في السعي لبناء حواسيب كمومية مفيدة، يواجه العلماء عقبة مستمرة: الضجيج. فخلافاً للحواسيب الكلاسيكية، التي تعالج المعلومات بموثوقية تقترب من المثالية، فإن الآلات الكمومية هشة للغاية. فحالات المادة الدقيقة هذه، المعروفة باسم الكيوبتات (qubits)، تتأثر بسهولة ببيئتها، مما يؤدي إلى انحراف الحسابات عن الحقيقة. هذا الضجيج ليس مجرد خلل بسيط؛ بل هو السبب الرئيسي وراء معاناة الحواسيب الكمومية الحالية في حل المشكلات التي يمكن للآلات الكلاسيكية التعامل معها بسهولة. وللحصول على إجابات مفيدة، طور الباحثون تقنيات لـ "تنظيف" البيانات الصاخبة التي تنتجها هذه الآلات، وغالباً ما يتم ذلك عن طريق تشغيل نفس الحساب عدة مرات بإعدادات مختلفة قليلاً، ثم دمج النتائج رياضياً لتخمين ما ستكون عليه الإجابة المثالية الخالية من الضجيج. ومع ذلك، مع ازدياد حجم وتعقيد هذه الحسابات، تصبح كمية البيانات المطلوبة لتنظيفها هائلة، مما يتطلب وقتاً وموارد تفوق ما يمكن للحاسوب الكمومي نفسه توفيره.

لقد قدم فريق من الباحثين الآن نهجاً جديداً لهذه المشكلة، وهو نهج يجمع بذكاء بين قوة الأجهزة الكمومية وتقنيات المحاكاة الكلاسيكية المتقدمة. وقد أطلقوا على طريقتهم اسم "صيغ ليندبلاد متعددة المنتجات" (Lindblad Multiproduct Formulas). فبدلاً من الاعتماد حصرياً على الحاسوب الكمومي لتوليد البيانات أو حصرياً على الحواسيب الكلاسيكية لمحاكاة النظام بأكم، يقومون بتقسيم العمل؛ حيث يقيس الجهاز الكمومي المخرجات الصاخبة، بينما تقوم خوارزمية كلاسيكية متطورة بحساب الأوزان المحددة اللازمة لدمج تلك القياسات الصاخبة في تنبؤ واحد دقيق. اختبر الباحثون هذه الطريقة الهجينة على نموذج لـ "بلورة زمنية منفصلة" (discrete time crystal)، وهي حالة غريبة من المادة تتذبذب في الزمن دون فقدان الطاقة، باستخدام معالج كمومي يضم 65 كيوبت. وتظهر نتائجهم أنه باستخدام هذه التقنية، استطاعوا استعادة صورة أكثر وضوحاً لسلوك النظام مما يمكن للحاسوب الكمومي أو الحاسوب الكلاسيكي تحقيقه بمفردهما، حتى عندما تم تبسيط عمليات المحاكاة الكلاسيكية لتعمل بشكل أسرع.

يكمن جوهر هذه الطريقة الجديدة في كيفية التعامل مع العلاقة بين الآلة الكمومية الصاخبة والحاسوب الكلاسيكي. فعادةً، عندما يحاول العلماء محاكاة نظام كمومي معقد على حاسوب كلاسيكي، يتعين عليهم تبسيط الرياضيات لجعلها قابلة للإدارة. وهذه التبسيطات تُدخل أخطاءها الخاصة، والمعروفة باسم "أخطاء التقطيع" (truncation errors). وإذا كان النظام شديد التعقيد، تصبح هذه الأخطاء كبيرة جداً بحيث تصبح المحاكاة الكلاسيكية عديمة الفائدة. ومع ذلك، أدرك الباحثون أن الكميات الرياضية المحددة اللازمة لإصلاح أخطاء الحاسوب الكمومي قد تكون أسهل بكثير في الحساب من الإجابة النهائية نفسها. لقد استخدموا تقنية تتضمن شبكات ثنائية الأبعاد من الكائنات الرياضية، والتي قاموا بضغطها باستخدام طريقة تسمى "انتشار الاعتقاد المصحح بالحلقات" (loop-corrected belief propagation). وقد سمح لهم ذلك بحساب عوامل التصحيح اللازمة بدقة عالية، رغم أن حساب الإجابة الكاملة الخالية من الضجيج مباشرة كان سيكون صعباً للغاية على حواسيبهم الكلاسيكية.

