← أحدث الأبحاث
⚛️ الفيزياء الكمومية

Scaling Pêlagos: Multi-GPU Orchestration for Relay Belief-Propagation Decoding

تقدم هذه الورقة تنسيقاً محسناً متعدد وحدات معالجة الرسومات لفك تشفير انتشار الاعتقاد ذو التتابع (Pelagos) الذي يحقق توسعاً يقترب من الخطية وتسريعاً كبيراً في الوقت الإجمالي لمحاكاة تصحيح الأخطاء الكمومية واسعة النطاق على حواسيب AMD Instinct الفائقة.

المؤلف الأصلي: Xulong Tang, Dionysios Diamantopoulos, Tristan Müller, Apo Kayi, Nelson Mimura Gonzalez, Muhammad Osama, Seetharami Seelam, Haralampos Pozidis, Blake R. Johnson, Yasuko Eckert

نُشر 2026-11-13
📖 4 دقيقة قراءة🧠 قراءة متعمّقة

المؤلف الأصلي: Xulong Tang, Dionysios Diamantopoulos, Tristan Müller, Apo Kayi, Nelson Mimura Gonzalez, Muhammad Osama, Seetharami Seelam, Haralampos Pozidis, Blake R. Johnson, Yasuko Eckert

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

يعتمد حلم بناء حاسوب كمي مقاوم للأخطاء على عقبة واحدة عنيدة: الحفاظ على سلامة المعلومات. فالبتات الكمية، أو "الكيوبتات"، هشة للغاية، وعرضة للانقلاب أو التلاشي بسبب أدنى ضجيج بيئي. ولبناء آلة يمكنها إجراء حسابات معقدة، يجب على العلماء إنشاء "كيوبتات منطقية" محمية بطبقات من تصحيح الأخطاء. وتعمل هذه الحماية من خلال التحقق باستمرار من الأخطاء وإصلاحها قبل أن تنتشر، وهي عملية تتطلب "مفكك شفرة" (decoder) ليعمل كحكم سريع الاستجابة. ويجب على هذا الحكم تحليل تدفق من إشارات الخطأ، المعروفة باسم "المتلازمات" (syndromes)، واتخاذ قرار فوري بكيفية تصحيح النظام. تكمن المشكلة في أن العثور على التصحيح المناسب هو مهمة حوسبية هائلة. ولتصميم مفكك شفرة يكون سريعاً بما يكفي للاستخدام في الوقت الفعلي ودقيقاً بما يكفي للتعامل مع الضجيج في آلة حقيقية، يجب على الباحثين تشغيل العديد من السيناريوهات المحاكية عبر نقاط تشغيل متعددة. وبدون وسيلة لتسريع هذه المحاكاة، ستتعطل عملية التصميم، مما يترك الطريق نحو الحوسبة الكمية المفيدة مسدوداً بجدار من الانتظار.

لقد وجد فريق من الباحثين من شركة "Advanced Micro Devices" و"IBM Research" طريقة لكسر هذا الجدار من خلال إعادة التفكير في كيفية تشغيل هذه المحاكاة على الحواسيب الفائقة الحديثة. فقد ركزوا على طريقة فك تشفير محددة تسمى "انتشار الاعتقاد المتتالي" (relay belief-propagation)، وهي خوارزمية استدلالية مصممة لإيجاد التصحيحات بسرعة دون الحاجة إلى حساب كل الاحتمالات الممكنة. وبينما تعد هذه الطة سريعة، فإن تشغيلها على شريحة حاسوب واحدة ليس كافياً لاستكشاف المساحة التصميمية الواسعة اللازمة للحواسيب الكمية المستقبلية. وقد لجأ الباحثون إلى وحدات معالجة الرسومات، أو الـ (GPUs)، وهي شرائح قوية قادرة على التعامل مع آلاف العمليات الحسابية في وقت واحد. ومع ذلك، فإن مجرد إضافة المزيد من وحدات (GPUs) إلى مهمة واحدة غالباً ما يؤدي إلى عوائد متناقصة. وفي عملهم السابق، بنى الفريق نظاماً يسمى "Pˆelagos" لتشغيل هذه المفككات على وحدات (GPUs)، ولكن عندما حاولوا توسيع نطاقه عبر توصيل عدة شرائح بحاسوب واحد، تباطأ النظام. لم يكن عنق الزجاجة في عملية فك التشفير نفسها، بل في العبء الإضافي لإدارة العمل: حيث كان المعالج الرئيسي للحاسوب يتعين عليه إعداد البيانات لكل شريحة على حدة ثم جمع النتائج، مما خلق ازدحاماً مرورياً أهدر طاقة الشرائح الإضافية.

