A scalable sample-based quantum diagonalization solver for general Pauli-sum Hamiltonians
تقدم هذه الورقة حلاً قابلاً للتوسع يعتمد على JAX لحل الحالة الأرضية من أجل القطرية الكمومية القائمة على العينات، والذي يستفيد من بنيات وحدة معالجة الرسومات (GPU) ومتعددة وحدات معالجة الرسومات (multi-GPU) لإجراء قطرية الفضاء الجزئي في فضاءات تصل أبعادها إلى مع كفاءة مُثبتة في استهلاك الذاكرة وتوسع قوي.
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
في سعيها لفهم أعمق آليات المادة، غالباً ما يتجه العلماء نحو ميكانيكا الكم، وهي مجموعة القواعد التي تحكم سلوك الذرات والجسيمات دون الذرية. بالنسبة للأنظمة التي تحتوي على عدد قليل فقط من الجسيمات، تكون هذه القواعد قابلة للإدارة، ولكن مع زيادة عدد الجسيمات، ينفجر التعقيد. إن حساب أدنى حالة طاقة لمجموعة كبيرة من الجسيمات المتفاعلة — وهي مهمة أساسية لتصميم مواد جديدة أو فهم التفاعلات الكيميائية — يصبح صعباً للغاية لدرجة أن أقوى الحواسيب الفائقة التقليدية تكافح لحله. وهنا يأتي دور الوعد الذي يقدمه الحوسبة الكمومية. الفكرة هي استخدام آلة كمومية، تتبع بطبيعتها هذه القواعد المعقدة، للمساعدة في حل المشكلات التي لا يمكن حلها بطرق أخرى. ومع ذلك، لا تزال الحواسيب الكمومية الحالية في مراحلها الأولى، فهي عرضة للأخطاء ومحدودة الحجم، ولا يمكنها بعد تشغيل الحسابات الضخمة والمثالية المطلوبة للتطبيقات الواقعية بمفردها.
ولسد هذه الفجوة، طور الباحثون نهجاً هجيناً يُعرف باسم "القطرية الكمومية القائمة على العينات" (sample-based quantum diagonalization). في هذه الطريقة، لا يقوم حاسوب كمومي صغير بحل المشكلة بأكملها، بل يعمل كحساس متخصص، حيث يقوم بأخذ عينات من حالات محددة للنظام لاقتراح الأجزاء الأكثر أهمية من المشهد الرياضي الشاسع. ثم تُنقل المهمة الشاقة للحساب الفعلي إلى حاسوب تقليدي، والذي يستخدم هذه الاقتراحات لإيجال الإجابة. هذا التقسيم في العمل يسمح للعلماء بالاستفادة من نقاط القوة الفريدة لكلا التقنيتين، مما قد يحقق نتائج مفيدة حتى قبل أن تصبح الحواسيب الكمومية خالية تماماً من الأخطاء. ومع ذلك، يكمن التحدي في الجانب الكلاسيكي من المعادلة: فكلما اقترح الحاسوب الكمومي المزيد والمزيد من الحالات للنظر فيها، يجب أن يكون الحاسوب الكلاسيكي قادراً على التعامل مع حسابات تتضمن مليارات الأبعاد دون نفاذ الذاكرة أو الوقت.
لقد عالج باحث بقيادة يوتارو إياما من جامعة طوكيو هذا الاختناق من خلال إنشاء أداة برمجية جديدة عالية القابلية للتوسع مصممة للعمل في مرافق الحوسبة عالية الأداء الحديثة. يركز عملهم على المحرك الكلاسيكي الذي يعالج البيانات الواردة من الماسح الكمومي. لقد بنوا حلالاً (solver) قادراً على إجراء العمليات الرياضية اللازمة على فضاءات جزئية تحتوي على ما يصل إلى مليار بُعد تقريباً، وهو مقياس كان من الصعب إدارته سابقاً على جهاز واحد. كُتب البرنامج ليعمل بكفاءة على وحدات معالجة الرسومات، وهي الرقائق القوية التي توجد عادة في بطاقات الفيديو ولكنها أصبحت الآن مركزية في الحوسبة الفائقة، مما يسمح له باستغلال القوة المتوازية لمئات من هذه المعالجات التي تعمل معاً.
