Demonstration of Logical Error Suppression in a Surface Code Memory on a Cloud-Accessible IBM Superconducting Processor

تعد الحواسيب الكمية بحل مشكلات مستعصية على الآلات التي نستخدمها اليوم، بدءاً من تصميم أدوية جديدة وصولاً إلى كسر الشفرات المعقدة. ومع ذلك، فإن هذه الآلات هشة للغاية؛ فالجسيمات المتناهية الصغر التي تستخدمها لتخزين المعلومات، والتي تُسمى "الكيوبتات" (qubits)، تتأثر بسهولة بالحرارة، أو الاهتزاز، أو حتى الموجات الكهرومغناطيسية الشاردة. وتتسبب هذه الحساسية في تسلل الأخطاء، مما يؤدي إلى إفساد العملية الحسابية قبل اكتمالها. ومن أجل بناء حاسوب كمي مفيد، يجب على العلماء إيجال طريقة لحماية هذه المعلومات. وهم يفعلون ذلك عبر توزيع قطعة واحدة من البيانات على العديد من الكيوبتات الفيزيائية، مما يخلق "كيوبت منطقي" يمكنه البقاء إذا فشلت بعض أجزائه، وهو ما يُعرف باسم "تصحيح الخطأ الكمي". والهدف هو الوصول إلى نقطة يصبح فيها إضافة المزيد من الأجزاء الفيزيائية سبباً في جعل النظام أكثر موثوقية، بدلاً من أن يكون أقل موثوقية، مما يسمح للحاسوب بالعمل لفترات طويلة دون انهيار.

اختبر فريق من الباحثين مؤخراً هذه الفكرة على معالج كمي حقيقي متاح عبر السحابة من إنتاج شركة IBM. وقد ركزوا على طريقة محددة تُسمى "كود السطح" (surface code)، والتي ترتب الكيوبتات في شبكة لاكتشاف الأخطاء وإصلاحها. وبينما تشير النظرية إلى أن تكبير حجم الشبكة يجب أن يقلل الأخطاء بشكل جذري، إلا أن الأجهزة في العالم الحقيقي فوضوية؛ فالكيوبتات ليست متطابقة جميعها، فبعضها أقوى وبعضها أضعف، كما أن الضجيج الذي يؤثر عليها يتغير بمرور الوقت. أراد الباحثون معرفة ما إذا كان بإمكانهم جعل تصحيح الخطأ هذا يعمل بشكل أفضل على الأجهزة الفعلية من خلال ضبط كيفية تشغيل الآلة بعناية، بدلاً من الاعتماد فقط على التصميم النظري. وقد استخدموا معالجاً يُدعى "Nighthawk r2"، والذي يتميز بتخطيط شبكي يناسب كود السطح طبيعياً، مما سمح لهم باختبار تكوينات مختلفة دون الحاجة إلى خطوات إضافية لنقل المعلومات.

اكتشف الفريق أن أداء تصحيح الخطأ يتباين بشكل كبير اعتماداً على المكان الذي وضعوا فيه شبكتهم بالضبط على شريحة المعالج. فقد كانت بعض المواقع تعمل بشكل أفضل بكثير من غيرها، ببساطة لأن الكيوبتات الفيزيائية في تلك المواقع كانت ذات جودة أعلى. وللحصول على أفضل النتائج، توجب عليهم اختيار مواقعهم بحكمة. وبمجرد اختيار أفضل المواقع، ركزوا على توقيت العمليات؛ ففي الإعداد القياسي، تقضي الآلة وقتاً طويلاً في قراءة حالة الكيوبتات "المساعدة" (ancillas) المستخدمة للكشف عن الأخطاء، وخلال وقت القراءة هذا، تظل كيوبتات البيانات الرئيسية في حالة خمول بانتظارها. وتعتبر فترة الانتظار هذه خطيرة لأن كيوبتات البيانات تفقد معلوماتها بمجرد بقائها ساكنة. ووجد الباحثون أنه باستخدام طريقة أسرع لقراءة الكيوبتات المساعدة وإعادة ضبطها فوراً، استطاعوا تقصير وقت الانتظار هذا، وقد قلل هذا التغيير البسيط من الأخطاء في البيانات بشكل ملحوظ.