ولحل هذه المشكلة، أعاد الفريق تصميم تنظيم العمل، مبتعداً عن نموذج البرنامج الحاسوبي الواحد الذي يحاول إدارة شرائح متعددة في آن واحد. بدلاً من ذلك، قاموا بتعيين عملية عامل مستقلة ومخصصة لكل وحدة (GPU). تخيل مطبخاً مزدحماً يحاول فيه رئيس طهاة واحد توجيه ثمانية طهاة، حيث يسلمهم المكونات واحداً تلو الآخر وينتظر أطباقهم قبل الانتقال إلى التالي؛ هنا يصبح رئيس الطهاة هو عنق الزجاجة. لقد غير الباحثون هذا النموذج إلى نموذج حيث يمتلك كل طاهٍ محطته الخاصة، ويجهز مكوناته بنفسه بالتوازي، ويضع طبقه المكتمل مباشرة على منصة مشتركة للتجميع النهائي. ومن الناحية التقنية، قاموا بفصل المعالج الرئيسي للحاسوب عن إدارة وحدة (GPU)، مما سمح لكل شريحة بإعداد بياناتها الخاصة وكتابة النتائج مباشرة في الذاكرة المشتركة. وقد ألغى هذا التصميم التأخيرات الناتجة عن محاولة المعالج الرئيسي إدارة الشرائح، مما سمح للنظام بقضاء معظم وقته في عملية فك التشفير الفعلية. كما وجد الباحثون أن الأجيال الأحدث من الشرائح، التي تتميز بنطاق ترددي أسرع للذاكرة، كانت تعمل بشكل أفضل، حيث تعاملت مع حركة البيانات المطلوبة لهذه الحسابات المعقدة بكفاءة أكبر.

إن هذا العمل ليس مجرد تمرين نظري؛ بل يمثل مساراً عملياً نحو تطوير الحواسيب الكمية. لقد نشر الباحثون نظامهم على حاسوب فائق في مختبر "Oak Ridge National Laboratory" كطبيقة استكشافية لمحاكاة تصحيح الأخطاء الكمية عالية الإنتاجية. ومن خلال جعل محاكاة تصحيح الأخطاء أسرع بكثير، فإنهم يتيحون للعلماء اختبار المزيد من تصميمات مفككات الشفرة، واستكشاف المزيد من المعايير، وإيجاد حلول أفضل في جزء بسيط من الوقت الذي كان سيستغرقه الأمر سابقاً. ويعد هذا التسريع أمراً حاسماً لـ "مهمة Genesis"، وهي جهد أوسع لاستخدام الحوسبة عالية الأداء والذكاء الاصطناعي لتسريع الاكتشاف العلمي. وتؤكد الدراسة أنه من خلال الإدارة الدقيقة لكيفية توزيع المهام عبر معالجات متعددة، بدلاً من مجرد إلقاء المزيد من الأجهزة على المشكلة، يمكن للباحثين إطلاق العنان للإمكانات الكاملة للحواسيب الفائقة الحديثة. وتشير النتائج إلى أن عنق الزجاجة في توسيع نطاق المحاكاة الكمية ليس نقص القوة الحوسبية الخام، بل البنية البرمجية المستخدمة لتوجيهها. ومع طريقة التنظيم الجديدة هذه، تم تمهيد الطريق لتقييم مفككات الشفرة اللازمة لمستقبل كمي مقاوم للأخطاء، محولةً انتظاراً دام سنوات إلى مسألة أسابيع.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →