Binary Optimization of Measurement Groupings for Quantum Energy Estimation

لفهم طاقة الجزيء، غالباً ما يلجأ العلماء إلى الحواسيب الكمومية، وهي أجهزة تستخدم القواعد الغريبة لعالم ما دون الذرة لحل مشكلات معقدة للغاية بالنسبة للآلات التقليدية. ومع ذلك، فإن مجرد إعداد حالة كمومية ليس كافياً لمعرفة طاقتها؛ إذ يجب على الباحثين قياس تلك الحالة بشكل متكرر لاستنتاج الإجابة. وتعد عملية القياس المتكرر هذه مكلفة، حيث تستهلك الغالبية العظمى من الموارد الحوسبية المتاحة. ويكمن التحدي في تحديد أي أجزاء من معادلة طاقة الجزيء يجب قياسها معاً. فبعض الأجزاء يمكن قياسها في وقت واحد دون أن تتداخل مع بعضها البعض، بينما يجب قياس أجزاء أخرى بشكل منفصل. وإذا قام العلماء بتجميع هذه الأجزاء بشكل غير فعال، فإنهم يهدرون الوقت والموارد في تكرارات غير ضرورية. والهدف هو إيجاد أفضل طريقة لتجميع هذه القياسات بحيث يكون إجمالي عدد المرات التي يحتاج فيها الحاسوب للعمل أصغر ما يمكن، مما يجعل الكيمياء الكمومية العملية أمراً واقعاً.

لقد طور فريق من الباحثين في جامعة ماكماستر طريقة جديدة لحل مشكلة التجميع هذه، حيث تعاملوا معها كأحجية تحسين بدلاً من كونها مجرد قائمة بسيطة من القواعد. وقد تناولوا المهمة من خلال النظر أولاً إلى معادلة طاقة الجزيء كمجموعة من الحدود المختلفة العديدة. وتتضمن استراتيجيتهم فرز هذه الحدود إلى مجموعات حيث يمكن قياس كل عنصر في المجموعة في نفس الوقت. وللقيام بذلك بفعالية، استخدموا أداة رياضية قوية تسمى "البرمجة الخطية ذات الأعداد الصحيحة المختلطة"، والتي تعمل مثل فرّاز عالي الكفاءة يختبر ملايين التشكيلات الممكنة لإيجاد الترتيب الذي يتطلب أقل عدد من القياسات. وقد اختبروا هذا النهج على مجموعة متنوعة من الأنظمة الجزيئية، بدءاً من سلاسل الهيدروجين البسيطة وصولاً إلى جزيئات أكثر تعقيداً مثل الماء والأمونيا.

وأظهرت النتائج أن مجموعاتهم المحسنة كانت أفضل بكثير من الطرق القياسية المستخدمة حالياً. ففي المتوسط، قللت طريقتهم الجديدة عدد القياسات المطلوبة بنسبة تقارب 52 بالمائة مقارنة بأفضل تقنية سابقة. وهذا يعني أنه لنفس المستوى من الدقة، سيحتاج الحاسوب الكمومي للعمل نصف عدد المرات تقريباً. كما وجد الباحثون أن هذه المجموعات المحسنة كانت قوية؛ إذ إن التجميع المصمم لشكل محدد لجزيء ما عمل بشكل جيد جداً مع أشكال مختلفة قليلاً لنفس الجزيء، مما وفر الحاجة لإعادة حساب الاستراتيجية بأكملها لكل تغيير طفيف في هندسة الجزيء. وتعد هذه القابلية للنقل أمراً بالغ الأهمية لأن الجزيئات في العالم الحقيقي تهتز وتغير شكلها باستمرار.

وعلاوة على مجرد تجميع الحدود التي لا تتداخل، استكشف الفريق أيضاً استراتيجية أكثر تقدماً حيث يمكن مشاركة حد واحد عبر مجموعات متعددة. فقد طوروا طريقة لاختيار هذه المجموعات المتداخلة مباشرة، بدلاً من مجرد تحسين قائمة أولية غير متداخلة. وبينما قدم هذا البحث المباشر تحسناً إضافياً طفيفاً فقط على طريقتهم الأولية القوية بالفعل، إلا أنه أثبت أن جودة اختيار المجموعات نفسها كانت أكثر أهمية من مجرد إجراء المزيد من خطوات التحسين. وفي الواقع، حققت طريقة البحث المباشر الخاصة بهم انخفاضاً بنسبة 27 بالمائ % في متطلبات القياس مقارنة بالنهج القياسي، على الرغم من استخدامها لخطوات تحسين أقل بكثير. وهذا يشير إلى أن إيجاد الهيكل الصحيح للمجموعات هو المفتاح للكفاءة، وليس مجرد تعديل الأرقام لاحقاً. وهذا يعني أن إيجاد الهيكل الصحيح للمجموعات هو المفتاح للكفاءة، وليس مجرد ضبط الأرقام لاحقاً.

كما امتدت الدراسة إلى ما وراء الجزيئات البسيطة لاختبار هذه الأساليب على نماذج شبكية معقدة تُستخدم في الفيزياء، والتي تمثل أنواعاً مختلفة من التفاعلات الكمومية. وفي هذه الحالات، تفوقت أساليب التحسين الجديدة بشكل كبير على الاستراتيجيات القياسية، مما أكد أن النهج يعمل عبر أنواع مختلفة من المشكلات الكمومية. وخلص الباحثون إلى أنه باستخدام "التحسين القائم على التباين" — أي أنهم استخدموا تقديرات لكيفية تقلب القياسات لتوجيه خياراتهم — استطاعوا خفض تكاليف أخذ العينات بشكل جذري لكل من "هاملتونيات" الجزيئات والشبكات. ويظهر عملهم أن الطريقة الرياضية المنظمة بذكاء لتنظيم القياسات يمكن أن تجعل تقدير الطاقة الكمومية أكثر جدوى، مما يوفر أساساً قوياً للتطبيقات المستقبلية في الكيمياء والفيزياء دون الحاجة إلى تغيير الأجهزة الكمومية الأساسية.