كما اختبروا أيضاً تقنية تُسمى "الصدى" (echo)، وهي عبارة عن تسلسل محدد من النبضات التي تُطبق على كيوبتات البيانات المنتظرة لإلغاء الضجيج الذي تلتقطه أثناء الخمول. وقد نجحت هذه التقنية بشكل جيد جداً مع نوع واحد من تخزين البيانات، حيث خفضت معدل الخطأ بنسبة 21 بالمائة، لكن تأثيرها كان أقل على النوع الآخر. ومن خلال الجمع بين القراءة الأسرع، وإعادة الضبط الفوري، ونبضات الصدى، أنشأوا روتيناً محسّناً. وعندما قارنوا هذا الروتين الجديد بالطريقة القياسية المتبعة، انخفض معدل الخطأ بشكل هائل؛ فبالنسبة لنوع واحد من الذاكرة، انخفضت الأخطاء بنسبة متوسطة قدرها 73 بالمائة، وللنوع الآخر بنحو 30 بالمائة. وقد أثبت ذلك أن التغييرات الصغيرة في كيفية بناء الدائرة وتوقيتها يمكن أن يكون لها تأثير ضخم على النتيجة النهائية.

بعد ذلك، اختبر الباحثون ما يحدث عندما يجعلون الشبكة أكبر، أي بزيادة "المسافة" في الكود، وهي مقياسة لعدد الأخطاء التي يمكن للنظام تحملها. وفي التجارب قصيرة المدى، التي استمرت لحوالي اثنتي عشرة جولة من فحص الأخطاء، عملت زيادة حجم الشبكة كما هو متوقع: حيث سجلت الشبكات الأكبر أخطاءً أقل من الشبكات الأصغر. وقد أكد هذا أن النظام كان ينجح في كبح الأخطاء مع نمو الكود. ومع ذلك، عندما وسعوا التجربة لتعمل لفترة أطول بكثير، وصلت إلى 150 جولة، بدأت ميزة الشبكة الأكبر في التلاشي؛ إذ توقف معدل الخطأ عن الانخفاض وبدأ في الارتفاع مرة أخرى.

كشف هذا السلوك طويل الأمد عن مشكلة خفية؛ فقد لاحظ الباحثون أن الأخطاء لم تكن مجرد أحداث عشوائية ومنعزلة، بل رأوا أنماطاً من الأخطاء التي استمرت وتراكمت بمرور الوقت، وارتبطت ببعضها البعض عبر جولات عديدة من التجربة. وتُشير هذه الارتباطات المستمرة إلى أن شيئاً ما يتراكم في النظام، ربما يكون نوعاً من الأخطاء التي لا تستطيع طرق التصحيح القياسية معالجتها بسهولة. وبدا أن الروتين المحسن ممتاز في التعامل مع دفعات النشاط القصيرة، لكنه يواجه صعوبة في الحفاظ على الحماية لفترات ممتدة. وتخلص الدراسة إلى أنه بينما يمكننا إحراز تقدم كبير من خلال ضبط الأجهزة وتصميم الدوائر، لا تزال هناك تحديات جوهرية في الحفاظ على استقرار هذه الأنظمة للفترات الطويلة المطلوبة للحسابات المعقدة. ويؤكد العمل أن بناء حاسوب كمي موثوق يتطلب ليس فقط نظرية جيدة، بل أيضاً فهماً عميقاً لكيفية سلوك الآلة المحددة في العالم الحقيقي، وصولاً إلى أدق تفاصيل توقيت كل نبضة وجودة كل اتصال.