Pushing beyond the memory barrier in propagation algorithms with randomization

لفهم عمل هؤلاء الباحثين، يجب على المرء أولاً أن يستوعب التوتر القابع في قلب العلوم الكمومية الحديثة. تعد الحواسيب الكمومية بحل مشكلات مستحيلة على آلات اليوم، ولكن قبل أن نتمكن من الوثوق بها، يجب علينا اختبارها. وهذا يتطلب حواسيب كلاسيكية — آلاتنا المألوفة القائمة على السيليكون — لمحاكاة كيفية تصرف الجهاز الكمومي. التحدي يكمن في أن الأنظمة الكمومية معقدة للغاية؛ فكلما زاد عمق الدائرة الكمومية، مع المزيد من الخطوات والاتصالات، انفجر حجم المعلومات اللازمة لوصفها. الأمر يشبه محاولة تتبع كل مسار محتمل قد يسلكه مسافر عبر مدينة يتضاعف حجمها مع كل مربع سكني يعبره. بالنسبة للعديد من التجارب الكمومية الأكثر إثارة للاهتمام، فإن الذاكرة المطلوبة لمحاكاتها بشكل مثالي تتجاوز قدرة حتى أكبر الحواسيب الفائقة. وهذا يخلق جداراً صلباً: إذا كانت المحاكاة تحتاج إلى ذاكرة أكثر مما هو موجود، فهي ببساطة لا يمكن أن تعمل.

لقد وجد الباحثون، الذين يعملون في المعهد الفيدرالي السويسري للتكنولوجيا في لوزان، طريقة لتجاوز هذا الجدار. فقد طوروا طريقة جديدة لمحاكاة الدوائر الكمومية تعامل الذاكرة ليس كحد ثابت، بل كميزانية مرنة. يسمح نهجهم، الذي يسم يسمونه "انتشار باولي العشوائي" (randomized Pauli propagation)، بمحاكاة دوائر قد تتطلب في الأصل مئات الأضعاف من الذاكرة المتاحة. وبدلاً من محاولة تخزين كل تفصيل من تفاصيل الحالة الكمومية، وهو ما ينفد منه المساحة بسرعة، يحتفظ أسلوبهم بعدد قابل للإدارة من المعلومات الأكثر أهمية. وعندما تمتلئ الذاكرة، يقوم الحاسوب بتخمين مدروس حول القطع التي يجب الاحتفاظ بها وتلك التي يجب التخلص منها، باستخدام استراتيجية رياضية محددة لضمان بقاء الصورة العامة دقيقة. ومن خلال تشغيل هذه العملية عدة مرات على معالجات مختلفة ومتوسط النتائج، يمكنهم إعادة بناء إجابة دقيقة للغاية تطابق ما كانت ستنتجه محاكاة أكبر وأكثر تكلفة بكثير.

يكمن جوهر اكتشافهم في كيفية تعاملهم مع انفجار الاحتمالات. في المحاكاة القياسية، في كل مرة تعمل فيها بوابة كمومية على النظام، يمكن أن يتضاعف عدد الحالات المحتملة. وفي النهاية، تصبح قائمة هذه الحالات طويلة جداً بحيث لا تسعها الذاكرة. تتقبل الطريقة الجديدة حقيقة أنها لا تستطيع احتواء كل شيء؛ وبدلاً من ذلك، تستخدم تقنية تسمى "إعادة أخذ العينات" (resampling). تخيل قائمة تضم آلاف العناصر حيث بعضها ثقيل جداً وبعضها خفيف جداً؛ إذا كنت لا تستطيع حمل سوى عدد قليل منها، فقد تأخذ العناصر الأثقل فقط. ومع ذلك، فإن مجرد أخذ العناصر الأثقل يؤدي إلى تحيز، أو خطأ منهجي، لأنك تتجاهل العناصر الأخف التي قد تظل مهمة. وجد الباحثون أن نوعاً معيناً من إعادة أخذ العينات، يطلقون عليه "إعادة أخذ عينات المشط" (comb resampling)، يتفوق بمراحل على التخمين العشوائي. تضمن هذه الطة توزيع شبكة منتظمة فوق قائمة الاحتمالات واختيار العناصر بناءً على مكان وقوع خطوط الشبكة؛ وهذا يضمن أن يكون الاختيار عادلاً وأن يتم الاحتفاظ بالعناصر الأكثر أهمية باحتمالية عالية، مع السماح للنظام في الوقت نفسه بالتقاط تأثير العناصر الأقل أهمية.

الأمر الأهم هو أن الفريق اكتشف أنه يمكنهم تحسين دقة عمليات المحاكاة الخاصة بهم من خلال إدخال قدر صغير ومتحكم فيه من التحيز بشكل متعمد. في الماضي، حاول العلماء جعل عمليات المحاكاة غير منحازة تماماً، مما يعني أنهم لم يكونوا يميلون أبداً لتفضيل نتيجة على أخرى. لكن الباحثين وجدوا أنه في مواجهة الذاكرة المحدودة، يؤدي كون المحاكاة غير منحازة تماماً إلى نتائج أسوأ لأن عدم اليقين، أو التباين، ينمو بشكل كبير جداً. ومن خلال قطع التفاصيل الأصغر والأقل أهمية بعناية وقبول خطأ ضئيل مقابل ذلك، تمكنوا من إبقاء عدم اليقين منخفضاً بما يكفي للحصول على إجابة واضحة. سمحت هذه المقايضة بمحاكاة دوائر أعمق بكثير مما كان ممكناً في السابق. وقد اختبروا ذلك على نموذج لنظام مغناطيسي مضطرب، وهو سيناريو يصعب محاكاته بشكل معروف. وأظهرت نتائجهم أن الطريقة يمكنها إعادة إنتاج مخرجات الحسابات الحتمية التي تطلبت ذاكرة أكثر بمرتبتين عشريتين (مائة ضعف). ومن الناحية العملية، هذا يعني أن محاكاة كانت ستحتاج إلى حاسوب فائق بذاكرة وصول عشوائي (RAM) هائلة، يمكن الآن تشغيلها على جهاز قياسي عن طريق تقسيم العمل إلى مهام أصغر مستقلة.

