Tensor-network simulation of strongly coupled multi-fluxonium circuits
تقدم هذه الورقة طريقة محاكاة باستخدام شبكة الموتر (tensor-network) عبر استخدام حالات ناتج ضرب المصفوفات (matrix product states) والمؤثرات لحساب الطيف المنخفض لدوائر الفلوكسونيوم (fluxonium) فائقة التوصيل شديدة الاقتران بكفاءة، متجاوزةً بذلك قيود الذاكرة الأسية للتشخيص الدقيق (exact diagonalization) من خلال التوسع مع عدد الأنماط ومعلمات القطع بدلاً من أبعاد فضاء هيلبرت الكامل.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلف ولم يصادق عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
إن تصميم معالج كمي فائق التوصيل يشبه إلى حد كبير محاولة التنبؤ بسلوك آلة معقدة قبل بنائها فعلياً. هذه الآلة مكونة من دوائر كهربائية دقيقة تنقل الكهرباء دون مقاومة، وتُبرد إلى درجات حرارة قريبة من الصفر المطلق. هذه الدوائر هي قلب المعالج، ويُحدد سلوكها من خلال وصف رياضي لمستويات طاقتها. ولفهم ما ستفعله الآلة، يجب على العلماء حساب أدنى حالات الطاقة لهذه الدوائر. ومع ذلك، كلما أضيفت مكونات أكثر إلى الدائرة، انفجر تعقيد الحساب. إذ ينمو عدد الحالات الممكنة بسرعة كبيرة لدرجة أن أكثر الحواسيب قوة لا يمكنها استيعاب الصورة الكاملة عندما تصبح الدائرة كبيرة بما يكفي لتكون مفيدة. وهذا يخلق عقبة: لا يستطيع المهندسون تصميم آلات أفضل لأنهم لا يستطيعون محاكاة الآلات التي يحاولون بناءها بدقة.
هذا التحدي حاد بشكل خاص عندما تكون مكونات الدائرة مرتبطة ببعضها البعض بقوة. في العديد من النهج التقليدية، يحاول العلماء تقسيم دائرة معقدة إلى قطع أصغر يمكن إدارتها، وحل كل قطعة على حدة، ثم دمج الإجابات معاً. ينجح هذا الأمر عندما تكون القطع متصلة بشكل ضعيف، ولكنه غالباً ما يفشل عندما تكون الأجزاء متشابكة بإحكام، كما هو الحال في الدوائر المتقدمة التي يتم تطويرها اليوم. وإذا لم يتم فصل القطع بشكل صحيح، فقد تكون الإجابة النهائية خاطئة، ولا توجد طريقة سهلة لمعرفة ما إذا كان الخطأ قد حدث بسبب اختيار القطع بشكل سيء أو بسبب عدم دقة الحساب.
لقد طور فريق من الباحثين في "كيليمانجارو كوانتوم تيك" (Qilimanjaro Quantum Tech) وعدة مؤسسات في برشلونة طريقة جديدة لحل هذه المشكلة. فبدلاً من تقسيم الدائرة إلى أنظمة فرعية عشوائية، عاملوا الدائرة بأكملها كنظام واحد موحد. واستخدموا تقنية رياضية تسمى "شبكة الموتر" (tensor network)، وهي مصممة للتعامل مع البيانات المعقدة والمترابطة دون الحاجة إلى تخزين كل الاحتمالات في الذاكرة. ومن خلال التركيز على الاهتزازات الطبيعية، أو "الأنماط"، للدائرة بأكملها، تمكنوا من تمثيل النظام بطريقة تتسم بالبساطة والدقة في آن واحد. وقد سمح هذا النهج لهم بمحاكاة دائرة مكونة من ثلاث وحدات كمية، تُعرف باسم "فلوكسونيا" (fluxonia)، وهو أمر كان مستحيلاً في السابق باستخدام الطرق القياسية.
