تراشه‌ی کوانتومی Willow گوگل نخستین الگوریتم با مزیت کوانتومی قابل‌اثبات را اجرا کرد

عنوان خبر: تراشه‌ی کوانتومی Willow گوگل نخستین الگوریتم با مزیت کوانتومی قابل‌اثبات را اجرا کرد
ژانر/موضوع: محاسبات کوانتومی، کیوبیت ابررسانا، مزیت کوانتومی

تاریخ انتشار خبر: 22 اکتبر 2025
لینک خبر: blog.google

چکیده:
تیم Google Quantum AI به دستاوردی چشمگیر در مسیر مزیت کوانتومی رسیده است. آن‌ها با استفاده از پردازنده‌ی ابررسانای ۶۵ کیوبیتی خود (به نام Willow) توانستند یک شبیه‌سازی فیزیکی بسیار پیچیده را ۱۳ هزار برابر سریع‌تر از ابررایانه‌ی کلاسیک Frontier انجام دهند. این پژوهش که در مجله‌ی Nature منتشر شده، الگوریتم تازه‌ای به نام «پژواک های کوانتومی» (Quantum Echoes) معرفی می‌کند که پدیده‌ای از تداخل کوانتومی به نام هم‌بسته‌ساز مرتبه دوم خارج از زمان (OTOC₂) را اندازه‌گیری می‌کند — کمیتی که به درک رفتار آشوب‌گونه و درهم‌تنیدگی اطلاعات در سیستم های کوانتومی کمک می‌کند. این نتیجه گامی مهم به‌سوی مزیت کوانتومی عملی است؛ مرحله‌ای که در آن رایانه‌های کوانتومی قادرند نتایجی واقعی و علمی تولید کنند که هیچ سیستم کلاسیکی توان محاسبه‌ی آن‌ها را ندارد. در این آزمایش، پژوهشگران با اجرای تحول زمانی به جلو و عقب، توانستند نحوه‌ی گسترش و تداخل اطلاعات کوانتومی را بازسازی کنند — فرآیندی که با رایانه‌های کلاسیک تقریباً غیرممکن است. فراتر از جنبه‌ی نظری، این الگوریتم کاربردهای عملی نیز دارد، از جمله در طیف‌سنجی تشدید مغناطیسی هسته‌ای (NMR)، که می‌تواند امکان مشاهده‌ی برهم‌کنش میان اسپین‌های دور از هم را فراهم کند. بر اساس نقشه‌راه گوگل برای محاسبات کوانتومی، این دستاورد نخستین گام بزرگ در مسیر توسعه‌ی نرم‌افزارهای کوانتومی محسوب می‌شود و در کنار پیشرفت‌های سخت‌افزاری اخیر، می‌تواند راه را برای حسگرها و شبیه‌سازهای کوانتومی پیشرفته در پنج سال آینده هموار سازد.

شرح کامل خبر:

تیم Google Quantum AI با استفاده از پردازنده‌ی Willow خود، که یک پردازنده ابررسانای ۶۵ کیوبیتی می‌باشد، گامی مهم در مسیر مزیت کوانتومی کاربردی برداشته است. آن‌ها در پژوهشی که در مجله‌ی Nature منتشر شد، موفق شدند کمیتی به نام هم‌بسته‌ساز مرتبه دوم خارج از زمان OTOC(2) یا همان the second-order out-of-time-order correlator را به‌صورت تجربی اندازه‌گیری کنند؛ کمیتی که نحوه‌ی گسترش و درهم‌تنیدگی اطلاعات در سیستم‌های کوانتومی آشوبناک را آشکار می‌کند.

این اندازه‌گیری با الگوریتمی نو به نام Quantum Echoes انجام شد که در آن، حالت کوانتومی ابتدا در زمان به جلو و سپس به عقب تحول داده می‌شود تا الگوهای تداخل کوانتومی آشکار شود ــ الگوهایی که هیچ شبیه‌سازی کلاسیکی قادر به بازسازی آن‌ها نیست. همان محاسبه اگر بر روی ابررایانه‌ی کلاسیک Frontier انجام می‌شد، حدود ۳.۲ سال زمان نیاز داشت، در حالی که پردازنده‌ی کوانتومی گوگل آن را تنها در کمی بیش از دو ساعت انجام داد؛ یعنی ۱۳ هزار برابر سریع‌تر.

