Quantum WalkScore: Benchmarking Quantum Computers on the Graph Nodefinding Problem
تقدم هذه الورقة "Quantum WalkScore" (QWS)، وهو معيار قابل للتوسع وموجه نحو التطبيقات، يقيم أداء الحواسيب الكمومية في عصر "العدد المتوسط من الضجيج الكمي" (NISQ) والحواسيب المستقبلية المقاومة للأخطاء، وذلك عبر قياس قدرتها على حل مشكلة إيجاد عقد الرسم البياني باستخدام المشيات الكمومية ذات الزمن المنفصل وتضخيم السعة، ويتم التحقق من ذلك من خلال كل من المحاكاة والتجارب على معالجات IBM الكمومية.
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
في السعي لبناء آلات يمكنها حل مشكلات تتجاوز قدرة الحواسيب الفائقة اليوم، يسابق العلماء الزمن لتطوير حواسيب كمية. هذه الأجهزة لا تعتمد على مفاتيح التشغيل والإيقاف البسيطة للبتات الكلاسيكية، بل تستخدم بدلاً من ذلك بتات كمية، أو "كيوبتات"، والتي يمكن أن توجد في حالات متعددة في آن واحد. هذه الخاصية الفريدة تسمح لها باستكشاف احتمالات هائلة في وقت واحد. ومع ذلك، فإن بناء آلة يمكنها الاحتفاظ بهذه الحالات الكمية الهشة بشكل موثوق أمر صعب للغاية. فغالباً ما تعاني الأجهزة الحالية من الضجيج والأخطاء، مما دفع الباحثين إلى طرح سؤال جوهري: كيف نعرف ما إذا كان الحاسوب الكمي يعمل حقاً، وما مدى جودته في حل المهام الواقعية؟ وللإجابة على ذلك، يحتاج المجتمع العلمي إلى ما هو أكثر من مجرد قائمة بمعدلات الخطأ؛ إنهم بحاجة إلى اختبار عملي يقيس ما إذا كان بإمكان الآلة التنقل بنجاح في مشكلة معقدة.
اقترح فريق من الباحثين في مختبرات "CortAIx" في فرنسا طريقة جديدة لقياس هذه القدرة، تسمى "Quantum WalkScore" (درجة السير الكمي). وبدلاً من اختبار الخصائص الرياضية المجردة، يطلب هذا المعيار من الحاسوب أداء مهمة محددة ومفيدة: وهي العثور على هدف مخفي داخل شبكة. تخيل مسافراً يحاول العثور على مدينة معينة في خريطة واسعة من الطرق المتصلة. قد يقوم الحاسوب الكلاسيكي بفحص الطرق واحداً تلو الآخر، لكن الحاسوب الكمي يمكنه استكشاف مسارات عديدة في وقت واحد. ركز الباحثون على أداتين قويتين تستخدمهما الحواسيب الكمية لهذا النوع من البحث: طريقة تسمى "المسار الكمي في زمن منفصل"، والتي تعمل كطريقة متطورة للتحرك عبر الشبكة، وتقنية تسمى "تضخيم السعة"، والتي تعزز فرص العثين على الإجابة الصحيحة. ومن خلال الجمع بين هاتين الأداتين، أنشأ الفريق اختباراً يقيس مدى كبر حجم الشبكة التي يمكن للحاسوب الكمي البحث فيها قبل أن يتسبب الضجيج في الآلة في فشله.
تم تصميم هذا المعيار ليكون قابلاً للتوسع، مما يعني أنه يمكن أن يبدأ بشبكة صغيرة جداً ثم ينمو ليصبح أكبر وأكثر تعقيداً مع تحسن الأجهزة. اختبر الباحثون هذا البروتوكول على نوعين من أشكال الشبكات: حلقة بسيطة، حيث يتصل كل نقطة بجارين اثنين، وشبكة معقدة تلتف حول نفسها، مثل سطح قطعة "الدونات". وقد حددوا هدفاً واضحاً: يجب على الحاسوب العثور على الهدف المخفي بمعدل نجاح أعلى مما هو متوقع عن طريق الصدفة المحضة. إذا نجح الحاسوب، ينتقل الاختبار إلى نسخة أكبر قليلاً أو أكثر صعوبة من المشكلة. والدرجة النهائية هي ببساطة حجم أكبر شبكة تمكن الحاسوب من حلها قبل أن يعجز عن العثور على الهدف بشكل موثوق. يوفر هذا النهج رقماً ملموساً يمكن لأي شخص فهمه، ويمثل الحد العملي لقدرة الآلة الحالية.
