⚛️ quantum physics

Analysis of asymmetric errors in NISQ experiments

توسع هذه الورقة التحليلات الإحصائية السابقة لتجارب الحوسبة الكمية ذات القدرة المحدودة والضجيج العالي (NISQ) من خلال إثبات أنه، خلافاً للتنبؤات النظرية المتعلقة بتخميد السعة، تُظهر بيانات "التفوق الكمي" لشركة جوجل لعام 2019 كسوراً من الصفر والواحد تتحدد حصرياً من خلال عدم تماثل خطأ القراءة بدلاً من أخطاء البوابات، وهو استنتاج تدعمه عمليات المحاكاة على منصتي IBM وجوجل.

المؤلفون الأصليون: Gil Kalai, Tomer Shoham, Carsten Voelkmann

نُشر 2026-09-29

📖 4 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Gil Kalai, Tomer Shoham, Carsten Voelkmann

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 السباق لبناء آلات يمكنها حل مشكلات تتجاوز قدرات حواسيب اليوم، يعمل العلماء على تقنية جديدة هشة تسمى الحوسبة الكمومية. تستخدم هذه الآلات جزيئات مادية متناهية الصغر تُعرف باسم "الكيوبتات" (qubits)، والتي يمكن أن توجد في حالة تكون فيها صفراً وواحداً في الوقت نفسه، مما يسمح لها بمعالجة المعلومات بطرق لا تستطيع الحواسيب الكلاسيكية القيام بها. ومع ذلك، فإن هذه الكيوبتات حساسة للغاية لبيئتها؛ فحتى أدنى اضطراب يمكن أن يتسبب في وقوعها في الأخطاء، وهي ظاهرة تُعرف باسم "الضجيج". ولفهم ما إذا كان الحاسوب الكمومي يعمل حقاً كما هو مخطط له، يجب على الباحثين فصل إشارة الحساب بدقة عن الضجيج الناتج عن هذه الأخطاء. وقد انصب تركيز رئيسي في الدراسات الحديثة على "أخطاء القراءة"، التي تحدث عندما تخطئ الآلة في قراءة الحالة النهائية للكيوبت، فتلتبس عليها الصفر وتعتبرها واحداً أو العكس. إن فهم الطبيعة الدقيقة لهذه الأخطاء أمر بالغ الأهمية لأنه يخبر العلماء ما إذا كانت الآلة تقوم بعملية حسابية كمومية حقيقية أم أنها تنتج مجرد ضجيج عشوائي.

لقد وجه فريق من الباحثين اهتمامهم مؤخراً إلى سؤال محدد حول كيفية سلوك هذه الأخطاء. أرادوا معرفة ما إذا كانت الأخطاء عشوائية تماماً أم أن لديها انحيازاً خفياً. ففي آلة متوازنة تماماً، قد يُقرأ الكيوبت الذي ينبغي أن يكون صفراً على أنه واحد بنفس وتيرة قراءة الكيوبت الذي ينبغي أن يكون واحداً على أنه صفر. ومع ذلك، اقترح بعض العمل النظري أن العمليات الداخلية للحاسوب، وتحديداً "البوابات" (gates) التي تتحكم في الكيوبتات، قد تؤدي إلى انحياز أحادي الجانب. واقترحت هذه النظرية أنه مع تشغيل الآلة، ستدفع النتائج بشكل طبيعي نحو عدد أكبر من الأصفار، مما يخلق خللاً ليس مجرد خطأ بسيط في القياس، بل هو انحراف أساسي في البيانات.

ولاختبار هذه الفكرة، فحص الباحثون بيانات من تجربة "التفوق الكمومي" الشهيرة التي أجرتها جوجل عام 2019، والتي استخدمت معالجاً يحتوي على 53 كيوبت. كما اطلعوا أيضاً على بيانات من حواسيب كمومية أخرى ومن عمليات محاكاة حاسوبية صُممت لمحاكاة هذه الآلات. وكان هدفهم هو معرفة ما إذا كان جزء الأصفار في النتائج النهائية أعلى مما يمكن تفسيره من خلال أخطاء القياس المعروفة وحدها. وإذا كانت النظرية صحيحة، فقد توقعوا العثور على فائض كبير من الأصفار في البيانات التجريبية يزداد مع زيادة عدد الكيوبتات.

