Reducing the cost of ancilla purification for Majorana quantum computation

تعد الحواسيب الكمومية بحل مشكلات مستعصية حالياً على الآلات الكلاسيكية، لكنها هشة للغاية بطبيعتها؛ إذ يسهل بعثرة المعلومات التي تخزنها عند أدنى اضطراب من البيئة المحيطة. ولبناء آلة مفيدة، يجب على العلماء حماية هذه المعلومات، وغالباً ما يتم ذلك عبر تشفيرها في جسيمات غريبة تسمى "أنماط مايورانا الصفرية". تمتلك هذه الجسيمات خاصية فريدة: حيث تُخزن حالتها الكمومية في ترتيبها الجماعي بدلاً من موقع واحد، مما يجعلها مقاومة طبيعياً للضوضاء المحلية. ومع ذلك، فإن مجرد تحريك هذه الجسيمات حول بعضها البعض لا يكفي لإجراء كل عملية حسابية قد يحتاجها الحاسوب. ولتغطية هذا الفجوة، يجب على الباحثين إدخال حالات مساعدة خاصة، تُعرف باسم "الأنسيلا" (ancillas)، والتي تعمل كوقود للعمليات المعقدة. ويكمست التحدي في إعداد هذه الحالات المساعدة بدقة متناهية؛ فإذا كانت مشوبة بالكثير من الضجيج، ستفشل العملية الحسابية بأكملها.

تكمن الصعوبة الجوهرية في أن العملية المستخدمة لتنقية هذه الحالات المساعدة المشوبة بالضجيج هي نفسها غير مثالية. في النهج القياسي، يأخذ العلماء نسختين مشوبتين بالضجيج من حالة مساعدة ويقارنان بينهما. فإذا أظهرت المقارنة تطابقهما، يتم الاحتفاظ بإحداهما وتصحيحها؛ أما إذا اختلفتا، فيتم التخلص من كلتيهما. تعمل هذه الطريقة، لكن لها حدوداً؛ فإذا كان الضجيج الأولي مرتفعاً جداً، لن تتمكن عملية التنقية من مواكبة الأمر، وستتراكم الأخطاء بدلاً من أن تتلاشى. علاوة على ذلك، حتى عندما تنجح العملية، فإنها تتطلب عدداً هائلاً من النسخ الخام المشوبة بالضجيج لإنتاج نسخة واحدة نظيفة، مما يجعل تكلفة بناء حاسوب كمومي باهظة للغاية. والسؤال الذي يواجه المجال هو ما إذا كانت هناك طريقة لجعل عملية التنقية هذه أكثر كفاءة، مما يسمح بالبدء بمواد أكثر ضجيجاً واستخدام موارد أقل للوصিং إلى نفس الجودة العالية.

في دراسة حديثة، اقترح الباحثون بيوتر كفيكلينسكي، وميخال ستودزينسكي، ولوكاش فويجيك، طريقة جديدة لتنقية هذه الحالات المساعدة، مما يقلل التكلفة بشكل كبير ويوسع نطاق المواد القابلة للاستخدام. لقد بنوا عملهم على تقنية موجودة طورها سيرجي برافاي، والتي تستخدم عملية مقارنة مكونة من ثلاث خطوات لتصفية الأخطاء. وأدرك الفريق أنه من خلال إضافة خطوة رابعة واحدة إلى هذه العملية، يمكنهم تغيير الرياضيات الأساسية لكيفية كبح الأخطاء. في الطريقة الأصلية المكونة من ثلاث خطوات، تنخفض فرصة تسلل مخرج سيئ عبر المرشح مع مربع معدل خطأ المدخلات. ومن خلال إضافة الطبقة الرابعة، التي تقارن النتيجة المجمعة للخطوات السابقة مقابل فحص جديد، وجد الفريق أن فرصة تسلل مخرج سيئ تنخفض مع مكعب معدل الخطأ. هذا التغيير الذي قد يبدو صغيراً يعني أنه كلما أصبحت المدخلات أنقى قليلاً، أصبح المخرج أنقى بشكل كبير، ويمكن للعملية أن تتحمل مواد أولية أكثر ضجيجاً مما سبق.