ولرؤية كيف يعمل هذا في الممارسة العملية، أجرى الباحثون اختباراتهم على عدة أجيال من المعالجات الكمية الحقيقية المقدمة من شركة "IBM"، بما في ذلك نماذج تسمى "Heron" و"Nighthawk". كما أجروا عمليات محاكاة على حاسوب مثالي خالٍ من الضجيج ليروا كيف ينبغي أن تبدو النتائج في عالم مثالي. أظهرت عمليات المحاكاة أنه مع الإعدادات الصحيحة، يمكن للخوارزميات الكمية نظرياً حل مشكلات كبيرة جداً، والعثور على الهدف بثقة عالية. ومع ذلك، عندما طبق الفريق الاختبارات ذاتها على الآلات الفيزيائية الفعلية، كانت النتائج أكثر تواضعاً بكثير. فالضجيج والأخطاء المتأصلة في الأجهزة الحالية تعني أن الحواسيب لم تستطع سوى حل شبكات صغيرة جداً بنجاح. وبالنسبة للشبكات التي تتخذ شكل الحلقة، تمكنت أفضل الأجهزة أداءً من العثور على الهدف في شبكات ذات حجم صغير محدد، ولكن مع نمو الشبكة، انخفض معدل النجاح إلى مستوى التخمين العشوائي.
تسلط الدراسة الضوء على فجوة كبيرة بين ما يمكن للخوارزميات الكمية القيام به من الناحية النظرية وما يمكن للأجهزة الحالية تحقيقه فعلياً. وجد الباحثون أن تعقيد الدائرة المطلوبة لتشغيل البحث ينمو بسرعة مع كبر حجم المشكلة. وفي الأجهزة التي اختبروها، أصبحت الدوائر التي كانت عميقة أو معقدة للغاية غارقة في الأخطاء، مما أدى إلى تدهور المعلومات الكمية قبل العثور على الإجابة. وحتى مع أكثر المعالجات تقدماً المتاحة وقت إجراء الدراسة، تمكن الفريق فقط من إثبات مفهوم الدرجة كإثبات تجريبي، مما أثبت أن الطريقة تعمل ولكنه كشف أيضاً مدى حاجة الأجهزة للتحسن. وتشير النتائج إلى أنه بينما الأدوات الرياضية جاهزة، فإن الآلات الفيزيائية لا تزال في المراحل الأولى من القدرة على التعامل مع المهام الشاقة المطلوبة لتطبيقات العالم الحقيقي مثل اللوجستيات أو البحث في قواعد البيانات.
يوفر هذا المعيار الجديد، "Quantum WalkScore"، طريقة واضحة وصادقة لتتبع التقدم. فهو لا يعتمد على الإمكانات النظرية أو المحاكاة المثالية، بل يقيس الأداء الفعلي للآلة بطريقة منضبطة وقابلة للتكرار. ومن خلال وضع معيار يتطلب من الحاسوب التغلب على الصدفة العشوائية في مشكلة رسوم بيانية محددة، يوفر الباحثون مقياساً للمجال بأكمله. ومع تطور الأجهزة الكمية، لتصبح أكثر استقراراً وأقل عرضة للأخطاء، ستزداد هذه الدرجة بشكل طبيعي. إن هذا العمل بمثابة تذكير بأن الطريق نحو الحوسبة الكمية القوية هو تسلق تدريجي، حيث يجب التحقق من كل خطوة نحو الأداء العالي من خلال حل مشكلة كانت في السابق خارج نطاق الوصول. لقد رسم الباحثون خريطة لهذه الرحلة، موضحين بالضبط أين تقف الآلات اليوم وما يجب عليها التغلب عليه للوصول إلى المستقبل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.