Trial-space co-design for quantum simulation on noisy hardware
تقدم هذه الورقة إطار عمل للتصميم المشترك في فضاء التجربة يدمج رؤى المشكلات الفيزيائية وقيود الأجهزة المليئة بالضجيج لتحسين حالات الأساس لمحاكاة الكم وأوقات التطور، مما أظهر انخفاضًا بنسبة 54% في خطأ الطاقة مقارنة بأخذ العينات المنتظم من خلال تجربة رباعية الكيوبت.
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
تعد الحواسيب الكمومية بحل مشكلات مستعصية على الآلات الحالية، بدءاً من تصميم أدوية جديدة وصولاً إلى فهم سلوك المواد المعقدة. ولتحقيق ذلك، تستخدم هذه الحواسيب جسيمات متناهية الصغر تسمى "الكيوبتات" (qubits)، والتي يمكن أن توجد في حالات متعددة في آن واحد. ومع ذلك، فإن هذه الآلات هشة للغاية في الوقت الراهن؛ إذ يتسبب أدنى اضطراب ناتج عن الحرارة أو الضجيج الكهربائي في فقدان معلوماتها، وهي مشكلة يطلق عليها العلماء اسم "الضجيج". ولهذا السبب، غالباً ما يضطر الباحثون إلى تصميم تجاربهم كما لو كانت الحاسبة مثالية، ولا يهتمون بعيوب الآلة إلا بعد اختيار الحالات التي يدرسونها بالفعل. هذا النهج يترك الكثير من الأداء المحتمل دون استغلال، لأن الطريقة المثلى لتمثيل مشكلة ما قد تعتمد في الواقع على الخصائص المحددة للآلة "المعيبة" التي تحاول حلها.
لقد أثبت فريق من الباحثين الآن طريقة جديدة لسد هذه الفجوة، وهي طريقة يسمونها "التصميم المشترك لمساحة التجربة" (trial-space co-design). فبدلاً من معاملة المشكلة الفيزيائية والعتاد كمسألتين منفصلتين، يستخدمون معلومات عن كل من المشكلة والحاسوب المحدد لتحديد الحالات التي يجب إعدادها وقياسها حتى قبل بدء التجربة. ومن خلال القيام بذلك، وجدوا أن بإمكانهم تحسين دقة نتائجهم بشكل كبير على الأجهزة الحقيقية التي تعاني من الضجيج. ويشير عملهم إلى أنه من خلال تكييف تمثيل المشكلة ليتناسب مع قيود الآلة، بدلاً من إجبار الآلة على التوافق مع نموذج مثالي، يمكننا الحصول على إجابات أفضل بكثير من حواسيبنا الكمومية غير المثالية اليوم.
تعتمد الفكرة الجوهرية على كيفية تغير النظام الكمومي بمرور الوقت. في عالم مثالي ومعزول، تتطور الحالة الكمومية عن طريق تدوير أطوارها الداخلية، مثل عقرب الساعة الذي يدور حول وجه الساعة، بينما تظل الأهمية النسبية لأجزائها المختلفة ثابتة. ولإيجاد حالة الطاقة الأدنى لنظام ما، يقوم الباحثون عادةً بأخذ لقطات لهذا التطور في أوقات مختلفة ودمجها. ومع ذلك، أدرك الباحثون أنه إذا أدخلوا تفاعلاً مراقباً ومتحكماً به مع البيئة، فيمكنهم القيام بشيء أكثر قوة: يمكنهم تغيير الأهمية النسبية لتلك الأجزاء. تخيل مرشحاً (فلتر) يمنع بلطف أنواعاً معينة من الحركة بينما يسمح لأنواع أخرى بالمرور. ومن خلال ترقب نتيجة محددة — أي الانتظار لرؤية ما إذا كان سيحدث "قفزة" أو انتقال — يمكنهم الاحتفاظ فقط بمسارات التجربة التي لم يحدث فيها أي قفز. هذه العملية تعيد تشكيل الحالة، حيث تضخم الأجز الأهم والمفيدة للحساب وتُضعف الأجزاء الأخرى.