كشف التحليل عن صورة واضحة تناقض التنبؤ النظري. فعندما نظر الباحثون في البيانات الفعلية من تجربة جوجل لعام 2019، والتي غطت مجموعة من الدوائر التي تتراوح ما بين 12 إلى 53 كيوبت، لم يجدوا أي دليل على هذا الانحياز الإضافي نحو الأصفار الناتج عن عمليات البوابات الداخلية. إن عدم التوازن الطفيف الذي لاحظوه بين الأصفار والآحاد يعكس عدم التماثل في أخطاء القراءة المبلغ عنها، رغم أن الفرق التجريبي بين الأصفار والآحاد كان أقل بنسبة 10% إلى 20% تقريباً من الفرق المتوقع من معدلات الخطأ المبلغ عنها وحدها. بعبارة أخرى، لم تكن الآلة تدفع النتائج سراً نحو الصفر بسبب عملياتها الداخلية؛ بل كان الضجيج الملحوظ متسقاً مع أخطاء القياس الفيزيائية المعروفة، دون الانحراف الإضافي الذي تنبأت به النظرية. وقد ظل هذا الاكتشاف صحيحاً عبر كامل نطاق أعداد الكيوبتات التي تم اختبارها في التجربة الواقعية.

كانت القصة مختلفة عندما نظر الفريق في عمليات المحاكاة الحاسوبية. فعندما أجروا اختبارات مماثلة على نسخة محاكاة لحاسوب كمومي من شركة IBM، أظهرت النتائج فجوة أكبر بكثير بين الأصفار والآحاد مما يمكن أن تفسره معدلات الخطأ الفيزيائية. وهذا يشير إلى أن نماذج المحاكاة تضمنت تأثيرات لم تكن موجودة في أجهزة جوجل الحقيقية، أو أن عمليات المحاكاة كانت تلتقط نوعاً من الأخطاء نجحت الآلة الحقيقية في تجنبه. كما لاحظ الباحثون أنه بينما أظهرت بيانات جوجل الحقيقية توازناً مستقراً، فإن نسبة الواحدات في القياسات كانت تتذبذب بمرور الوقت بطريقة تشير إلى أن البوابات نفسها كانت غير مستقرة أثناء التجربة، بدلاً من كون أدوات القياس هي مصدر هذا الانحراف.

في نهاية المطاف، توفر هذه الدراسة فحصاً مطمئناً لسلوك الأجهزة الكمومية الحالية. فهي تؤكد أنه بالنسبة لتجربة جوجل لعام 2019، لم تؤدِ العمليات الداخلية المعقدة للحاسوب إلى نوع من الخطأ أحادي الجانب كما اقترحت بعض النظريات. لم يكن مخرج الآلة منحازاً بفعل قوة خفية تدفعه نحو الأصفار؛ بل عكس الضجيج أخطاء القراءة غير المتماثلة المعروفة دون انحياز إضافي ناتج عن البوابات. وبينما أظهرت عمليات المحاكاة علامات على هذا الانحياز، فإن البيانات الواقعية لم تفعل ذلك، مما يشير إلى أن الأجهزة الفيزيائية تتصرف بشكل أكثر قابلية للتنبؤ مما توقعته بعض النماذج النظرية. يساعد هذا الوضوح العلماء على تحسين فهمهم لكيفية عمل هذه الآلات ويضمن أن الادعاءات المستقبلية حول قوتها مبنية على أساس صلب ودقيق لكيفية سلوك الأخطاء فعلياً.

ملخص تقني: تحليل الأخطاء غير المتماثلة في تجارب الحوسبة الكمومية ذات النطاق المتوسط المشوب بالضجيج (NISQ)

بيان المشكلة
توسع هذه الورقة البحثية التحليل الإحصائي السابق للمؤلفين لتجارب الحوسبة الكمومية ذات النطاق المتوسط المشوب بالضجيج (NISQ)، مع التركيز بشكل خاص على تجربة "التفوق الكمي" لشركة جوجل عام 2019 والمحاكاة ذات الصلة. تكمن المشكلة المركزية التي تتناولها الدراسة في توصيف أخطاء القراءة غير المتماثلة في الدوائر الكمومية. وبينما وضعت الأعمال السابقة ([10], [13]) أدوات لنماذج الضجيج المتماثلة، تبحث هذه الدراسة في نموذج ضجيج مطور يتكون من 3 معاملات، حيث يختلف احتمال قراءة الرقم '1' كـ '0' ( $q_{1\to0}$ ) عن احتمال قراءة الرقم '0' كـ '1' ( $q_{0\to1}$ ).