اختبر الباحثون طريقتهم على دائرتين مختلفتين. كانت الدائرة الأولى عبارة عن زوج من "الفلوكسونيا" متصل بصلة قابلة للضبط. وبالنسبة لهذا النظام الأصغر، تمكنوا من مقارنة طريقتهم الجديدة بحساب دقيق تقليدي للتأكد من دقتها. وكانت النتائج مذهلة: طابقت الطريقة الجديدة الحساب الدقيق في حدود جزء من مليون من الجيجاهرتز، وهو مستوى من الدقة كافٍ تماماً لتصميم المعالجات الكمية. وقد منحهم هذا التحقق الثقة للانتقال إلى الدائرة الأكبر والأكثر صعوبة.
أما الدائرة الثانية، فكانت تتكون من ثلاث وحدات "فلوكسونيا" مرتبطة بوصلتين قابلتين للضبط. هذا النظام يحتوي على أحد عشر نمطاً مختلفاً من الاهتزاز، وعدد نظري من الحالات الممكنة هائل لدرجة أنه يتجاوز سعة الذاكرة لأقوى الحواسيب الخارقة في العالم إذا حاول المرء تخزين جميع البيانات دفعة واحدة. ستحتاج حاسوب قياسي إلى تخزين عدد من القيم يعادل 17 مليار جيجابايت لاستيعاب الصورة الكاملة، وهو ما يتجاوز القدرات الحالية بكثير. وحتى النهج الأكثر ذكاءً الذي يخزن فقط القيم غير الصفرية، سيظل يتطلب ذاكرة أكبر مما تمتلكه عقدة حاسوبية واحدة.
باستخدام طريقة "شبكة الموتر" الجديدة، تمكن الباحثون من حل أدنى مستويات الطاقة لهذه الدائرة الضخمة المكونة من ثلاث وحدات "فلوكسونيا". ووجدوا أن بإمكانهم حساب أدنى ثماني حالات طاقة بدقة عالية باستخدام "بُعد رابط" (bond dimension) قدره 32. وبعبارة أبسط، هذا يعني أن الحاسوب احتاج فقط إلى تتبع عدد صغير نسبياً من الاتصالات بين أجزاء النظام للحصول على الإجابة الصحيحة. استغرقت العملية الحسابية بأكملها 81 دقيقة واستخدمت 1.3 جيجابايت فقط من الذاكرة على وحدة معالجة مركزية واحدة. وهذا يمثل جزءاً ضئيلاً جداً من الموارد التي كانت ستتطلبها الطرق القديمة، والتي كانت ستكون عاجزة تماماً عن تشغيل المحاكاة.
إن نجاح هذه المحاكاة يثبت أن الباحثين يمكنهم الآن نمذجة الدوائر التي كانت بعيدة المنال سابقاً. لا يعتمد هذا النهج على التخمين حول كيفية تقسيم الدائرة أو وضع افتراضات حول كيفية تفاعل الأجزاء، بل يستخدم الهيكل الطبيعي للدائرة نفسها لإيجاد مسار فعال للإجابة. وقد أكد الباحثون أن نتائجهم كانت مستقرة وموثوقة من خلال تشغيل الحساب عدة مرات بنقاط بداية مختلفة، ومن خلال التحقق من كيفية تغير الإجابة مع تعديل دقة الحساب. ووجدوا أن النتائج تتقارب بسرعة، مما يعني أن الطريقة قوية ولا تتعثر في حلول خاطئة.
يوفر هذا العمل أداة قوية لتصميم المعالجات الكمية. فمن خلال السماح للمهندسين بمحاكاة الدوائر المعقدة ذات الارتباط القوي بدقة عالية وتكلفة حوسبة منخفضة، تزيل هذه الطريقة عائقاً رئيسياً أمام بناء آلات كمية أفضل. وهي تظهر أنه حتى عندما تكون مكونات الدائرة متشابكة بعمق، فمن الممكن فهم سلوكها الجماعي دون الحاجة إلى تخزين كمية مستحيلة من البيانات. لقد أثبت الباحثون أن الطريق نحو تصميم الدوائر الكمية لا يتطلب انتظار الحواسيب لتصبح قوية بشكل لانهائي، بل يتطلب طرقاً أذكى لاستخدام الحواسيب التي نمتلكها بالفعل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.