يسمح هذا التشكيل للباحثين بإيجاد اتجاهات مفيدة في مساحة المشكلة كانت ستكون غير مرئية لولا ذلك، أو كانت تتطلب عينات زمنية أكثر بكما لإعادة بنائها. لقد اختبروا هذا المفهوم على نماذج مختلفة، بما في ذلك نموذج للإلكترونات التي تتحرك على شبكة ونموذج للسبينات (spins) المتفاعلة. وفي هذه المحاكاة، نجحت الطريقة الجديدة في تحديد مجموعة أصغر بكثير من الحالات التي استوعبت الفيزياء الأساسية للمشكلة بشكل أفضل بكيد من الطريقة التقليدية. فعلى سبيل المثال، في أحد الاختبارات، قللت الطريقة الجديدة الخطأ في الطاقة المحسوبة بمعامل يقارب مائتين مقارنة بالطريقة القياسية. ومع ذلك، اكتشف الباحثون أيضاً حداً حاسماً: فبينما تخلق الطريقة الجديدة حالات غنية بالمعلومات، يمكن لهذه الحالات أن تصبح أحياناً متشابهة جداً لدرجة لا تستطيع الحاسبة ذات الضجيج التمييز بينها. فإذا كانت الحالات متشابهة للغاية، فلن تتمكن الحاسبة من تمييز الإشارة عن الضجيج بشكل موثوق، مما يجعل المعلومات الإضافية عديمة الفائدة. وهذا يعني أن التصميم يجب أن يوازن بين إيجاد الحالات الأكثر إفادة وضمان بقائها متميزة بما يكفي لقياسها.
ولرؤية ما إذا كان هذا سينجح في العالم الحقيقي، انتقل الفريق من المحاكاة إلى معالج كمومي حي. استخدموا جهازاً يحتوي على أربعة كيوبتات لمحاكاة نظام مغناطيسي. وقبل تشغيل التجربة، استخدموا سجلاً لحالة الجهاز الراهنة — أي المدة التي تظل فيها الكيوبتات مستقرة وعدد المرات التي ترتكب فيها البوابات أخطاء — لاختيار أفضل أوقات قياس النظام. وقارنوا بين استراتيجيتين: إحداهما تختار أوقات القياس بتباعد منتظم، والأخرى تختار أوقاتاً محددة وغير منتظمة بناءً على المشكلة وحالة الآلة الراهنة. وعلى مدار سبعة أيام من الاختبار، أنتجت الاستراتيجية التي استخدمت الأوقات غير المنتظمة والمستندة إلى معلومات المشكلة نتائج أكثر دقة باستمرار. وفي المتوسط، انخفض الخطأ في الطاقة المحسوبة بنسبة 54 بالمائة مقارنة بطريقة أخذ العينات الموحدة. وقد ظل هذا التحسن قائماً حتى مع تغير أداء الآلة قليلاً من يوم لآخر، مما أثبت أن تطويع التجربة لتناسب العتاد المحدد والمشكلة المحددة يعمل بشكل أفضل من نهج "المقاس الواحد الذي يناسب الجميع".
استكشف الباحثون أيضاً ما إذا كان يمكن تطبيق هذه الطريقة على أنواع مختلفة من المشكلات، مثل محاكاة جزيء النيتروجين. ووجدوا أنه بينما تتغير القواعد المحددة لترشيح الحالات اعتماداً على نوع المشكلة، فإن المنطق العام يظل كما هو: استخدام هيكل المشكلة لتوليد حالات مرشحة، ثم التحقق مما إذا كانت الآلة تدعمها، ومن ثم حل المشكلة في تلك المساحة الأصغر والمحسنة. هذه المرونة هي المفتاح، لأنها تعني أن الطريقة ليست مرتبطة بنوع معين من الفيزياء أو آلة واحدة بعينها. لا يدعي هذا العمل حل جميع مشكلات الحوسبة الكمومية، ولا يشير إلى أن الضجيج أصبح أداة مفيدة بشكل عام. بدلاً من ذلك، يوضح أن المعلومات المهيكلة حول المشكلة والجهاز يمكن استخدامها لتصميم تمثيل أفضل للحساب. ومن خلال جعل الواجهة بين الخوارزمية والعتاد أكثر ذكاءً، يقدم هذا النهج وسيلة عملية للحصول على المزيد من الحواسيب الكمومية "المزعجة" التي نمتلكها اليوم، محولاً قيود الآلة إلى دليل لكيفية طرح الأسئلة الصحيحة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.