ولإنجاح هذا العمل، احتاج الفريق إلى توليد مجموعة من القياسات الصاخبة من الحاسوب الكمومي تتغير بطريقة يمكن التنبؤ بها. تقليدياً، يتم ذلك عن طريق تضخيم الضجيج اصطناعياً، وهي عملية تتطلب تشغيل التجربة مرات عديدة جداً للحصول على متوسط موثوق، وهذا أمر بطيء ومكلف. وبدلاً من ذلك، أدخل الباحثون تقنية تسمى "التضخيم الإرغودي" (ergodic amplification). فبدلاً من رفع مستوى الضجيج، قاموا بتعديل معايير الدائرة الكمومية نفسها بشكل طفيف—وتحديداً قوة التفاعلات بين الكيوبتات. هذا التغيير جعل النظام يتصرف كما لو كان أكثر ضجيجاً، دون زيادة الضجي actually أو الحاجة إلى وقت إضافي على الآلة الكمومية. وقد سمح لهم ذلك بجمع نقاط البيانات اللازمة بشكل أسرع بكثير، مما جعل العملية برمتها أكثر كفاءة بشكل ملحوظ.

اختبر الباحثون سير عملهم على نموذج محدد لبلورة زمنية ثنائية الأبعاد، وهو نظام سبق دراسته ولكنه يصعب محاكاته بدقة بسبب تعقيده. أجروا تجاربهم على حاسوب كمومي حقيقي يسمى ibm_basquecountry، والذي يتميز بـ 65 كيوبت مرتبة في نمط سداسي ثقيل محدد. وقارنوا بين ثلاث طرق مختلفة للحصول على الإجابة: محاكاة كلاسيكية بحتة تم تبسيطها لتعمل بسرعة، ومحاكاة كلاسيكية بحتة تم تشغيلها بدقة فائقة (كعمل مرجعي)، وطريقتهم الهجينة الجديدة. كانت النتائج مذهلة؛ فقد فشلت المحاكاة الكلاسيكية المبسطة في التنبؤ بالسلوك الصحيح، حتى عندما حاول الباحثون رياضياً تصحيح أخطائها. كما كانت البيانات الخام من الحاسوب الكمومي غير دقيقة بسبب الضجيج. ومع ذلك، فإن الطريقة الهجينة، التي جمعت بين البيانات الكمومية الصاخبة وعوامل التصحيح الكلاسيكية، أنتجت نتيجة تطابق عن كثب محاكاة المرجع عالية الدقة.

إن أحد الاكتشافات الرئيسية للدراسة هو أن الأخطاء الناتجة عن الحسابات الكلاسيكية المبسطة لم تفسد النتيجة النهائية. قد يبدو هذا منافياً للمنطق: إذا كان الجزء الكلاسيكي من الحساب غير مثالي، فلماذا تأتي الإجابة النهائية نظيفة للغاية؟ يشرح الباحثون أن الأخطاء في عوامل التصحيح تميل إلى إلغاء بعضها البعض عند تطبيقها على البيانات الكمومية الصاخبة. علاوة على ذلك، فإن الطريقة التي تسلكها هذه الأخطاء تعني أنه حتى لو كانت عوامل التصحيح غير دقيقة تماماً، فإن الإجابة النهائية المجمعة تظل مستقرة. وهذا يسمح للطريقة بالعمل حتى عندما لا يكون الحاسوب الكلاسيكي قوياً بما يكفي لمحاكاة النظام بأكمله بشكل مثالي. كما وجد الفريق أنه من خلال تشغيل الجزء الكلاسيكي من حساباتهم على وحدة معالجة الرسومات (GPU)، استطاعوا تسريع العملية بمعامل قدره 5.6، مما يجعل الطريقة أكثر عملية للمشكلات الأكبر.

