Error-Corrected Memory and Logic on a Heavy-Hex Superconducting-Qubit Processor
تثبت هذه الورقة أن الذاكرة والمنطق الكمي عالي الأداء والمتسامح مع الأخطاء يمكن تحقيقهما على معالج فائق التوصيل غير متجانس مكون من 156 كيوبت عبر توظيف استراتيجيات مستنيرة بالضجيج، بما في ذلك إعادة تصميم الكود الديناميكي، واستبعاد المكونات، وتقنيات فك التشفير المتقدمة، مما يقلل بشكل كبير من معدلات الخطأ المنطقي ويرفع دقة "بيل" إلى أكثر من 97%.
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
غالبًا ما توصف المهمة الرامية إلى بناء حاسوب كمي مفيد بأنها سباق ضد الضجيج. ففي العالم الكمي، تُحفظ المعلومات في حالات هشة يمكن أن تتبدد بسهولة بفعل أدنى اضطراب من البيئة المحيطة. ولحماية هذه المعلومات، يستخدم العلماء تقنية تسمى "تصحيح الخطأ"، والتي تعمل على نشر قطعة واحدة من البيانات عبر العديد من المكونات الفيزيائية. فإذا فشل أحد المكونات، يمكن للمكونات الأخرى الكشف عن الخطأ وإصلاحه دون تدمير البيانات. هذا النهج ضروري لتوسيع نطاق الآلات الكمية، لكنه يتطلب عددًا هائلاً من المكونات التي تعمل في تناغم تام. والتحدي يكمكن في أن الآلات في العالم الحقيقي ليست مثالية أبدًا؛ فالدوائر فائقة التوصيل الصغيرة المستخدمة لتخزين المعلومات الكمية غالبًا ما تعاني من اختلافات طفيفة في أدائها، كما أن بعض المكونات تكون ببساطة معطلة أو أكثر ضجيجًا من غيرها. وإذا لم يتمكن الحاسوب من تحمل هذه العيوب، فإن عملية التصنيع ستكون غير مجدية لدرجة تجعل بناء آلة كبيرة أمرًا مستحيلاً.
لقد أثبت فريق من الباحثين طريقة لجعل المعالج الكمي الكبير يعمل بفعالية حتى عندما يحتوي على أجزاء معيبة. وباستخدام شريحة فائقة التوصيل مكونة من 156 كيوبت تُعرف باسم "IBM Boston"، أجروا تجربة معقدة لتصحيح الخطأ عبر الجهاز بأكره. وبدلاً من محاولة إجبار الأجزاء المعطلة على العمل، طوروا استراتيجية لتجاهلها ببساطة. ومن خلال رسم خريطة للمكونات ذات الأداء الضعيف وإعادة تصميم جدول القياس للالتفاف حولها، تمكن الفريق من الحفاظ على أداء عالٍ. ووجدوا أنه من خلال استبعاد الأجزاء الأسوأ أداءً واستخدام برنامج حاسوبي ذكي لتفسير النتائج، استطاعوا تقليل معدل الأخطاء بشكل كبير. وفي الاختبارات المصممة لتخزين المعلومات، أدى هذا النهج إلى تحسين موثوقية الذاكرة بنسبة تصل إلى 35 بالمائة. وفي الاختبارات المصممة لإجراء العمليات المنطقية، كان التحسن أكثر دراماتيكية، حيث وصل إلى 56 بالمائة. كما أظهر الباحثون أنه من خلال تصفية التجارب التي يُحتمل أن تكون البيانات فيها قد فسدت بسبب نوع معين من الفشل يسمى "التسرب" (leakage)، استطاعوا تحقيق دقة عالية للغاية في إنشاء الحالات المتشابكة، مع معدلات نجاح تتجاوز 97 بالمائة في عمليات الاختيار اللاحق.
أُجريت التجربة على شريحة ذات تخطيط فريد يسمى "الشبكة السداسية الثقيلة" (heavy-hexagonal lattice)، والتي تربط الكيوبتات في نمط معين يسهل تصنيعه ولكنه أصعب في الاستخدام لتصحيح الخطأ مقارنة بالشبكة البسيطة. استخدم الباحثون "كودًا ديناميكيًا"، وهو أسلوب يغير طريقة التحقق من الأخطاء بمرور الوقت، مما يسمح له بالتكيف مع عدم انتظام الشريحة. وقد حددوا منطقتين محددتين في الشريحة حيث كانت المكونات ضعيفة الأداء باستمرار، بمعدلات خطأ أعلى بكثير من بقية الجهاز. وبدلاً من التخلص من الشريحة بأكملها، أعادوا تصميم بروتوكول تصحيح الخطأ لتجنب هاتين المنطقتين تمامًا. وتضمن ذلك إنشاء عمليات تحقق جديدة أكبر قليلاً تتخطى المكونات المعطلة، مما أدى فعليًا إلى نسج تصحيح الخطأ حول الفجوات في نسيج الآلة.