این آزمایش چگونگی شکل‌گیری و گسترش آشوب کوانتومی را بررسی می‌کند؛ حالتی که در آن، درهم‌تنیدگی به‌قدری سریع گسترش می‌یابد که کمیت‌های موضعی حساسیت خود را به جزئیات از دست می‌دهند. پژوهشگران با وارد کردن یک اغتشاش کوچک ــ مشابه «اثر پروانه‌ای» ــ در میانه‌ی تحول زمانی رفت و برگشتی، بررسی کردند که این اغتشاش چگونه در میان کیوبیت‌ها پخش می‌شود. نتایج نشان داد که بین رشته‌های پائولی (Pauli strings) نوعی تداخل سازنده به وجود می‌آید؛ رشته‌هایی که ترکیب‌های مختلفی از عملگرهای کوانتومی را نشان می‌دهند و در فضای حالت، مسیرهایی حلقه‌مانند تشکیل می‌دهند. این تداخل حتی در زمان‌های طولانی هم نسبت به دینامیک اصلی سیستم حساس باقی می‌ماند، بر خلاف کمیت‌های معمولی که پس از مدتی رفتارشان ثابت می‌شود.

یکی از نکات برجسته‌ی این کار آن است که شبیه‌سازی OTOC(2) با روش‌های کلاسیکی تقریباً غیرممکن است. الگوریتم‌های پیشرفته‌ای مانند شبکه‌تانسوری یا مونت‌کارلو تنها تا حدود ۴۰ کیوبیت قادر به بازتولید نتایج هستند. بنابراین، این آزمایش به‌طور قطعی در ناحیه‌ی «فراتر از کلاسیک» قرار می‌گیرد و دو معیار اصلی مزیت کوانتومی واقعی را برآورده می‌کند: از یک سو، کمیت اندازه‌گیری‌شده معنا و تفسیر فیزیکی دارد، و از سوی دیگر با هیچ روش کلاسیکی در زمان معقول قابل محاسبه نیست.

گوگل در ادامه، از همین الگوریتم برای یک کاربرد عملی نیز استفاده کرده است: یادگیری همیلتونی، یعنی شناسایی پارامترهای پنهانی که دینامیک یک سیستم کوانتومی را تعیین می‌کنند. پژوهشگران نشان دادند که با مقایسه‌ی داده‌های OTOC(2) در پارامترهای مختلف می‌توان مقدار درست پارامتر فاز را پیدا کرد. این روش می‌تواند به عنوان ابزاری برای مطالعه‌ی مواد مغناطیسی، مولکول‌ها یا ساختارهای پیچیده مورد استفاده قرار گیرد، بدون آن‌که نیاز به شبیه‌سازی دقیق از اصول اولیه باشد.

علاوه بر این، همان تکنیک تحول زمانی رفت و برگشتی قابلیت گسترش به حوزه‌ی طیف‌سنجی تشدید مغناطیسی هسته‌ای (NMR) را نیز دارد. در روش‌های سنتی NMR، حساسیت اندازه‌گیری با افزایش فاصله بین اسپین‌ها کاهش می‌یابد. اما الگوریتم Quantum Echoes می‌تواند با شبیه‌سازی برهم‌کنش‌های دوربرد، مانند یک «خط‌کش مولکولی بلندتر» عمل کرده و امکان مشاهده‌ی برهم‌کنش میان اسپین‌های دورتری را فراهم سازد. پژوهشگران گوگل همچنین پیشنهاد کردند که این الگوریتم می‌تواند در جهت معکوس هم به کار رود: یعنی داده‌های تجربی NMR به یک مدل کوانتومی داده شود تا جزئیات ساختاری پنهانی آشکار شود که با روش‌های کلاسیکی قابل‌دسترسی نیستند.

با وجود محدودیت‌هایی مانند نویز، عمق محدود مدار و نیاز به بهبود در تصحیح خطا، این دستاورد نخستین نقطه‌عطف نرم‌افزاری در نقشه‌ی راه شش‌مرحله‌ای گوگل محسوب می‌شود. این پیشرفت گذر از نمایش‌های انتزاعی «برتری کوانتومی» به محاسبات کوانتومی معنادار را نشان می‌دهد ــ محاسباتی که داده‌های علمی واقعی تولید می‌کنند و می‌توانند به ابزارهای مؤثر در پژوهش تجربی و فناوری‌های آتی تبدیل شوند.

منابع:

[1] https://blog.google/technology/research/quantum-echoes-willow-verifiable-quantum-advantage/

[2] https://www.nature.com/articles/s41586-025-09526-6.pdf

[3] https://thequantuminsider.com/2025/10/22/google-quantum-ai-shows-13000x-speedup-over-worlds-fastest-supercomputer-in-physics-simulation/

دیدگاه خود را درباره این خبر با ما به اشتراک بگذارید.