Resolving and Suppressing Temporally Correlated Noise in Quantum Error Correction
باستخدام معالج فائق التوصيل مكون من ١٠٥ كيوبت، تُظهر هذه الدراسة النجاح في توسيع نطاق استقرار كود السطح (surface code) لكبح الأخطاء المرتبطة زمنياً والناجمة عن تسخين الكيوبت، محققةً أدنى مستوى قياسي لأرضية الخطأ المنطقي عبر دائرة استقرار "المشي" (walking stability circuit) وتحسين الأداء من خلال الاستخراج التكيفي للمتلازمات.
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
لبناء حاسوب يمكنه حل مشكلات تتجاوز قدرات آلات اليوم، يحاول العلماء إنشاء حاسوب كمي. تستخدم هذه الأجهزة قواعد الفيزياء الكمية الغريبة لمعالجة المعلومات، لكنها هشة للغاية؛ إذ يمكن لأدنى اضطراب ناتج عن الحرارة أو الاهتزاز أو الإشعاع أن يتسبب في بعثرة المعلومات واختفائها. ولجعل هذه الآلات مفيدة، يجب على الباحثين بناء نظام يمكنه تلقائيًا العثور على هذه الأخطاء وإصلاحها أثناء حدوثها، وهي عملية تُعرف باسم تصحيح الخطأ الكمي.
الطريقة القياسية لاختبار ما إذا كان هذا النظام يعمل هي إنشاء تجربة "ذاكرة". في هذا الاختبار، يقوم العلماء بتخزين قطعة من المعلومات والتحقق منها بشكل متكرر بحثًا عن الأخطاء، آملين في رؤية ما إذا كان بإمكان الحاسوب الحفاظ على البيانات لفترة طويلة. ومع ذلك، فإن هذا النهج لا يفحص سوى نوع واحد من الأخطاء: الأخطاء التي تحدث عبر أجزاء كثيرة من الآلة في اللحظة ذاتها. أما الحواسيب الكمية في العالم الحقيقي، فستحتاج إلى القيام بأكثر من مجرد التذكر؛ ستحتاج إلى إجراء حسابات معقدة. وهذه الحسابات حساسة لنوع مختلف من المشاكل: الأخطاء التي تحدث في نفس الموقع مرارًا وتكرارًا مع مرور الوقت. فإذا لم يتمكن الحاسوب من التعامل مع الأخطاء التي تستمر في الزمن، فسيفشل في المهام التي بُني من أجلها.
وضع فريق من الباحثين في "جوجل كوانتوم إيه آي" (Google Quantum AI) ومعاونيهم هدفًا لفهم وحل هذه المشكلة المحددة. استخدموا معالجًا كميًا جديدًا واسع النطاق يسمى "ويلو" (Willow)، والذي يحتوي على 105 كيوبت فائق التوصيل، وهي الوحدات الأساسية للمعلومات الكمية. وبدلاً من مجرد اختبار الذاكرة، أجروا تجربة "استقرار". صُمم هذا الاختبار ليكون حساسًا للأخطاء التي تستمر بمرور الوقت، حيث يعمل كصورة مرآتية لاختبار الذاكرة القياسي. ومن خلال توسيع هذه التجربة من شبكات صغيرة من الكيوبتات إلى شبكة كبيرة بحجم 7 في 7، تمكنوا من رؤية مدى قدرة النظام على كبح هذه الأخطاء المرتبطة بالزمن مع نمو حجم الآلة.
وجد الباحثون أنه مع زيادة حجم الشبكة، أصبح النظام بالفعل أفضل في كبح الأخطاء، ولكن حتى نقطة معينة فقط. في البداية، انخفض معدل الخطأ بسرعة كما هو متوقع، ولكن بعد حوالي عشر دورات من الفحص، اصطدم التحسن بحائط مسدود؛ حيث توقف معدل الخطأ عن الانخفاض وبدأ في الاستقرار، وهي ظاهرة حددها الفريق بأنها "ركبة" (knee) في البيانات. ومن خلال بناء نموذج مفصل لسلوك الآلة، اكتشفوا المسبب: نوع محدد من الحالات الكمية التي تسخن إليها كيوبتات البيانات عن طريق الخطأ.
