Loss-aware optimization of realistic GKP gid states
تقترح هذه الورقة استراتيجية تحسين مدركة للفقد لإعداد حالات "غوتسمان-كيتا-بريسكيل" (GKP) واقعية تقوم بتعديل التباعد الشبكي الأولي لمراعاة فقدان الفوتونات، مما يؤدي إلى حالات ذات انضغاط GKP محسّن ومرونة أكبر مقارنة بتلك التي يتم إعدادها للظروف المثالية.
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
في سعيها لبناء حاسوب كمي، تستكشف العلماء العديد من الأنظمة الفيزيائية المختلفة، من الدوائر فائقة التبريد إلى الأيونات المحتجزة. أحد المسارات الواعدة يستخدم الضوء نفسه، وتحديداً الموجات المستمرة للمجالات الكهرومغناطيسية المعروفة بالأنظمة البوزونية. وبخلاف البتات الرقمية القياسية التي تكون إما صفراً أو واحداً، يمكن لهذه الأنظمة أن توجد في نطاق شاسع ولانهائي من الحالات. ولجعلها مفيدة للحساب، يجب على الباحثين نحت بنية مستقرة ومقاومة للأخطاء داخل هذا الفضاء اللانهائي. وأنجح مخطط لذلك يسمى كود غوتسمان-كيتايف-بريسكيل، أو كود GKP. تخيل محاولة موازنة قلم رصاص على سنه؛ إنه أمر غير مستقر للغاية. الآن تخيل وضع ذلك القلم داخل وادٍ عميق وضيق. إذا هبت الرياح، فقد يتأرجح القلم، لكن جدران الوادي ستدفعه للعودة إلى المركز. يخلق كود GKP وادياً مشابهاً في العالم الكمي، وهو عبارة عن مشهد شبكي حيث تُخزن المعلومات. هذه الشبكة حادة ومنتظمة لدرجة أنه حتى لو حاولت البيئة تحريك النظام قليلاً، يمكن للكود اكتشاف الخطأ وتصحيحه، مما يحافظ على سلامة المعلومات الكمية.
ومع ذلك، فإن إنشاء هذه الوديان المثالية في مختبر حقيقي أمر صعب. العقبة الرئيسية هي الفقد. فبينما ينتقل الضوء عبر الألياف الضوئية أو المرايا، يختفي جزء منه حتماً. في العالم الكمي، ليس الفقد مجرد خفوت في الإشارة؛ بل يعمل مثل ضباب يطمس الحواف الحادة للشبكة ويملأ الوديان بالضجيج. إذا أصبحت الشبكة ضبابية للغاية، فإن القدرة على تصحيح الخطأ تتلاشى، ويفشل الحاسوب. لسنوات، كان النهج القياسي هو محاولة بناء الشبكة بأكمل كما يمكن أن تكون أولاً، ثم الأمل في أن تنجو من الفقد. لكن دراسة جديدة من باحثين في جامعة بالاتسكي تقترح استراتيجية مختلفة: بدلاً من محاربة الضباب، صمم الشبكة لتتوقعه.
بحث الباحثان ميخال ماتوليك وبتر ماريك في كيفية إعداد حالات GKP هذه عندما يكون فقد الفوتونات الحتمي معروفاً بالفعل. لقد طرحا سؤالاً بسيطاً ولكنه عميق: إذا كنا نعلم أن الضوء سيفقد بعض طاقته قبل استخدامه، فهل ينبغي لنا بناء الشبكة بشكل مختلف قليلاً منذ البداية؟ عملهما، الذي يعتمد على محاكاة حاسوبية مفصلة بدلاً من تجربة فيزيائية جديدة، يثبت أن الإجابة هي نعم. من خلال ضبط تباعد نقاط الشبكة لمراعاة الفقد المتوقع، وجدا أنه بإمكانهما إنشاء حالات أكثر متانة بشكل ملحوظ.
لفهم طريقتهم، يجب على المرء أولاً فهم كيفية قياس جودة هذه الحالات. استخدم الباحثون مقياساً يسمى "ضغط GKP". بعبارات بسيطة، هذا هو السجل الذي يخبرك بمدى قدرة الحالة الكمية على الحفاظ على شكلها ضد آثار التمويه الناتجة عن الفقد. الدرجة الأقل تعني شبكة أكثر حدة واستقراراً. قامت المجموعة بمحاكاة إعداد ثلاثة أنواع مختلفة من الشبكات: نمط مربع، ونمط خلية نحل سداسي، ونمط مستطيل غير متماثل. ولكل نوع، أجروا عمليات محاكاة لإيجاد تباعد الشبكة الأولي الذي سيؤدي إلى أفضل درجة ممكنة بعد حدوث الفقد.
