Efficient simulation of variational quantum circuits: representation, accuracy and CPU/GPU allocation
تقارن هذه الورقة بين طرق محاكاة متجه الحالة القائمة على البوابات، وتطور باولي المباشر، ومحاكاة حالة ناتج ضرب المصفوفات للدوائر الكمومية التباينية عبر أنظمة المعالجات المركزية (CPU) ومعالجات الرسوميات (GPU) لإرساء إجراء للتحسين المشترك للتمثيل، والدقة، وتخصيص الموارد بناءً على خصائص الدائرة وقيود الدقة.
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
في السباق لبناء حواسيب كمومية مفيدة، يواجه العلماء مفارقة غريبة: لكي يعرفوا ما إذا كانت الآلة الجديدة قوية حقاً، يجب عليهم أولاً أن يكونوا قادرين على محاكاة سلوكها على الحواسيب الكلاسيكية القديمة التي نمتلكها بالفعل. تعمل هذه المحاكاة كأرض اختبار حاسمة، مما يسمح للباحثين بالتحقق من البرمجيات وتحديد معيار لما يبدو عليه التفوق الكمومي فعلياً. ويكمن التحدي في التعقيد الهائل لهذه المهمة؛ فالحاسوب الكمومي لا يخزن المعلومات في مفاتيح بسيطة (تشغيل/إيقاف) مثل الحاسوب المحمول العادي، بل يتلاعب بسحابة واسعة ومتغيرة من الاحتمالات. ولتقليد ذلك على حاسوب كلاسيكي، يجب على الباحثين تتبع كل حالة ممكنة للنظام في وقت واحد. ومع نمو عدد البتات الكمومية، أو "الكيوبتات"، يتضخم حجم المعلومات المطلوبة لوصف النظام بشكل هائل، مما يؤدي سريعاً إلى إرهاق حتى أقوى الحواسيب الفائقة. ويصبح السؤال ليس فقط ما إذا كانت المحاكاة ممكنة، بل كيف يمكن تنفيذها بكفاءة كافية لتكون مفيدة، مع الموازنة بين الحاجة إلى السرعة وبين حدود الذاكرة والطلب على الدقة الرقمية المتناهية.
لقد شرع فريق من الباحثين في حل هذا اللغز اللوجستي من خلال اختبار كيفية أداء طرق المحاكاة المختلفة عبر مجموعة واسعة من تصميمات الدارات الكمومية. لم يكتفوا بمجرد السؤال عن أي حاسوب كان الأسرع؛ بل عاملوا المحاكاة كعملية معقدة يمكن تنفيذها بطرق عديدة ومختلفة، اعتماداً على نوع المشكلة المحددة المراد حلها. وقارنوا بين ثلاثة نهج رئيسية لتمثيل الحالة الكمومية: طريقة كثيفة تخزن كل إمكانية منفردة، وطريقة تتتبع كيفية تغير الحالة من خلال سلاسل رياضية محددة، وتقنية تضغط البيانات من خلال استغلال حقيقة أن بعض أجزاء النظام تكون أقل اتصالاً من غيرها. أجروا عمليات المحاكاة هذه على كل من وحدات المعالجة المركزية القياسية ووحدات معالجة الرسومات المتخصصة، مع تغيير حجم الدارات، وعمق العمليات، ودقة الأرقام المستخدمة. وكان هدفهم هو إنشاء دليل عملي لاختيار الأداة المناسبة للمهمة المناسبة، بدلاً من افتراض أن طريقة واحدة ستنتصر دائماً.
اكتشف الباحثون أن النهج الأفضل يعتمد كلياً على بنية المشكلة. فعند محاكاة الأنظمة الجزيئية، التي تنطوي على سلاسل طويلة ومعقدة من التفاعلات، كانت الطريقة الأكثر كفاءة هي تلك التي تتجنب تفكيك العمليات إلى خطوات معيارية صغيرة؛ وبدلاً من ذلك، أثبت تطبيق التحويل الرياضي بأكمله دفعة واحدة أنه أسرع بشكل ملحوظ، خاصة عند تشغيله على معالجات مركزية قوية. وفي هذه الحالات، تفوقت البرمجيات المتخصصة التي قامت بتلك التحديثات المباشرة على المحاكيات القائمة على البوابات المنطقية والمحسنة للغاية بفارق كبير. ومع ذلك، تغيرت القصة تماماً عندما نظر الفريق إلى نماذج الغزل والدارات ذات الكفاءة في الأجهزة، والتي غالباً ما تكون أعرض ولكن أقل ترابطاً؛ فبالنسبة لهذه المشكلات، وفرت وحدات معالجة الرسومات، المصممة للتعامل مع كميات هائلة من البيانات المتوازية، تسريعاً دراماتيكياً. وفي اختبار محدد شمل دارة مكونة من ثمانية وعشرين كيوبت، أكمل معالج الرسومات المهمة أسرع بنحو ثلاثين مرة من أفضل تكوين لمعالج مركزي متعدد الخيوط.