إن أداء هذا الإطار الجديد مذهل. فقد طبق الباحثون طريقتهم في حزمة برمجيات مفتوحة المصدر واختبروها على معالجات حاسوبية قياسية. ووجدوا أن بإمكانهم تطبيق البوابات الكمومية وإعادة أخذ عينات لقائمة تحتوي على مليار عنصر في حوالي ثانية واحدة. هذه السرعة كافية لجعل الطريقة عملية للاستخدام في العالم الحقيقي. والأهم من ذلك، أن الطريقة تتوسع بشكل جيد مع عدد المعالجات المتاحة؛ ولأن عمليات التشغيل المختلفة مستقلة، يمكن توزيعها عبر العديد من الحواسيب أو بطاقات الرسوميات دون الحاجة إلى التواصل المستمر. وهذا يحول مشكلة الذاكرة إلى مشكلة سرعة. فإذا كان لدى الباحث المزيد من الوقت والحواسيب، يمكنه ببساطة تشغيل المزيد من التكرارات للحصول على إجابة أكثر دقة، بدلاً من الاصطدام بجدار صلب حيث لا يمكن لأي قدر من الوقت أن يساعد.

كما طبق الباحثون طريقتهم على تجربة حديثة تتعلق بحاسوب كمومي. لقد قاموا بمحاكاة سلوك نظام مكون من أربعة وستين كيوبت (qubit) مرتبة في شبكة 8×8، لكنهم حللوا تحديداً رقعة 3×3 من الكيوبت في وسط الشبكة لفهم كيفية انتقال النظام من حالة يتذكر فيها ظروفه الأولية إلى حالة يصبح فيها عشوائياً. أشارت عمليات المحاكاة التي أجروها إلى أن النتائج المبلغ عنها من الأجهزة الكمومية الفعلية ربما تم تصحيحها بشكل مفرط للأخطاء، مما أدى إلى قيم منخفضة للغاية. يسلط هذا الاكتشاف الضوء على قيمة وجود أداة كلاسيكية موثوقة لمعايرة الأجهزة الكمومية. فبدون مثل هذه الأداة، من الصعب معرفة ما إذا كان الحاسوب الكمومي يحل مشكلة حقاً أم أن النتائج هي مجرد آثار ناتجة عن الضوضاء والخطأ. ومن خلال توفير طريقة لمحاكاة هذه الأنظمة المعقدة بدقة عالية واستهلاك منخفض للذاكرة، يقدم هذا العمل طريقة جديدة للتحقق من تقدم التكنولوجيا الكمومية.

يعتمد نجاح هذا النهج على توازن دقيق بين عدة عوامل. فقد أظهر الباحثون أن مجرد اختيار قاعدة عينة عشوائية ليس كافياً؛ إذ يجب ضبط الطريقة لتناسب المشكلة المحددة. ووجدوا أن الاحتفاظ بأكبر عدد ممكن من العناصر في الذاكرة قبل إعادة أخذ العينات أفضل من كون المرء عدوانياً جداً في تقليص القائمة في وقت مبكر جداً. كما أظهروا أن دمج العناصر المتطابقة في القائمة أمر ضروري للحفاظ على استهلاك الذاكرة. هذه الرؤى، مقترنة بالتحيز المتحكم فيه، تشكل بروتوكولاً كاملاً يمكن تطبيقه على مجموعة واسعة من الدوائر الكمومية. لا يحل هذا العمل مشكلة المحاكاة الكمومية بالكامل، حيث لا تزال هناك حدود لكيفية محاكاة مدى عمق الدائرة، ومع ذلك، فإنه يدفع تلك الحدود إلى الأمام بشكل ملحوظ، محولاً الحاجز الصلب إلى قيد يمكن إدارته.

وفي السياق الأوسع للحوسبة الكمومية، يعد هذا التطور خطوة كبيرة للأمام. فهو يوفر طريقة لاختبار والتحقق من صحة الأجهزة الكمومية دون الحاجة إلى بناء حواسيب كلاسيكية أكبر. ومع استمرار تحسن الأجهزة الكمومية، ستصبح القدرة على محاكاتها بدقة أمراً بالغ الأهمية لتصحيح الأخطاء والتحسين. تقدم طريقة الباحثين مساراً عملياً للمضي قدماً، وتظهر أنه من خلال تبني العشوائية وإدارة الذاكرة بعناية، يمكننا استكشاف الظواهر الكمومية التي كانت بعيدة المنال سابقاً. ويشير العمل إلى أن مستقبل المحاكاة الكمومية قد لا يعتمد على بناء آلات بذاكرة لانهائية، بل على تطوير طرق أذكى لاستخدام الذاكرة التي نمتلكها.