كانت النتائج واضحة ومتسقة عبر جميع الأشكال الثلاثة. لم تكن نقطة البداية المثلى أبداً هي تباعد الشبكة "المثالي" الذي قد تسعى إليه في عالم خالٍ من الفقد. بدلاً من ذلك، كانت أفضل استراتيجية هي البدء بشبكة أكبر قليلاً أو متباعدة بشكل مختلف عن الهدف المثالي. وعندما تعرضت هذه الشبكة المعدلة مسبقاً للفقد المحاكى، انكمشت لتصل تماماً إلى الشكل المطلوب، مستقرة في حالة أكثر مقاومة للأخطاء من الشبكة القياسية التي انكمشت بنفس مقدار الفقد. الأمر يشبه خياطاً، لعلمه أن القماش سينكمش عند الغسيل، فيقص النمط بشكل أكبر قليلاً لكي تناسب الملابس النهائية الجسم تماماً.
أظهرت عمليات المحاكاة أن هذا التحسين الواعي بالفقد أدى إلى حالات ذات درجات ضغط GKP أفضل، مما يعني أنها أعلى جودة وأكثر استقراراً. كان هذا التحسن ملحوظاً بشكل خاص عندما نماذج الباحثون أنظمة ذات مستويات طاقة أعلى، والتي تقابل شبكات أكبر وأكثر تعقيداً. في هذه السيناريوهات ذات الطاقة العالية، أصبح تفوق التحضير المُحسّن واضحاً جداً. كما اكتشف الباحثون تفصيلاً دقيقاً ولكن مهماً حول الفيزياء المعنية. فمع زيادة الفقد، تغير المشهد الرياضي للمشكلة بطريقة تسببت في اختلاط الحالات الممكنة المختلفة، وهي ظاهرة تُعرف باسم "التقاطع المتجنب". ووجدوا أنه بالنسبة لمستويات معينة من الفقد، لم يعد الحل الأفضل مجرد شبكة واحدة بسيطة، بل خليطاً أكثر تعقيداً. ومع ذلك، بالنسبة لنطاق الفقد ذي الصلة بالتجارب الحالية والمستقبلية القريبة، فإن استراتيجية مجرد تعديل تباعد الشبكة الأولي عملت بشكل رائع.
استبعدت الدراسة صراحةً فكرة أنه ينبغي ببساطة محاولة تقليل الفقد أو تجاهله أثناء مرحلة التصميم. كما أشاروا إلى أن طريقتهم لا تعالج نوعاً آخر من الضجيج يسمى "إلغاء الطور" (dephasing)، والذي يؤثر على توقيت الموجات الكمية، لأن كود GKP ليس قوياً بطبيعته ضد هذه المشكلة المحددة. كما لم يأخذوا في الاعتبار الضوضاء الحرارية، التي تضيف الحرارة ولكنها لا تغير بنية الشبكة. ظل تركيزهم منصباً حصرياً على فقد الفوتونات الذي يعصف بالأنظمة البصرية.
إن تداعيات هذا العمل عملية لمستقبل الحوسبة الكمية. وبينما أُجريت عمليات المحاكاة على أجهزة الكمبيوتر، فإن الاستراتيجية تقدم دليلاً مباشراً للخبراء التجريبيين الذين يعملون مع الضوء. فمن خلال ضبط معايير دوائر إعداد الحالة الخاصة بهم لمراعاة الخسائر المعروفة، يمكنهم إنتاج حالات كمية عالية الجودة دون الحاجة إلى أجهزة جديدة. وهذا أمر مهم بشكل خاص لمنصات مثل الأيونات المحتجزة والدوائر فائقة التوصيل، حيث تكون مستويات الطاقة عالية بما يكفي لتكون فوائد هذا التحسين مرئية بوضوح. ويخلص الباحثون إلى أنه من خلال احتضان واقع الفقد والتصميم حوله، بدلاً من محاربته، يمكننا اتخاذ خطوة كبيرة نحو جعل الحواسيب الكمية تعمل حقاً في العالم الحقيقي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.