كما كشفت الدراسة أن مجرد توفير المزيد من الأجهزة لحل مشكلة ما ليس هو الحل دائماً. فقد وجد الباحثون أن الإعداد الأكثر كفاءة غالباً ما يتضمن تشغيل العديد من عمليات المحاكاة المستقلة في وقت واحد على عمال (معالجات) منفصلين، بدلاً من محاولة تقسيم محاكاة واحدة كبيرة عبر معالجات متعددة. هذا النهج رفع إجمالي عدد العمليات الحسابية المكتملة في الثانية الواحدة، وهو أمر غالباً ما يكون أكثر أهمية للخوارزميات التباينية التي تتطلب آلاف التقييمات المتكررة. كما فحصوا المقايضة بين السرعة والدقة؛ حيث إن استخدام دقة رقمية أقل، مما يسمح بحسابات أسرع، قد يؤدي أحياناً إلى أخطاء صغيرة. ومع ذلك، وجد الفريق أنه بالنسبة لأنواع معينة من الدارات، يمكن تصحيح هذه الأخطاء لاحقاً دون إبطال فائدة السرعة، بشرما إذا تم فحص النتيجة النهائية مقابل معيار صارم. أما بالنسبة للدارات الأخرى الأكثر تعقيداً، فلم تكن الدقة المنخفضة كافية، بغض النظر عن مدى تحسن السرعة.
ولعل الاكتشاف الأكثر إثارة للدهشة هو أن حجم الدارة الكمومية وحده لا يحدد مدى صعوبة محاكاتها. فالدارة التي تحتوي على عدد أقل من الكيوبتات ولكن بتركيبة داخلية معقدة للغاية قد تستغرق وقتاً أطول في المحاكاة من دارة أكبر بكثير ذات نمط متكرر وبسيط. وقد أظهر الباحثون أن الترتيب المحدد للبوابات الكمومية وطبيعة النظام الفيزيائي الذي يتم نمذجته كانا مؤشرين أفضل لتكلفة المحاكاة من العدد الخام للكيوبتات. كما طوروا إجراءً يسمح للمستخدم بإدخال دارته الخاصة وقيوده، مثل الذاكرة المتاحة والحدود الزمنية، والحصول على قائمة مرتبة لأكثر التكوينات كفاءة. تأخذ هذه القائمة في الاعتبار ليس فقط السرعة الخام للحساب، بل أيضاً الوقت المستغرق لبدء المحاكاة والذاكرة المطلوبة لاستيعاب البيانات.
في نهاية المطاف، يوفر هذا العمل خارطة طريق واضحة للتنقل في مشهد المحاكاة الكمومية. فهو يوضح أنه لا يوجد محاكي واحد "أفضل" لجميع المهام. بدلاً من ذلك، فإن الخيار الأمثل هو مزيج دقيق من طريقة التمثيل، وبنية الأجهزة، وطريقة توزيع عبء العمل. فبالنسبة لمشكلات الكيمياء الجزيئية، تعد التحديثات الرياضية المباشرة على المعالجات المركزية هي الأفضل. أما بالنسبة للدارات الأوسع والأقل تشابكاً، فإن معالجات الرسومات تتألق. وبالنسبة للمشكلات التي يمكن ضغط حالتها الكمومية، توفر طرق "شبكة الموتر" (Tensor Network) المتخصصة وسيلة لمحاكاة أنظمة قد يكون من المستحيل التعامل معها لولا ذلك. ومن خلال مطابقة الأداة المناسبة مع البنية المحددة للمشكلة، يمكن للباحثين استخراج أقصى أداء من أجهزتهم الحالية، مما يضمن بقاء المحاكاة الكلاسيكية شريكاً موثوقاً في تطوير التقنيات الكمومية المستقبلية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.