A Polynomial-Scaling PDE Solver with Entanglement-Basis Tensor Networks

تُوصَف معظم الأشياء في العالم المادي عبر معادلات تتبع كيفية تغير الأشياء عبر الفضاء والزمن، من تدفق الحرارة عبر قضيب معدني إلى حركة الهواء حول جناح طائرة. ولأن هذه المعادلات غالبًا ما تكون معقدة للغاية بحيث لا يمكن حلها بمعادلة بسيطة، يعتمد العلماء والمهندسون على الطرق العددية لتفكيك المشكلة إلى أجزاء يمكن إدارتها. إنهم يقسمون شكلاً مستمراً إلى شبكة من القطع الصغيرة المحدودة، مما يحول المشكلة السلسة واللانهائية إلى قائمة ضخمة من المعادلات الجبرية التي يمكن للحاسوب معالجتها. ومع أن هذا النهج يعمل جيدًا للعديد من المشكلات، إلا أنه يصطدم بحائط عندما تصبح المعادلات غير خطية للغاية أو عندما يتضمن النظام أجزاءً عديدة متفاعلة؛ حيث يمكن لعدد الحسابات المطلوبة أن ينفجر، وينمو بسرعة كبيرة تجعل حتى أقوى الحواسيب الفائقة عاجزة عن إتمام المهمة في وقت معقول.

لقد طور فريق من الباحثين في معهد ماساتشوستس للتكنولوجيا (MIT) طريقة جديدة لمعالجة هذه المشكلات الصعبة عبر استعارة أداة من دراسة الفيزياء الكمومية. فبدلاً من معاملة ذاكرة الحاسوب كقائمة بسيطة من الأرقام، يقومون بتمثيل الحل كشبكة متصلة من هياكل بيانات أصغر ومترابطة. وتسمح هذه الطريقة، المعروفة باسم "شبكة الموتر" (tensor network)، للحاسوب بتخزين ومعالجة المعلومات بكفاءة من خلال التركيز فقط على الروابط الأكثر أهمية بين الأجزاء المختلفة للنظام. وفي عملهم الجديد، نجح الباحثون في تطبيق هذه التقنية على طريقة قياسية لحل المعادلات تُعرف باسم "طريقة العناصر المحدودة" (finite element method)، مما أدى إلى إنشاء برنامج حل يمكنه التعامل مع المشكلات المعقدة وغير الخطية بتكلفة حوسبية تنمو بمعدل حدودي يمكن التحكم فيه، بدلاً من معدل أسي مستحيل.

يكمن التحدي الجوهري في كيفية تعامل الطرق التقليدية مع العلاقات غير الخطية. فعندما يسلك نظام فيزيائي سلوكاً لا تكون فيه المخرجات متناسبة مباشرة مع المدخلات — مثل عندما تتغير الخصائص المادية لمادة ما اعتماداً على مقدار الحرارة التي تحملها حالياً — يصبح الأمر الرياضي صعباً للغاية. تتطلب النهج القياسية غالباً أن يخمن الحاسوب حلاً، ثم يتحقق من الخطأ، ثم يخمن مرة أخرى، وهي عملية قد تكون بطيئة وغير مستقرة. وقد تعامل فريق معهد ماساتشوستس للتكنولوجيا مع هذا الأمر عبر رفع المشكلة إلى فضاء أكبر وأكثر تجريداً حيث تصبح هذه التفاعلات غير الخطية علاقات خطية بسيطة. تخيل أنك تحاول فك عقدة عن طريق شد أطرافها؛ أحياناً يكون من الأسهل تخيل العقدة كلوحة مسطحة ومفرودة حيث تكون التشابكات مجرد خطوط يمكن تقويمها. ومن خلال توسيع المشكلة إلى هذا الفضاء المعزز، استطاع الباحثون التعبير عن المعادلات الحاكمة، وقواعد كيفية ترابط القطع معاً، والشروط عند الحواف، كهدف واحد موحد: تقليل الخطأ، أو "البواقي" (residual)، للنظام بأكمله في آن واحد.

ومع ذلك، فإن هذا الفضاء الجديد ضخم نظرياً، لدرجة أن نموه الكبير يجعل تخزينه في ذاكرة الحاسوب مستحيلاً لأي شيء باستثناء أبسط المشكلات. وهنا يأتي دور شبكة الموتر. فقد أدرك الباحثون أنه بينما يكون الفضاء ضخماً، فإن المعلومات الفعلية اللازمة لوصف الحل غالباً ما تكون أكثر إيجازاً لأن أجزاء النظام ليست جميعها متصلة ببعضها البعض بنفس القدر. لقد استخدموا نوعاً معيناً من الهياكل الشبكية، يُسمى "حالة ناتج المصفوفة" (matrix product state)، والذي يرتب البيانات في سلسلة حيث يتواصل كل جزء مباشرة فقط مع جيرانه المباشرين. ويعمل هذا الهيكل كمرشح (فلتر)، حيث يحتفظ فقط بالارتباطات الجوهرية بين العناصر ويستبعد الباقي. ومن خلال استخدام خوارزمية تُعرف باسم "مجموعة إعادة تطبيع مصفوفة الكثافة" (density matrix renormalization group)، والتي تمسح السلسة ذهاباً وإياباً لتحسين قطعة واحدة في كل مرة، يمكن للحاسوب إيجاد الحل الأمثل دون الحاجة أبداً لبناء الفضاء الضخم الكامل في ذاكرته.

