Spiking neural networks for streaming qubit readout

تحمل الحواسيب الكمومية في طياتها الوعد بحل مشكلات مستعصية حاليًا حتى على أقوى الحواسيب الفائقة، بدءًا من تصميم أدوية جديدة وصولاً إلى محاكاة المواد المعقدة. ومع ذلك، فإن هذه الآلات هشة للغاية؛ فلكي تعمل، يجب الحفاظ عليها في حالة من التوازن الدقيق، إذ يمكن لأدنى اضطراب أن يتسبب في فقدانها لمعلوماتها. ولإبقاء الحاسوب الكمومي قيد التشغيل، يتعين على العلماء التحقق باستمرار من حالة مكوناته الفردية، المعروفة باسم "الكيوبتات" (qubits)، وإجراء تعديلات سريعة بناءً على ما يجدونه. إن عملية التحقق هذه، أو "القراءة"، لحالة الكيوبت ليست مجرد خطوة نهائية، بل هي حوار مستمر وعالي المخاطر بين الآلة والعالم. فإذا كانت القراءة بطيئة للغاية أو غير دقيقة، فلن يتمكن الحاسوب من تصحيح أخطائه في الوقت المناسب، وتفشل العملية الحسابية. لسنوات طويلة، اعتمد العلماء على طرق قياسية لتفسير هذه الإشارات، ولكن مع ازدياد حجم الآلات الكمومية وتعقيدها، أصبحت هذه الأدوات القديمة بطيئة للغاية وصلبة للغاية للتعامل مع الطبيعة الفوضوية والآنية للبيانات.

لقد قدم فريق من الباحثين الآن طريقة جديدة للاستماع إلى هذه الإشارات الكمومية، باستخدام نوع من "الأدمغة الحاسوبية" المستوحى من الجهاز العصبي البشري. فبدلاً من الانتظار حتى ينتهي القياس بالكامل قبل اتخاذ قرار، يستمع نظامهم الجديد إلى الإشارة فور وصولها، ويقوم بتحديث فهمه لحظة بلحظة. هذا النهج، الذي يستخدم "الشبكات العصبية النبضية" (spiking neural networks)، يسمح للحاسوب باتخاذ القرارات بسرعة أكبر من ذي قبل، مما قد يمكّن من إجراء التصحيحات السريعة اللازمة للحوسبة الكمومية واسعة النطاق. وقد اختبر الباحثون هذه الطريقة على معالج كمومي صغير يحتوي على خمسة كيوبتات، ووجدوا أنها تستطيع تحديد حالة الكيوبتات بدقة عالية، محاكيةً أداء الأنظمة الأكبر والأبطأ، مع العمل في الوقت الفعلي.

يبدأ التحدي بكيفية قياس الحواسيب الكمومية. ففي المعالجات الكمومية فائقة التوصيل المستخدمة من قبل العديد من الباحثين، يتم قراءة المعلومات عن طريق إرسال إشارات ميكروويف عبر الآلة. وعندما يكون الكيوبت في حالة معينة أو أخرى، فإنه يغير تردد هذه الإشارات بشكل طفيف. وفي الإعدادات الحديثة، غالبًا ما يقيس العلماء العديد من الكيوبتات في وقت واحد عن طريق إرسال ترددات مختلفة عبر سلك واحد، وهي تقنية تسمى "تعدد الإرسال الترددي" (frequency multiplexing). ورغم كفاءة هذه التقنية، إلا أنها تخلق إشارة معقدة هي عباءة من استجابات جميع الكيوبتات. فالإشارة ليست خطًا نظيفًا وبسيطًا، بل هي أثر ضوضائي ومتقلب يمكن أن يتشوه بسبب تفاعل الكيوبتات مع بعضها البعض أو بسبب تغير حالة الكيوبتات أثناء عملية القياس. تقليديًا، استخدم العلماء طريقة تسمى "الترشيح المتوافق" (matched filtering) لتفسير هذه الآثار. وتعمل هذه الطريقة من خلال مقارنة الإشارة الواردة بنموذج مثالي ومحسوب مسبقًا لما يجب أن تبدو عليه الإشارة. ومع ذلك، فإن لهذا النهج عيبًا جوهريًا: فهو يتطلب تسجيل القياس بأكمله قبل البدء في أي تحليل. إنه يعامل الإشارة كصورة ثابتة، متجاهلًا حقيقة أن الإشارة تتغير بمرور الوقت وأن الأدلة المهمة قد تظهر في بداية القياس ثم تختفي.