ينبع دافع محدد لهذا التحليل من ورقة نظرية لـ "فيفرمـان وآخرون" [4]، والتي تفترض أن أخطاء بوابات تخميد السعة (الضجيج غير الموحد، وتحديداً اضمحلال $T_1$ ) يجب أن تؤدي إلى انحياز نحو الصفر ('0') في عينات المخرجات. يهدف المؤلفون إلى تحديد ما إذا كان هذا التأثير النظري — الذي يتجلى في وجود نسبة من الأصفار أكبر مما هو متوقع من أخطاء القراءة وحدها — يمكن ملاحظته في البيانات التجريبية المستمدة من معالج "سيكامور" (Sycamore) من جوجل، ومعالجات "آي بي إم" (IBM) الكمومية، ومحاكيات متنوعة.

المنهجية
يستخدم المؤلفون ويطورون أدوات إحصائية من أعمالهم السابقة، وتحديداً باستخدام توسيعات فورييه-والش (Fourier-Walsh expansions) المعدلة لتناسب الضجيج غير المتماثل.

نموذج الضجيج: تستخدم الدراسة نموذج ضجيج مكون من 3 معاملات:
$R(q_{1\to0}, q_{0\to1})(sP_C + (1-s)/M)$
حيث $P_C$ هو توزيع الاحتمالات المثالي، و $s$ هو معامل يشبه الوفاء (fidelity)، و $M=2^n$ ، وتمثل $q_{1\to0}$ و $q_{0\to1}$ معدلات خطأ القراءة غير المتماثلة. وهذا يعمم نموذج المعاملين المتماثل حيث $q_{1\to0} = q_{0\to1} = q$ .
تقنيات التقدير:
- تقدير الاحتمال الأقصى (MLE): طور المؤلفون مقدرات MLE للمعاملات $(s, q_{1\to0}, q_{0\to1})$ بناءً على بيانات العينات.
- تحليل فورييه-والش: قاموا بتوسيع إطار عمل فورييه من [10] ليتناسب مع فضاء القياس المنحاز لـ $p$ للتعامل مع الأخطاء غير المتماثلة، مما يسمح بتقدير فعال للمعاملات.
- التحليل المقارن: تقارن الدراسة بين ثلاث طرق لتقدير معدلات الخطأ:
  1. الاستدلال الإحصائي من الكسر التجريبي للأصفار والآحاد في مخرجات الدوائر.
  2. معدلات خطأ القراءة المباشرة التي تقدمها الشركات المصنعة للأجهزة (مثل som_params_by_qubit.csv و readout_raw_data.tar الخاصة بجوجل).
  3. تقدير MLE المستمد من توزيعات مخرجات الدائرة.
مصادر البيانات:
- جوجل سيكامور (Google Sycamore): البيانات التجريبية من تجربة التفوق لعام 2019 ( $12 \le n \le 53$ كيوبت) والتشغيلات اللاحقة ( $n=67, 69$ ).
- أجهزة IBM: دوائر مكونة من 5 كيوبت تعمل على معالجات "Nairobi" و "Jakarta".
- المحاكيات: محاكي "QVM Weber" من جوجل ومحاكي "Fake Guadalupe" من IBM.
- التحليل الزمني: فحص الاستقرار الزمني لنسبة الآحاد المقاسة عبر تسلسلات قياس السلاسل الثنائية (bitstring).