ولاختبار فكرتهم، طبق الفريق برنامج الحل الجديد الخاص بهم على "معادلة الانتشار"، وهي نموذج شائع لكيفية انتشار الحرارة أو الجسيمات عبر مادة ما حيث تتغير القدرة على توصيل الحرارة اعتماداً على الموقع. لقد أقاموا محاكاة على مجال أحادي البعد، مقسماً إياه إلى عشر قطع صغيرة، واستخدموا نوعاً معيناً من الدوال الرياضية لوصف الحل داخل كل قطعة. ثم تركوا الخوارزمية تعمل، وهي تعدل الروابط بين القطع لتقليل الخطأ في المعادلة. وأظهرت النتائج أن الطريقة أنتجت حلاً قريباً جداً من الطرق القياسية الراسخة المستخدمة اليوم، بفوارق تقل عن خمسة بالمائة في سعة الموجة. والأهم من ذلك، ظل الحل سلساً ومستمراً عبر الحدود بين القطع، مما أثبت أن الطريقة تفرض بشكل صحيح القواعد الفيزيائية التي تتطلب أن يتصل الحل بسلاسة من قطعة إلى أخرى.

كما فحص الباحثون كيف تتحسن دقة الطريقة مع جعل الشبكة أكثر دقة أو استخدام دوال أكثر تعقيداً داخل كل قطعة. ووجدوا أن الخطأ يتناقص باستمرار مع زيادة الدقة، مما يؤكد أن الطريقة تتقارب نحو الإجابة الصحيحة كلما أصبح التمثيل أكثر تفصيلاً. ومع ذلك، أشاروا إلى أن هذا التحسن ليس لانهائياً؛ فبمجرد أن تصبح الدقة المكانية عالية جداً، تصبح الدقة محدودة بحجم الخطوات الزمنية المستخدمة في المحاكاة، وهو سلوك يتفق مع الطرق العددية القياسية. وقد أظهرت الدراسة أنه بالنسبة لهذا النوع المحدد من المشكلات، فإن التكلفة الحوسبية تتناسب طردياً مع عدد العناصر (بمعدل حدودي)، مما يعني أن مضاعفة عدد القطع لا تؤدي إلى مضاعفة العمل، بل تزيد من العمل بمعامل أكثر قابلية للإدارة، بشرط أن يظل تعقيد الروابط بين العناصر محدوداً.

لا يدعي هذا العمل استبدال كل الطرق الموجودة لحل المعادلات، ولا يشير إلى أن هذا النهج هو حل سحري لجميع أنواع المشكلات الفيزيائية. فكفاءة الطريقة تعتمد بشدة على ما إذا كان حل المشكلة المحددة يمكن وصفه بشبكة مدمجة ذات عدد صغير من الروابط. فإذا تطلب النظام الفيزيائي عدداً هائلاً من الروابط طويلة المدى، فقد لا تقدم الطريقة أي ميزة مقارنة بالتقنيات التقليدية. علاوة على ذلك، فإن التنفيذ الحالي مقتصر على المشكلات أحادية البعد، ويقر الباحثون بأن الثوابت المعنية في الحساب يمكن أن تصبح كبيرة إذا زاد التعقيد المحلي للمشكلة. ومع ذلك، فإن الدراسة ترسم مساراً واضحاً للمضي قدماً، وتوضح أنه من الممكن إعادة تنظيم اللبنات الأساسية لتحليل العناصر المحدودة في إطار يتوافق مع أدوات التحسين القوية المستوحاة من الكم.

ومن خلال فصل التقريب المحلي للحل عن القيود العالمية التي تربط النظام معاً، أنشأ الباحثون إطاراً مرناً يمكن تكييفه مع أنواع مختلفة من المعادلات والظروف الحدية دون تغيير برنامج الحل الأساسي. يسمح هذا الفصل باستخدام نفس المحرك الخوارزمي لمجموعة واسعة من المشكلات، من تدفق الحرارة البسيط إلى التفاعلات غير الخطية الأكثر تعقيداً. إن نجاح هذا النهج في الإعداد أحادي البعد يشير إلى إمكانية توسيعه إلى أبعاد أعلى باستخدام هندسات شبكية أكثر تعقيداً، مما قد يفتح الباب لحل مشكلات لا يمكن للحواسيب الكلاسيكية الوصول إليها حالياً. ويعد هذا العمل بمثابة إثبات للمفهوم، يوضح أن مبادئ شبكات الموتر يمكن ترجمتها بفعالية من عالم ميكانيكا الكم إلى عالم الهندسة والرياضيات التطبيقية العملي، مما يوفر أداة جديدة لفهم الأنظمة المعقدة والمتغيرة التي تشكل واقعنا الفيزيائي.