في العالم الكمي، يوجد الكيوبت عادةً في حالة واحدة من اثنتين، مثل عملة معدنية تكون إما "وجهًا" أو "ظهرًا". ومع ذلك، يمكن لهذه الكيوبتات الفيزيائية أن تنزلق أيضًا إلى حالات طاقة أعلى، تمامًا مثل عملة تدور على حافتها أو حتى تنقلب إلى حالة ثالثة مخفية. وجد الباحثون أن كيوبتات البيانات الخاصة بهم كانت تسخن أحيانًا إلى حالة إثارة ثالثة، يسمونها الحالة |3⟩. وبمجرد أن يعلق الكيوبت في هذه الحالة، فإنه يفسد قياسات جيرانه لعدة دورات متتالية، مما يخلق سلسلة من الأخطاء لا يستطيع نظام التصحيح القياسي إصلاحها بسهولة. وقد تطابق نموذج الفريق، الذي تضمن فيزيائية كيفية انتقال هذه الحالات العليا وتلاشيها، تمامًا مع البيانات التجريبية دون الحاجة إلى أي معاملات قابلة للضبط، مما أكد أن هذا التسخين كان السبب الرئيسي في حدوث أرضية الخطأ.
ولحل هذه المشكلة، طور الفريق طريقة جديدة تسمى دائرة الاستقرار "المتجولة" (walking stability circuit). في الدائرة القياسية، تظل أدوار الكيوبتات ثابتة: بعضها يحمل البيانات، بينما يعمل البعض الآخر كمستشعرات للتحقق من الأخطاء. أما في الدائرة المتجولة، فتتبادل الأدوار ذهابًا وإيابًا؛ حيث تصبح كيوبتات البيانات مستشعرات، وتصبح المستشعرات بيانات، ويحدث هذا كل بضع دورات. والأهم من ذلك، عندما يعمل الكيوبت كمستشعر، يتم إعادة ضبطه بطريقة تمحو ليس فقط الأخطاء العادية، بل وأيضًا حالات الطاقة العالية غير المرغوب فيها هذه. ومن خلال نقل الكيوبتات بشكل دوري وإعادة ضبطها، تمكن الفريق من طرد الجسيمات العالقة قبل أن تتسبب في سلسلة من الأخطاء.
كانت نتائج هذا النهج الجديد مذهلة. فبينما اصطدمت الدائرة القياسية بحائط حيث توقفت الأخطاء عن التحسن، استمرت الدائرة المتجولة في كبح الأخطاء، لتصل إلى احتمالية خطأ منطقي أقل من 3.20 × 10⁻⁸ بعد 60 دورة. وهذا أفضل بمقدار رتبتين عشريتين من الطريقة القياسية عند النقطة نفسها. الشيء الوحيد الذي منع الدائرة المتجولة من أن تصبح أفضل من ذلك هو انفجار عشوائي نادر للإشعاع المؤين من البيئة المحيطة، وهو حد أساسي للأجهزة وليس عيبًا في التصميم.
كما استكشف الباحثون طريقة لجعل العملية أكثر كفاءة باستخدام "ثقة" الحاسوب نفسه لتقرير متى يتوقف. في التجربة النموذجية، تعمل الآلة لعدد ثابت من الدورات، ومع ذلك وجد الفريق أنه من خلال تحليل البيانات في الوقت الفعلي، يمكنهم معرفة متى يكون النظام واثقًا بما يكفي من عدم وجود أخطاء. فإذا كان النظام نظيفًا، يمكنهم التوقف مبكرًا؛ وإذا كان مرتبكًا بسبب دفعة من الضوضاء، فيمكنهم الانتظار لفترة أطول. وقد قللت هذه الاستراتيجية التكيفية إجمالي الوقت الذي تحتاجه التجربة للعمل بنسبة 34% وخفضت معدل الخطأ الإجمالي بنسبة 38%.
يُظهر هذا العمل أن مجرد اختبار ذاكرة الحاسوب الكمي ليس كافيًا لضمان نجاحه في الحسابات المعقدة. لقد أثبت الفريق أن الأخطاء المرتبطة بالزمن، الناتجة عن تعليق الكيوبتات في حالات طاقة أعلى، تشكل عقبة رئيسية يجب معالجتها. ومن خلال تحديد السبب الفيزيائي المحدد لهذه الأخطاء وابتكار دائرة تزيلها بنشاط، فقد قطعوا خطوة مهمة نحو بناء آلة يمكنها تشغيل خوارزميات كمية طويلة وموثوقة. وتؤكد الدراسة أنه مع توفر الأدوات المناسبة، يمكن ترويض هذه الأخطاء العنيدة المرتبطة بالزمن، مما يمهد الطريق لمعالجات كمية أكبر وأكثر قوة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.