ولفهم البيانات القادمة من الشريحة، استخدم الفريق استراتيجية فك تشفير متطعة. فقد استخدموا طريقة تسمى "ACES" لقياس أنماط الضجيج المحددة للدائرة في يوم التجربة، مما أنشأ خريطة مفصلة للأماكن التي يُحتمل وقوع الأخطاء فيها. وتم تغذية هذه الخريطة في "مفكك تشفير" (decoder)، وهو خوارزمية حاسوبية كلاسيكية تعمل مثل المترجم، حيث تفسر الإشارات الخام من الشريحة الكمية لتحديد ما إذا كان قد حدث خطأ وكيفية إصلاحه. ووجد الباحثون أن استخدام معلومات الضجيج التفصيلية والآنية كان أكثر فعالية بكثير من الاعتماد على معدلات الخطأ المتوسطة العامة. ومع ذلك، اكتشفوا أيضًا أنه حتى مع وجود أفضل خريطة للضجيج، فإن وجود المكونات المعيبة يضع حدًا قاسيًا للأداء؛ إذ لم يستطع مفكك التشفير التعويض عن الأجزاء المعيبة بشكل كامل، وكان السبيل الوحيد للتغلب عليها هو استبعادها فيزيائيًا من الحسابات.
اختبر الفريق نهجه بثلاث طرق مختلفة. أولاً، أجروا تجارب الذاكرة، حيث قاموا بتخزين حالة كمية وتحققوا من مدى صمودها بمرور الوقت. ووجدوا أنه من خلال استبعاد المكونات المعيبة واستخدام مفكك التشفير المستند إلى معلومات الضوضاء، انخفض معدل الخطأ المنطقي بشكل كبير. وفي أفضل الحالات، انخفض احتمال الخطأ لكل جولة قياس ليكون بين 2.56 و4.11 بالمائة. وكان هذا تحسنًا ملموسًا مقارنة باستخدام المكونات المعيبة أو استخدام نماذج ضجيج أقل دقة. ثانياً، اختبروا استقرار النظام من خلال تشغيل تصحيح الخطأ لعدة جولات لمعرفة ما إذا كان النظام يمكنه كبح الأخطاء بمرور الوقت. فبدون استبعاد العيوب، كان معدل الخطأ يتوقف عن التحسن بعد حوالي 12 جولة، حيث يصل إلى مرحلة الثبات. أما مع استبعاد المكونات المعيبة، فقد استمر معدل الخطأ في الانخفاض وصولاً إلى 30 جولة، مما أظهر أن النظام يمكنه حقًا كبح الأخطاء عند إزالة الأجزاء السيئة.
أخيرًا، اختبر الباحثون قدرة الآلة على إجراء العمليات المنطقية، وتحديدًا عملية تسمى "جراحة الشبكة" (lattice surgery)، والتي تسمح لكيوبتين منطقيين منفصلين بالاندماج والتفاعل. وتعد هذه خطوة حاسمة لإجراء حسابات معقدة. ووجدوا أنه من خلال تصفية الجولات التي يُحتمل أن الحالة الأولية قد تسربت فيها خارج مساحة الحوسبة الآمنة، استطاعوا تحقيق نتائج عالية الجودة. وعند دمج هذا "الاختيار المسبق" مع تقنية "الاختيار اللاحق" التي أبقت فقط على النتائج الأكثر ثقة، تمكنوا من توليد حالات متشابكة بدقة تتجاوز 97 بالمائ% . وهذا يعني أن الحالات الكمية الناتلة كانت قريبة جدًا من الحالات النظرية المثالية، وهو مستوى من الجودة ضروري للحواسيب الكمية واسعة النطاق في المستقبل.
تسلط الدراسة الضوء على درس حاسم لمستقبل الحوسبة الكمية: إن الكمال في التصنيع ليس مطلوبًا بدقة لتحقيق أداء عالٍ. وبينما ستظل المكونات على الشريحة متفاوتة، وسيكون بعضها معطلاً حتماً، يمكن تصميم النظام للعمل حول هذه العيوب. لقد أظهر الباحثون أنه من خلال الجمع بين الاستبعاد النشط للعيوب وفك التشفير الذكي والتصفية الدقيقة، يمكن للمعالج الكمي الحفاظ على دقة عالية حتى عند العمل مع أجهزة غير مثالية. ويشير هذا النهج إلى أنه كلما أصبحت الشرائح الكمية أكبر وأكثر تعقيدًا، ستكون القدرة على تحمل العيوهات والعمل حولها لا تقل أهمية عن الجودة الخام للمكونات الفردية. ويوفر هذا العمل مسارًا عمليًا لبناء حواسيب كمية مفيدة باستخدام أجهزة الجيل الحالي، مما يثبت أن الأداء العالي ممكن حتى عندما لا تكون الآلة مثالية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.