أظهر الباحثون أن هيكل الطبقات الأربع الجديد هذا يخفض عتبة النجاح في التنقية. في السابق، كانت المادة الأولية تحتاج إلى دقة تبلغ حوالي 61.56 بالمائة ليتم تنقيتها بنجاح، أما مع الطريقة الجديدة، فقد انخفض هذا المتطلب إلى حوالي 60.47 بالمائة. ورغم أن هذا الفرق قد يبدو ضئيلاً، إلا أنه يمثل تحولاً هائلاً في عالم تصحيح الخطأ الكمومي؛ فهو يعني إمكانية استخدام نطاق أوسع بكثير من الحالات غير المثالية كوقود للحاسوب. والأهم من ذلك، أظهر الباحثون أن هذه الطريقة تقلل بشكل جذري عدد النسخ الخام المطلوبة. ففي الإعداد القياسي، يتطلب إنتاج حالة مساعدة واحدة عالية الجودة من مصدر بدقة 59.97 بالمائة حوالي 17.6 تريليون نسخة خام. ومن خلال إدخال تنويع ذكي حيث يتم إقران كتلة معالجة بنسخة جديدة غير معالجة في مرحلة محددة، نجح الفريق في تقليل هذا المتطلب إلى ما يزيد قليلاً عن مليون نسخة فقط. ويمثل هذا انخفاضاً في التكلفة بأكثر من سبعة مراتب عشرية، مما يحول الإمكانية النظرية إلى تحدٍ هندسي أكثر واقعية.

لفهم كيفية عمل ذلك، تخيل عملية التنقية كسلسلة من البوابات التي تصفّي الجسيمات السيئة. استخدمت الطريقة الأصلية ثلاث بوابات متتالية؛ فإذا كان للجسيم عيبان صغيران، فقد يتسلل عبر البوابتين الأوليين ويُقبل كجسيم جيد، رغم أنه معيب. أما الطريقة الجديدة فتضيف بوابة رابعة تنظر في التاريخ الكامل لرحلة الجسيم. فإذا كان للجسيم عيبان، فإن هذه البوابة الأخيرة تكتشف عدم الاتساق وترفض الجسيم، ما لم يحدث أن يلغي هذان العيبان بعضهما البعض تماماً لينتجا التوقيع النهائي الصحيح. لا يمكن للجسيم أن يجتاز جميع البوابات الأربع بنتيجة خاطئة إلا إذا كان لديه ثلاثة عيوب أو أكثر، وهو أمر أقل احتمالاً من الناحية الإحصائية. تضمن هذه الطبقة الإضافية من التدقيق إزالة الأخطاء بقوة أكبر. كما استكشف الفريق نهجاً هجيناً حيث، بدلاً من مقارنة كتلتين معالجتين، قارنوا كتلة معالجة واحدة بنسخة خام جديدة؛ وقد أثبتت هذه الاستراتيجية فعاليتها العالية في رفع جودة الحالة في وقت مبكر من العملية، مما سمح للنظام بتجاوز العتبة الحرجة اللازمة لجولات التنقية النهائية عالية الدقة.

كما بحثت الدراسة فيما يحدث عندما تكون أدوات التنقية نفسها غير مثالية. ففي سيناريو واقعي، قد ترتكب القياسات المستخدمة لمقارنة الحالات أخطاءً. ووجد الباحثون أنه بينما لا تلغي الطريقة الجديدة الأخطاء الناتجة عن القياسات المعيبة، إلا أنها لا تجعلها أسوأ أيضاً. وتظل الفائدة الرئيسية هي كبح الأخطاء القادمة من المواد الأولية المشوبة بالضجيج. وحتى مع وجود أدوات غير مثالية، تسمح الطريقة الجديدة بالتنقية بدءاً من مصادر أكثر ضجيجاً من الطريقة القديمة، بشرط بقاء أخطاء القياس ضمن حد معين. وحسب الفريق أن النهج الجديد أكثر متانة ضد أخطاء القياس هذه مقارنة بالتسلسلات الطويلة والمتوازنة السابقة، مما يجعله مساراً أكثر قابلية للتطبيق لأجهزة المستقبل.

هذا العمل لا يحل كل مشكلة في بناء حاسوب كمومي، ولا يدعي أنه وجد الطريقة المثلى المطلقة. وقد أشار الباحثون صراحة إلى أن نتائجهم تعتمد على نماذج ومحاكاة محددة، وأن الأجهزة في العالم الحقيقي ستواجه تحديات إضافية مثل أخطاء التخزين والتخطيطات الفيزيائية المعقدة. ومع ذلك، توفر النتائج تحسيناً واضحاً وملموساً فوق المعيار الحالي. فمن خلال إظهار أن إضافة بسيطة لتسلسل المقارنة يمكن أن تغير الكفاءة من تربيعية إلى تكعيبية، ومن خلال إثبات أن الاستراتيجية الهجينة تقلص تكلفة الموارد بشكل هائل، قدم الفريق مخططاً جديداً لإعداد المكونات الأساسية لحاسوب كمومي قائم على "مايورانا". إن الطريق نحو آلة عاملة لا يزال طويلاً، لكن هذه الدراسة تقدم وسيلة للسير فيه بخطوات أقل بكثير وحمل أخف بكال كثير.