جوهر هذا الحل الجديد هو خوارزمية متخصصة تجد أدنى حالة طاقة للنظام دون الحاجة أبداً لتخزين الخريطة الرياضية الكاملة لذلك النظام في الذاكرة. في النهج التقليدية، يتطلب حساب طاقة نظام معقد إنشاء شبكة ضخمة من الأرقام التي تمثل كل تفاعل ممكن، مما يملأ ذاكرة الحاسوب بسرعة. يتجنب هذا الأسلوب الجديد هذا الفخ من خلال حساب الأرقام الضرورية فقط عند الحاجة إليها، وهي تقنية تُعرف باسم "النهج الخالي من المصفوفات" (matrix-free approach). ويعمل هذا النهج عن طريق تطبيق عملية محددة بشكل متكرر على متجه من الأرقام، مما يؤدي إلى تحسين تقدير الحالة الأرضية مع كل خطوة. ولأن الباحث قام بتحسين هذه العملية لاستخدام ذاكرة قليلة جداً، فقد أثبت أن بطاقة رسومات واحدة بذاكرة 100 جيجابايت يمكنها حل مشكلات تتضمن مليار بُعد، وهو إنجاز كان مستحيلاً بالأساليب القديمة.
لاختبار حدود نظامهم، أجرى الباحث محاكاة على نموذج لمادة مغناطيسية تُعرف باسم "نموذج إيزينج للمجال المستعرض" (transverse-field Ising model). لقد نجحوا في حساب مستويات الطاقة لنظام مكون من 30 جسيماً على بطاقة رسومات واحدة عالية الأداء، مما أكد أن البرنامج يمكنه التعامل مع مشكلات فيزيائية غير بديهية بالكفاءة المتوقعة. ثم دفعوا بالنظام إلى أبعد من ذلك عبر توزيع الحساب على عنقود (cluster) يصل إلى 128 بطاقة رسومات. في هذا الإعداد، تم تقسيم المشكلة بين الأجهزة، وأظهرت النت النتائج أن الوقت المطلوب لإيجاد الإجابة انخفض بشكل شبه مثالي مع إضافة المزيد من الحواسيب. يشير هذا "التوسع القوي" (strong scaling) إلى أن البرنامج يمكنه استخدام القوة المتوازية الهائلة لمراكز الحوسبة الفائقة الحديثة بفعالية، مما يجعل من الممكن معالجة مشكلات أكبر بكثير مما يمكن لأي جهاز واحد التعامل معه.
يتضمن البرنامج أيضاً وظيفة متخصصة للتعامل مع الطريقة الفريدة التي يقترح بها الحاسوب الكمومي الحالات التي يجب تضمينها. يجب أن تحدد هذه الوظيفة بسرعة كيفية ارتباط الحالات الكمومية المختلفة ببعضها البعض تحت تأثير "هاميلتونيان" النظام (Hamiltonian)، وهو وصف رياضي للطاقة الإجمالية. طور الباحث طريقة بحث ذكية تقوم بتجميع هذه الحالات لتقليل عدد العمليات المكلفة المطلوبة. ووجدوا أنه من خلال تخزين بعض البيانات الثابتة مؤقتاً (caching)، استطاعوا تسريع العملية، رغم أن هذا تطلب توازناً دقيقاً بين استخدام المزيد من الذاكرة وتوفير الوقت. يقتصر النظام حالياً على قدرة مكتبة البرمجيات الأساسية على فرز قوائم الأرقام، مما يضع حداً لعدد الأبعاد التي يمكنه التعامل معها عند حوالي مليار بُعد. ومع ذلك، فقد وضع الباحث بالفعل خطة لترقية طريقة الفرز للسماح بمقاييس أكبر في المستقبل.
يمثل هذا العمل خطوة هامة للأمام في جعل الحوسبة المتمحورة حول الكم حقيقة عملية. فمن خلال توفير أداة قوية مفتوحة المصدر يمكن تشغيلها على كل من محطات العمل الفردية وعناقيد الحوسبة الفائقة الضخمة، خفض الباحث الحواجز أمام الآخرين لتطبيق هذه التقنيات المتقدمة. صُمم الحل ليكون مرناً، وقادراً على التعامل مع أنواع عامة من الأنظمة الكمومية الموصوفة بمجموع مؤثرات "باولي" (Pauli operators)، والتي تغطي مجموعة واسعة من النماذج الفيزيائية. وبينما تظل النسخة الحالية ذات حد أقصى لحجم الفضاء الجزئي الذي يمكنها إدارته، فإن البنية التحتية مبنية لتكون قابلة للترقية. إن القدرة على تشغيل هذه الحسابات بكفاءة على الأجهزة الحالية تعني أن العلماء يمكنهم البدء في استكشاف المشكلات الكمومية المعقدة اليوم، باستخدام أفضل ما في كل من الحوسبة الكلاسيكية والكمومية لدفع حدود ما يمكن حسابه.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.