وللتغلب على هذا القصور، لجأ الباحثون إلى نوع آخر من الذكاء الاصطناعي يُعرف بالشبكة العصبية النبضية. وخلافًا للشبكات العصبية الاصطناعية القياسية، التي تعالج البيانات في تدفقات مستمرة ولا تنتج إجابة إلا بعد رؤية المدخلات بالكامل، صُممت الشبكات العصبية النبضية للتعامل مع المعلومات فور وصولها، تمامًا كما تطلق الخلايا العصبية في الدماغ نبضات استجابة لأحداث محددة. في هذا النظام الجديد، يتم تقسيم إشارة الميكروويف الواردة إلى شرائح زمنية صغيرة، تبلغ مدة كل منها 100 نانو ثانية فقط. ومع وصول كل شريحة، تقوم الشبكة بمعالجتها فورًا، وتحدث ذاكرتها الداخلية وتخمينها بشأن حالة الكيوبت. إنها لا تنتظر انتهاء القياس بالكامل، مما يسمح للنظام ببدء اتخاذ القرار بمجرد بدء القياس تقريبًا، بدلًا من الانتظار حتى النهاية. وقد بنى الباحثون هذا النظام ليعمل على أجهزة متخصصة تسمى "مصفوفة البوابات المنطقية القابلة للبرمجة ميدانيًا" (FPGA)، وهي نوع من الرقائق الشائعة في أنظمة التحكم الكمومي لأنها تستطيع إجراء الحسابات بتأخير منخفض للغاية.

اختبر الفريق طريقتهم الجديدة على معالج كمومي بخمسة كيوبتات، وهو معيار صغير ولكنه واقعي يتضمن جميع التعقيدات الموجودة في الآلات الأكبر، مثل الضوضاء والتداخل بين الكيوبتات. وقارنوا شبكتهم العصبية النبضية بطريقة "الترشيح المتوافق" التقليدية، وبشبكة عصبية اصطناعية قياسية تنتظر البيانات الكاملة قبل اتخاذ القرار. وأظهرت النت la أن الشبكة العصبية النضية كانت فعالة للغاية؛ فقد حققت دقة مطابقة تقريبًا للشبكة العصبية القياسية الأكبر بكثير، والتي كانت تمتلك الوصول إلى جميع البيانات في وقت واحد، لكنها فعلت ذلك أثناء معالجة البيانات في الوقت الفعلي. أما طريقة "الترشيح المتوافق" التقليدية، وهي المعيار الحالي، فقد كانت أقل دقة، لا سيما عندما تتفاعل الكيوبتات مع بعضها البعض أو عندما تكون الإشارة مليئة بالضوضاء. لقد تمكن النظام الجديد من رصد هذه الأنماط المعقدة والتصحيح بناءً عليها، مما قلل من الأخطاء التي تحدث عندما يختلط قياس كيوبت معين بحالة كيوبت آخر.

كان أحد أهم النتائج هو القدرة على التحكم في توقيت اتخاذ النظام لقراره. نظرًا لأن الشبكة تُحدث تخمينها بعد كل شريحة زمنية متناهية الصغر، فقد تمكن الباحثون من تدريبها لتكون واثقة بما يكفي للتوقف مبكرًا إذا كانت الإشارة واضحة، أو الانتظار لفترة أطول إذا كانت الإشارة غامضة. ووجدوا أنه من خلال ضبط التدريب، استطاعوا الحصول على قراءة دقيقة جدًا بعد 600 نانو ثانية فقط من القياس، وهو جزء كبير من الوقت الإجمالي، دون التضحية بدقة النتيجة النهائية. هذه المرونة أمر بالغ الأهمية لتصحيح الخطأ الكمومي، حيث يجب على النظام أن يقرر بسرعة ما إذا كان سيطبق تصحيحًا أم ينتظر مزيدًا من المعلومات. كما أظهر الباحثون أنه يمكنهم تشغيل هذا النظام المعقد على أجهزة تستخدم أرقامًا مبسطة، وهي تقنية تسمى "التكميم" (quantization)، دون فقدان الكثير من الدقة. وهذا أمر حيوي لأنه يعني أن النظام يمكنه العمل على الموارد المحدودة لمتحكم الحاسوب الكمومي الحقيقي دون الحاجة إلى كميات هائلة من الطاقة أو الذاكرة.

أكدت الاختبارات العتادية أن النظام سريع بما يكفي للمهمة. فقد حسب الباحثون أن الرقاقة يمكنها معالجة كل شريحة بيانات مدتها 100 نانو ثانية في حوالي 31 إلى 52 نانو ثانية. وهذا يعني أن النظام ينهي حساباته ويحدث قراره قبل وصول شريحة البيانات التالية بوقت كافٍ. هذه السرعة ضرورية لعملية "القراءة المتدفقة"، حيث يجب على النظام مواكبة تدفق المعلومات دون تأخر. أظهرت الدراسة أن هذا النهج ليس مجرد إمكانية نظرية، بل هو حل عملي يمكن بناؤه باستخدام التكنولوجيا الحالية. ومن خلال الجمع بين القدرة على التعلم من البيانات المعقدة والمشوشة وبين سرعة المعالجة في الوقت الفعلي، تقدم الشبكة العصبية النبضية مسارًا جديدًا لقراءة الحواسيب الكمومية. إنها تجسر الفجوة بين الأساليب القدسة الجامدة والبطيئة، وبين الاحتياجات السريعة والمتكيفة للمستقبل، مما يشير إلى أن الجيل القادم من الحواسيب الكمومية قد يعتمد على هذه الأنظمة المستوحاة من الدماغ للبقاء على المسار الصحيح.