانت التقنيات السابقة تتطلب من الحاسوب تكرار هذه الخطوات عددًا من المرات يزداد مع اللوغاريتم العكسي لجودة الدليل. على سبيل المثال، إذا كانت فعالية الدليل واحد بالمائة فقط، فإن الطرق القديمة كانت تتطلب جهدًا حسابيًا أكبر بكثير من الطريقة الجديدة. وقد أظهر الباحثون أن هذه التكلفة الإضافية لم تكن قانونًا أساسيًا من قوانين الطبيعة، بل كانت نتاجًا لكيفية بناء الخوارزميات. ومن خلال إعادة التفكير في كيفية دمج خطوات التقدير هذه، تمكنوا من القضاء على التكرار غير الضروري.

ولتحقيق ذلك، استخدم المؤلفون أداة تُعرف باسم "المحوّل" (transducer)، والتي تعمل كجسر بين العمليات الكمية المختلفة. في الحوسبة الكمية القياسية، عندما تربط معًا عدة خطوات غير مثالية، غالبًا ما تضطر إلى إضافة تدابير سلامة إضافية لضمان صحة النتيجة النهائية، مما يزيد من الوقت والموارد المطلوبة. وتسمح المحوّلات بربط هذه الخطوات بطريقة تحافظ على سلامة الحساب دون الحاجة إلى تلك التكرارات الإضافية لضمان السلامة. وقد صمم الباحثون محوّلات محددة لمهمتين رئيسيتين: تحديد ما إذا كانت الحالة تمتلك قدرًا معينًا من التداخل مع هدف ما، وتحديد ما إذا كان الطور أعلى أو أقل من عتبة معينة. ومن خلال الجمع بين أدوات اتخاذ القرار هذه، بنوا خوارزمية أكبر يمكنها تحديد مستوى الطاقة بدقة دون العقوبة اللوغاريتمية.

تعمل الخوارزمية الجديدة عن طريق إجراء بحث ثنائي (binary search)، حيث تضيق نطاق طاقة القيمة المحتملة باستمرار. وفي كل خطوة، تستخدم أداة اتخاذ القرار القائمة على المحوّل لتسأل ما إذا كانت الطاقة الحقيقية أعلى أو أقل من تخمين محدد. ولأن المحوّل يتعامل مع عدم اليقين بكفاءة، يمكن للخوارزمية أن تسمح بأن تكون هذه التخمينات ذات احتمالية خطأ أقل في المراحل المبكرة، مما يوفر الموارد الحسابية. ومع ضيق نطاق البحث وصولاً إلى الإجابة النهائية، تزيد الخوارزمية من دقتها. والنتيجة هي طريقة تستخدم عددًا من الخطوات يتناسب مع واحد مقسوم على جودة الدليل وواحد مقسوم على الدقة المطلوبة، دون العامل اللوغاريتمي الإضافي الذي كان يعيق النهج السابق. وهذا التحسين مهم لأنه يعني أنه بالنسبة للمشكلات التي يكون فيها الدليل الأولي ضعيفًا، يمكن للطريقة الجديدة أن تكون أسرع بعدة مراتب من حيث القوة مقارنة بما كان ممكنًا في السابق.

كما أثبت الباحثون أن طريقتهم مثالية، مما يعني أنه من المستحيل تصميم خوارزمية أسرع لهذه المشكلة المحددة في ظل نفس القيود. لقد طابقوا حدها الأعلى لعدد الخطوات مع حد أدنى معروف، مما أثبت أنه لا توجد طريقة أخرى يمكن أن تتفوق عليها من حيث عدد المرات التي يحتاج فيها الحاسوب للتفاعل مع النظام. وقد حسم هذا التأكيد جدلًا كان قائمًا في المجتمع العلمي، موضحًا الحدود الأساسية لمحاكاة الحالة الأرضية لتقدير طاقة الحالة الأرضية. ولا يقتيد هذا العمل مجرد تقديم طريقة أسرع لحل معادلة معينة؛ بل يوفر مخططًا جديدًا لكيفية بناء خوارزميات كمية أكثر كفاءة من خلال تجنب الهدر غير الضروري.

وعلى الرغم من أن الورقة تركز على الكفاءة النظرية للخوارزمية، إلا أن الآثار المترتبة على التطبيقات العملية كبيرة. فالعديد من المشكلات الواقعية في الكيمياء والفيزياء تتضمن أنظمة يصعب فيها إيجاد دليل أولي مثالي، مما يؤدي إلى تداخلات ضعيفة. وفي هذه السيناريوهات، كانت التكلفة اللوغاريتمية للطرق السابقة قد تجعل عمليات المحاكاة باهظة التكلفة بشكل لا يُحتمل. ومن خلال إزالة هذا الحاجز، تقرب الخوارزمية الجديدة من إمكانية تحقيق محاكاة للجزيئات والمواد المعقدة. ويشير المؤلفون إلى أنه على الرغم من أنهم لم يقوموا بتحسين العوامل الثابتة في تصميمهم، إلا أن الطريقة ليست معقدة للغاية ولا تفرض تكاليف خفية كبيرة، مما يشير إلى أنها قد تكون منافسة للنهج الحالية. كما أن المساحة المطلوبة لتشغيل الخوارما معقولة، حيث لا تحتاج إلا إلى عدد صغير من الكيوبتات الإضافية بخلاف النظام الذي يتم محاكاته.

يسلط هذا التقدم الضوء على قوة إعادة فحص اللبنات الأساسية للخوارزميات الكمية. فمن خلال الابتعاد عن تقنيات تقليل الخطأ القياسية وتبني إطار عمل المحوّل، وجد الباحثون طريقة لتبسيط عملية استخراج المعلومات من الأنظمة الكمية. والنتيقة هي مسار أكثر نظافة ومباشرة نحو الإجابات التي يبحث عنها العلماء حول العالم المادي. ومع استمرار نمو الحواسيب الكمية في الحجم والقدرة، ستكون طرق مثل هذه ضرورية لضمان استخدام القوة الإضافية بفعالية لحل أكثر المشكلات العلمية تحديًا. ويقف هذا العمل كشهادة على فكرة أن أهم التحسينات لا تأتي دائمًا من بناء آلات أكبر، بل من إيجاد طريقة أذكى لاستخدام الآلات التي نمتلكها بالفعل.