النتائج الرئيسية

غياب عدم التماثل الناجم عن البوابات في بيانات جوجل:
على عكس الفرضية التي اقترحها فيفرمـان وآخرون [4]، فإن تحليل بيانات جوجل لعام 2019 ( $12 \le n \le 53$ ) لا يظهر أي دليل على وجود انحياز إضافي نحو الصفر ناتج عن أخطاء تخميد السعة للبوابات.
- الفرق التجريبي بين كسر الأصفار والآحاد يتوافق مع، أو حتى أقل قليلاً من، الفرق الذي تتنبأ به أخطاء القراءة المبلغ عنها ( $q_{1\to0} - q_{0\to1}$ ).
- مقدرات MLE لـ $q_{1\to0}$ و $q_{0\to1}$ المستمدة من بيانات التجربة مشابهة لـ (أو أقل قليلاً من) أخطاء القراءة الفيزيائية التي أبلغت عنها جوجل.
- ظل هذا الأمر ثابتاً عبر كامل نطاق عدد الكيوبتات المختبرة.
التباين في المحاكيات:
- IBM "Fake Guadalupe": على النقييد من بيانات أجهزة جوجل، يظهر محاكي IBM تبايناً كبيراً. فأخطاء القراءة "الفعالة" التي تم تقديرها عبر MLE ( $q_{1\to0} \approx 0.081, q_{0\to1} \approx 0.048$ ) أعلى بكثير من أخطاء القراءة الفيزيائية ( $q_{1\to0} \approx 0.028, q_{0\to1} \approx 0.007$ ). إن عدم التماثل في بيانات المحاكي أكبر مما هو مذكور في المعاملات الفيزيائية، مما يشير إلى أن نموذج الضجيج في المحاكي قد يتضمن دون قصد تأثيرات خطأ البوابة كما توقع فيفرمـان وآخرون.
- Google "QVM Weber": النتائج المتعلقة بمحاكي جوجل غير حاسمة بسبب الغموض في معلمات الخطأ المبلغ عنها (الاختلافات بين بيانات المعايرة "المعزولة" و"المتوازية").
عدم الاستقرار الزمني:
حددت الدراسة عدم استقرار زمني في نسبة الآحاد المقاسة أثناء تنفيذ تجارب Google Sycamore و USTC Zuchongzhi.
- تتذبذب نسبة الآحاد بشكل كبير بمرور الوقت (تتغير بعدد كبير من الانحرافات المعيارية النظرية)، وتظهر ارتباطاً ذاتياً موجباً عالياً.
- ومع ذلك، فإن البيانات الخام للتهيئة والقراءة من جوجل (readout_raw_data.tar) لا تظهر تقلبات زمنية مماثلة.
- خلص المؤلفون إلى أن عدم الاستقرار هذا ينبع على الأرجح من البوابات المطبقة خلال دورات الدائرة بدلاً من التقلبات الزمنية في إعداد الحالة أو أخطاء القراءة.
عدم التركز (Anticoncentration):
لاحظت الدراسة أن بيانات جوجل التجريبية تظهر نقصاً في "عدم التركز" (قيم عالية للمعامل $c$ في $\sum p(x)^2 = c/2^n$ ) أقوى مما هو متوقع من نموذج ضجيج جوجل. لا يُعزى هذا التأثير إلى عدم التماثل المحدد في خطأ القراءة ( $q_{1\to0} > q_{0\to1}$ ) الذي تنبأ به فيفرمـان وآخرون، حيث لا تظهر البيانات الانحياز المقابل نحو الأصفار.

الأهمية والادعاءات
تدعي الورقة أنها توفر اختباراً إحصائياً صارماً للتنبؤ النظري بأن أخطاء البوابات غير الموحدة (تخميد السعة) تظهر كنوع محدد من أخطاء القراءة غير المتماثلة في أخذ عينات الدوائر العشوائية.

دحض التأثير الملحوظ: الادعاء الرئيسي هو أنه بينما تعتبر الآلية النظرية لفيفرمـان وآخرون [4] معقولة، إلا أنها لا تُشاهد في بيانات تجربة التفوق لعام 2019 من جوجل والتشغيلات اللاحقة. إن عدم التماثل الملحوظ في البيانات يمكن تفسيره بالكامل بواسطة أخطاء القراءة المبلغ عنها، مع عدم وجود مساهمة إضافية من الانحياز نحو الصفر الناتج عن البوابات.
التطوير المنهجي: نجحت الورقة في توسيع تحليل فورييه-والش وتقنيات MLE لنموذج الضجيج غير المتماثل المكون من 3 معاملات، مما يوفر إطاراً لتحليل بيانات NISQ مستقبلاً.
المحاكاة مقابل الواقع: تسلط الورقة الضوء على التباين بين الأجهزة الحقيقية (جوجل) وبعض المحاكيات (IBM Fake Guadalupe)، حيث يبدو أن الأخيرة تظهر "تضخماً" في الأخطاء الفعالة كما تنبأت النظرية، بينما لا يحدث ذلك في الأولى.

يحافظ المؤلفون على نبرة متواضعة، مشيرين إلى أنه بينما لم يتم العثور على تأثير محدد لعدم التماثل الناتج عن البوابات في بيانات جوجل، فإن الأمر يتطلب المزيد من العينات والمحاكاة لفهم كامل، خاصة بالنظر إلى الطبيعة غير الحاسمة لبيانات محاكي جوجل وعدم الاستقرار الزمني الملحوظ في دورات البوابات.

أبحاث مشابهة