The practical cost of magic state cultivation

يتطلب بناء حاسوب يمكنه حل مشكلات تتجاوز قدرة الآلات الحالية تحولاً جذرياً في كيفية تخزين المعلومات وحمايتها. في العالم الكمومي، تتعرض الحالات الدقيقة التي تحمل البيانات للانهيار بسهًا بسبب أدنى اضطراب من البيئة المحيطة. ولمنع حدوث ذلك، يستخدم العلماء تقنية تسمى تصحيح الخطأ الكمومي، والتي تعمل على نشر المعلومات عبر العديد من الجسيمات الفيزيائية بحيث إذا فشل أحدها، يمكن للآخرين الحفاظ على المسار. ومع ذلك، لإجراء الحسابات الأكثر قوة، يجب أن تنفذ هذه الأنظمة المحمية أيضاً نوعاً معيناً من العمليات التي لا يستطيع تصحيح الخطأ القياسي القيام بها بمفرده. تعتمد هذه العملية على موارد خاصة وعالية الدقة تُعرف باسم "الحالات السحرية" (magic states). إن إنشاء هذه الحالات يشبه تقطير مادة كيميائية نقية من خليط صاخب: تبدأ بنسخة أولية خام وغير كاملة، ثم تقوم باختبارها وتكريرها مراراً وتكراراً حتى تصل إلى الجودة العالية المطلوبة للأعمال المعقدة. وتسمى عملية التكرير هذه "الاستزراع" (cultivation)، وهي تُعتبر على نطاق واسع خطوة حاسمة لبناء حاسوب كمومي مفيد.

لسنوات، جعل الباحثون الذين يقدرون تكلفة عملية الاستزراع هذه افتراضاً تبسيطياً تبين لاحقاً أنه مستحيل فيزيائياً. فقد افترضوا أنه في نهاية عملية التكرير، يمكنهم إجراء قياس مثالي وخالٍ من الضجيج للنتيجة النهائية لتقرير ما إذا كان سيحتفظون بها أو يتخلصون منها. وفي الواقع، من شأن إجراء مثل هذا القياس أن يدمر الحالة التي يحاولون إنقاذها. يجب أن تعتمد العملية الفعلية على المعلومات التي يتم جمعها أثناء إنشاء الحالة، دون النظر إلى المنتج النهائي مباشرة. وهذا يخلق نقطة عمياء كبيرة. إذ يكشف بحث جديد أجراه باحثون من جامعة هارفارد ومعهد ماساتشوستس للتكنولوجيا أن هذه النقطة العمياء أدت إلى تقدير ناقص لخطير للموارد المطلوبة. ومن خلال تطوير طريقة جديدة لاتخاذ القرارات دون تدمير الحالة، وجدوا أنه في حالات كثيرة، تكون تكلفة إنشاء هذه الموارد الضرورية أعلى بكثير مما كان يُعتقد سابقاً، كما أن معدلات الخطأ أسوأ بكثير مما اقترحته عمليات المحاكاة.

ركز الباحثون على المرحلة النهائية من الاستزراع، المعروفة باسم "مرحلة الهروب" (escape stage)، حيث يتم تنمية الحالة المكررة إلى حجم أكبر لحمايتها من الأخطاء. في العمل السابق، استخدم العلماء طريقة تسمى "الفجوة المتممة" (complementary gap) لتحديد ما إذا كانت الحالة جيدة بما يكفي للاحتفاظ بها. نجحت هذه الطريقة في عمليات المحاكاة لأنها كانت تمتلك وصولاً إلى "حد مغلق" — وهو قراءة نهائية مثالية تخبر النظام بالضبط بما حدث. ولكن في الحاسوب الحقيقي، هذا النوع من القراءة غير موجود. يمتلك النظام فقط إمكانية الوصول إلى "تاريخ مرئي" من الإشارات التي تم جمعها أثناء العملية، بينما تظل النتيجة النهائية مخفية. وعندما حاول الباحثون تطبيق الطريقة القديمة في هذا الموقف مفتوح النهايات، فشلت في التمييز بين الحالات الجيدة والسيئة بفعالية. فقد انهار مقياس القرار، وأصبح ضيقاً جداً لدرجة تمنعه من التمييز بين حالة موثوقة وأخرى معيبة، بغض النظر عن حجم الكود.

ولحل هذه المشكلة، طور الفريق نهجاً جديداً أطلقوا عليه اسم "كاليبير" (Caliper). فبدلاً من التخمين بشأن النتيجة النهائية، يستخدم "كاليبير" الإشارات المتاحة للتنبؤ بالنتائج المخفية الأكثر احتمالاً ويحسب درجة بناءً على مدى احتمالية حدوث فشل لكل احتمال. إنه يعمل من خلال استكشاف مشهد من الأخطاء المحتملة، والبحث بكفاءة عن السيناريوهات التي قد تسبب أكبر قدر من المشاكل. إذا أشارت الدرجة إلى خطر عالٍ للفشل، يتم التخلص من الحالة؛ وإذا كانت الدرجة منخفضة، يتم الاحتفاظ بها. تسمح هذه الطريقة للنظام باتخاذ قرار باستخدام المعلومات المتاحة فقط قبل القياس النهائي، مما يحافظ على الحالة للاستخدام المستقبلي. واختبر الباحثون هذه الطريقة باستخدام محاكاة حاسوبية مفصلة لنوعين مختلفين من أكواد تصحيح الخطأ الكمومي، وهي الأطر المستخدمة لحماية البيانات.