تسلط الدراسة أيضاً الضوء على أهمية معرفة مدى الثقة في النتائج. فقد طور الباحثون طريقة لتقدير "أشرطة الخطأ" (error bars)، أو نطاق عدم اليقين، لإجابتهم النهائية. ووجدوا أن طريقتهم قدمت تقديراً موثوقاً للقيمة الحقيقية، مع أشرطة خطأ صغيرة بما يكفي لتكون مفيدة. وفي المقابل، تعاني الطرق الأخرى التي تعتمد على مطابقة البيانات الصاخبة لمنحنى ما في تقديم تقديرات موثوقة كهذه، خاصة عندما تكون البيانات شحيحة أو الضجيج معقداً. ومن خلال الجمع بين القياسات الكمومية والحسابات الكلاسيكية، تمكن الباحثون من إنتاج نتيجة ليست أكثر دقة فحسب، بل تأتي أيضاً مع مقياس واضح لموثوقيتها.

وعلى الرغم من أن الطريقة أظهرت وعداً كبيراً لهذا النوع المحدد من الأنظمة الكمومية، إلا أن الباحثين يشيرون بحذر إلى أنها قد لا تعمل مع كل الدوائر الكمومية الممكنة. فنجاح هذه التقنية يعتمد على إيجاد الطريقة الصحيحة لتعديل معايير الدائرة لتوليد نقاط البيانات اللازمة. فإذا كانت التعديلات مفرطة، تصبح التصحيحات الرياضية غير مستقرة وتكبر أشرطة الخطأ لتصبح غير مفيدة. بالنسبة للنموذج الذي اختبروه، وجد الباحثون مجموعة من التعديلات التي عملت بشكل مثالي، لكنهم يقرون بأن تطبيق ذلك على نوع مختلف تماماً من الدوائر سيتطلب إيجاد مجموعة جديدة من القواعد. ويقترحون أنه بالنسبة لبعض الدوائر، قد تظل الطريقة التقليدية لتضخيم الضجيج ضرورية، رغم أنها أبطأ.

يمثل هذا العمل خطوة مهمة للأمام في مجال تخفيف الخطأ الكمومي، حيث يوضح أن المسار الأكثر فعالية ليس في جعل الحواسيب الكمومية مثالية أو جعل الحواسيب الكلاسيكية قوية بلا حدود، بل في إيجاد طريقة لجعلهما يعملان معاً. فمن خلال استخدام الحواسيب الكلاسيكية للقيام بالعمل الشاق المتمثل في حساب عوامل التصحيح، واستخدام الحواسيب الكمومية لتوفيد البيانات الخام التي يستحيل محاكاتها، خلق الباحثون سير عمل هو أكبر من مجموع أجزائه. هذا النهج يفتح الباب لدراسة الأنظمة الكمومية المعقدة التي كانت بعيدة المنال سابقاً، مما يوفر لمحة عن مستقبل يمكن فيه للحواسيب الكمومية حل مشكلات العالم الحقيقي بمساعدة شركاء كلاسيكيين أذكياء.

يخلص الباحثون إلى أن طريقتهم، "صيغ ليندبلاد متعددة المنتجات"، توفر وسيلة قوية لاستخراج معلومات دقيقة من الأجهزة الكمومية الصاخبة. إنها شهادة على فكرة أنه في عصر الحوسبة الكمومية، قد تكون الأداة الأكثر قوة هي القدرة على مزج نقاط القوة في النهج الحسابية المختلفة. ومع استمرار تحسن الأجهزة الكمومية، ستكون تقنيات كهذه ضرورية لإطلاق الإمكانات الكاملة لهذه الآلات، مما يسمح للعلماء باستكشاف السلوكيات الغريبة والرائعة للعالم الكمومي بوضوح كان مستحيلاً في السابق.