LiftDiff: Guided Discrete Diffusion for Quantum Code Construction

تعد الحواسيب الكمومية بحل مشكلات قد تستغرق الأجهزة التقليدية آلاف السنين لحلها، بدءاً من كسر الشفرات المعقدة وصولاً إلى محاكاة مواد جديدة. ومع ذلك، فإن هذه الآلات هشة للغاية؛ فالجسيمات الدقيقة التي تستخدمها لتخزين المعلومات، والتي تُسمى "الكيوبتات" (qubits)، تتأثر بسهولة بمحيطها، مما يؤدي إلى انهيار الحسابات الدقيقة وتحولها إلى أخطاء. ولبناء حاسوب كمومي مفيد، يجب على العلماء حماية هذه الكيوبتات باستخدام نظام لتصحيح الأخطاء، يشبه إلى حد كبير شبكة أمان تلتقط الأخطاء قبل أن تدمر العملية الحسابية. وتُبنى شبكة الأمان هذه من أنماط رياضية خاصة تُعرف باسم أكواد تصحيح الخطأ الكمومية. ويكمن التحدي في تصميم هذه الأنماط بحيث تكون قوية بما يكفي لالتقاط الأخطاء، وبسيطة بما يكفي ليتم بناؤها واستخدامها بكفاءة. ولسنوات طويلة، اعتمد الباحثون على صيغ رياضية جامدة لإنشاء هذه الأكواد، وغالباً ما واجهوا صعوبة في إيجاد تصميمات توفر حماية عالية وكفاءة عالية في آن واحد.

قدم فريق من الباحثين في جامعة بن غوريون في إسرائيل نهجاً جديداً لهذه المشكلة، مبتعدين عن الصيغ الجامدة نحو طريقة تتعلم وتتطور. فقد طوروا أداة تسمى "LiftDiff"، وهي تستخدم نوعاً من الذكاء الاصطناعي يُعرف باسم "نموذج الانتشار المنفصل" لابتكار أكواد كمومية جديدة. وبدلاً من اتباع مجموعة ثابتة من القواعد، يبدأ النظام بنمط فوضوي وضوضائي ثم يقوم بتنقيته تدريجياً، خطوة بخوة، حتى يظهر كود واضح ووظيفي. وما يجعل هذه الطريقة فريدة من نوعها هو أن الباحثين يوجهون عملية التنقية هذه بمجموعة من الأهداف؛ فبينما يقوم الذكاء الاصطناعي بتكرير النمط، فإنه يتحقق باستمرار من مدى جودة أداء الكود الناتج، موجهاً عملية الابتكار نحو تصميمات قليلة العناصر، ومتينة، وقادرة على تصحيح الأخطاء بفعالية. إنها ليست عملية بحث عشوائية، بل هي رحلة موجهة عبر مشهد واسع من الاحتمالات، حيث يتعلم الذكاء الاصطناعي ماهية الكود الجيد من خلال محاولة إصلاح الأكواد السيئة.

لقد درب الباحثون نظامهم على عائلة محددة من الأكواد تُعرف باسم "أكواد المنتج المرفوع" (lifted product codes)، والتي تُبنى من مصفوفات أساسية أصغر. وقد علموا الذكاء الاصطناعي كيفية التعرف على بنية هذه المصفوفات من خلال إظهار أمثلة له، ثم مطالبته بإعادة بناءها بعد إضافة ضوضاء عشوائية. وبمجرد أن تعلم الذكاء الاصطناعي الأنماط الأساسية، انتقل الفريق إلى مرحلة التوليد. وفي هذه المرحلة، أدخلوا "دالة طاقة"، وهي نظام تسجيل يقيم جودة الكود الذي يتم إنشاؤه. يأخذ هذا التقييم في الاعتبار عدة عوامل حاسمة: عدد الأخطاء التي يمكن للكود اكتشافها، وعدد البتات المنطقية التي يمكنه حملها، ومدى تعقيد الروابط بين البتات. يستخدم الذكاء الاصطناعي هذا التقييم لتدفع توقعاته أثناء عملية التنقية، مما يضمن أن النتيجة النهائية ليست مجرد نمط عشوائي، بل كود عالي التحسين.

كانت نتائج هذا التوليد الموجه مذهلة؛ فقد أنتج النظام مجموعة متنوعة من الأكواد الكمومية ذات مواصفات مثيرة للإعجاب. ومن بين الاكتشافات أكواد يمكنها حماية 13 كيوبت منطقي ضمن كتلة مكونة من 169 كيوبت فيزيائي، وأخرى تحمي 15 كيوبت منطقي ضمن 143 كيوبت فيزيائي. كما نجح كود واحد لافت للنظر في حماية 19 كيوبت منطقي ضمن 247 كيوبت فيزيائي مع الحفاظ على مستوى عالٍ من الحماية من الأخطاء. وعند مقارنتها بالتصميمات الحالية، تفوقت هذه الأكواد الجديدة غالباً، حيث قدمت نسبة أعلى من المعلومات المفيدة إلى الحجم الإجمالي. وفي اختبارات تحاكي الضوضاء في العالم الحقيقي، تفوق العديد من الأكواد المولدة على كود معياري معروف عبر نطاق واسع من معدلات الخطأ، وظلت موثوقة حتى مع زيادة الضوضاء.

كما كشفت الدراسة كيف غيرت آلية التوجيه النتيجة بشكل جوهري؛ فعندما قام الباحثون بتشغيل الذكاء الاصطناعي بدون درجة التوجيه، أنتج النظام أكواداً كانت غالباً أبسط ولكنها أقل فعالية في تصحيح الأخطاء. أما مع التوجيه، فقد تمكن الذكاء الاصطناعي من التنقل نحو تصميمات أكثر تعقيداً وقوة دون التضحية بالبساطة الهيكلية اللازمة للاستخدام العملي. وقد تحقق الفريق من هذه النتائج من خلال عمليات محاكاة صارمة، واختبار الأكواد ضد ملايين السيناريوهات العشوائية للأخطاء. وبينما تم تقدير المسافة الدقيقة لبعض الأكواد باستخدام الحدود العليا نظراً للصعوبة الحسابية للحساب الدقيق، فقد تم تأكيد المرشحين الأكثر واعدية باستخدام تقنيات التحسين الرياضي المتقدمة. وتشير النتائج إلى أن النماذج التوليدية يمكنها بنجاح استكشاف الفضاء الواسع والصعب لتصميم الكود الكمومي، وإيجاد حلول قد تغفل عنها الطرق الجبرية التقليدية.

يمثل هذا العمل خطوة مهمة إلى الأمام في السعي نحو الحوسبة الكمومية القابلة للتسامح مع الخطأ. فمن خلال التعامل مع تصميم الكود كعملية توليدية بدلاً من كونها عملية جبرية بحتة، فتح الباحثون مساراً جديداً للاكتشاف. وهذه الأكواد التي وجدوها ليست مجرد فضول نظري، بل هي تصميمات ملموسة يمكن تنفيذها في الأجهزة الكمومية المستقبلية. إن القدرة على توليد أكواد ذات كفاءة عالية وحماية قوية من الأخطاء تقرب حلم الحواسيب الكمومية واسعة النطاق والموثوقة من الواقع. ومع استمرار تطور هذا المجال، قد تصبح أدوات مثل "LiftDiff" ضرورية للتنقل بين المقايضات المعقدة بين الحماية والكفاءة والقيود المادية، مما يضمن بناء حواسيب الغد الكمومية على أساس من التصميم القوي والذكي.