أظهرت النتائج فرقاً صارخاً بين الافتراضات القديمة والواقع الجديد. بالنسبة لنوع واحد من الأكواد، أدت الطريقة الجديدة أداءً يقارب السيناريو المثالي المستحيل، مما يشير إلى أن تقديرات الموارد لهذا الإعداد المحدد قد تظل دقيقة. ومع ذلك، بالنسبة للنوع الآخر من الأكواد، وهو الأكثر استخداماً في التصاميم الحالية، كانت الفجوة هائلة. في هذه المحاكاة، فشلت أفضل الطرق الموجودة التي حاولت العمل بدون قراءة نهائية في كبح الأخطاء بفعالية، مما ترك معدلات الخطأ المنطقية أعلى بعدة مراتب من المستهدف. وحتى عندما استخدم الباحثون طريقة "كاليبير" الجديدة، وجدوا أنه للوصول إلى نفس معدلات الخطأ المنخفضة كما في النماذج المثالية، فإنهم بحاجة إلى استخدام أكواد أكبر وتشغيل عملية التكرير لفترة أطول بكثير. وفي بعض الحالات، زادت كمية الوقت والمساحة المطلوبة لإنتاج حالة واحدة قابلة للاستخدام بمعامل قدره خمسة أو أكثر مقارنة بالتقديرات السابقة.

يسلط البحث الضوء على مقايضة حرجة بين المعلومات المتاحة للحاسوب والموارد التي يجب أن ينفقها. فبدون القدرة على رؤية النتيجة النهائية، يجب على النظام العمل بجهد أكبر ليكون متأكداً من قراراته. ووجد الباحثون أن مجرد تشغيل العملية لفترة أطول أو استخدام أكواد أكبر يمكن أن يستعيد الأداء، ولكن بتكلفة باهظة. كما اكتشفوا أن صعوبة هذه المشكلة تختلف اعتماداً على التصميم المحدد للكود. فبعض التصاميم أكثر متانة ضد نقص المعلومات النهائية، بينما البعض الآخر أكثر حساسية. وهذا يعني أن الطريق نحو بناء حاسوب كمومي مقاوم للأخطاء ليس موحداً؛ فالموارد المطلوبة ستعتمد بشدة على نوع كود تصحيح الخطأ المختار وكيفية تكييف عملية الاستزراع مع واقع اتخاذ القرار أثناء الدورة المتوسطة.

تمتد تداعيات هذه النتائج إلى البنية العامة للحواسيب الكمومية المستقبلية. فالعديد من التصاميم المقترحة للخوارزميات واسعة النطاق تفترض إمكانية إنتاج الحالات السحرية بكفاءة معينة بناءً على النماذج المثالية القديمة. فإذا كانت التكلفة الفعلية أعلى بخمس مرات، كما تشير المحاكاة لبعض البروتوكولات، فإن العدد الإجمالي للمكونات الفيزيائية المطلوبة لتشغيل هذه الخوارزميات قد يكون أكبر بكثير مما هو مخطط له حالياً. هذا لا يعني أن الهدف بعيد المنال، لكنه يعني أن التحديات الهندسية أكثر شدة. ويقترح الباحثون أن التصاميم المستقبلية قد تحتاج إلى التطوير جنباً إلى جنب مع طرق اتخاذ القرار الجديدة هذه، ربما من خلال استخدام استراتيجيات تكيفية تخصص موارد إضافية للحالات الأكثر صعوبة. كما يشيرون إلى أنه على الرغم من أن طريقتهم، "كاليبير"، تمثل تحسناً كبيراً عن المحاولات السابقة، إلا أنها ليست حلاً مثالياً، وأن هناك حاجة لمزيد من العمل لتحسين التوازن بين القدرة الحوسبية الكلاسيكية والموارد الكمومية.

في نهاية المطاف، يعد هذا العمل بمثابة تصحيح ضروري لتوقعات المجال. فهو ينقل النقاش من الاحتمالات النظرية إلى القيود العملية، موضحاً أن الطريق نحو حاسوب كمومي عامل معبد بالخيارات الصعبة حول المعلومات التي يمكن استخدامها وما يجب التضحية به. ومن خلال الكشف عن التكلفة الحقيقية للعمل دون قراءة نهائية، يوفر البحث خريطة أكثر واقعية للرحلة القادمة. وقد أتاح الباحثون بيانات المحاكاة الخاصة بهم والمجتمع العلمي، داعين الآخرين لاختبار هذه النتائج وتحسين الطرق. ومع تقدم المجال، ستكون القدرة على تقدير هذه التكال Kosten بدقة لا تقل أهمية عن القدرة على بناء الأجهزة نفسها، مما يضمن أن الموارد المخصصة لهذه الآلات الطموحة كافية لتلبية متطلبات الفيزياء التي يجب عليها التغلب عليها.