اخبار کوانتومی – شبیه ساز هیبریدی کوانتومی گوگل با 69 کیوبیت ابررسانا دینامیک به تعادل حرارتی رسیدن را بررسی میکند

عنوان خبر: شبیه ساز هیبریدی کوانتومی گوگل با 69 کیوبیت ابررسانا دینامیک به تعادل حرارتی رسیدن را بررسی میکند.
ژانر/موضوع: محاسبات کوانتومی، شبیه‌سازی کوانتومی

تاریخ انتشار خبر: 5 فوریه 2025
لینک خبر: the Quantum Insider

چکیده:

محققان گوگل از پردازنده کوانتومی ۶۹ کیوبیتی Sycamore و شبیه‌سازی ترکیبی دیجیتال-آنالوگ کوانتومی برای مطالعه ترمالیزاسیون در سیستم‌های کوانتومی بس ذره ای استفاده کردند. آزمایش آن‌ها انحرافاتی از مکانیزم Kibble-Zurek را نشان داد که نظریه‌های سنتی مکانیک آماری را به چالش میکشد. آنها همچنین نشانه‌هایی از گذار فازی Kosterlitz-Thouless در مدل XY کوانتومی مشاهده کردند. این رویکرد ترکیبی امکان کنترل دقیق را فراهم کرده و فراتر از محدودیت‌های شبیه‌سازی کلاسیک مقیاس می‌یابد. یافته‌های آن‌ها به درک گذارهای فازی کوانتومی، تصحیح خطا در محاسبات کوانتومی و مواد کوانتومی عجیب کمک میکند. این مطالعه نشان میدهد که پردازنده‌های کوانتومی میتوانند پدیده‌های پیچیده‌ای را شبیه‌سازی کنند که از دسترس رایانه‌های کلاسیک خارج هستند. گوگل برنامه‌ریزی برای انجام آزمایش‌های بیشتر با پردازنده نسل بعدی Willow دارد.

شرح کامل خبر:

در یک آزمایش پیشگامانه، پژوهشگران گوگل از پردازنده کوانتومی Sycamore با ۶۹ کیوبیت و یک روش شبیه‌سازی کوانتومی ترکیبی دیجیتال-آنالوگ برای بررسی نحوه رسیدن سیستم‌های کوانتومی به تعادل گرمایی یا ترمولازیسیون (thermalization) استفاده کرده‌اند. این مطالعه که اخیراً در مجله Nature منتشر شده، نشان می‌دهد که شبیه‌سازی ترکیبی کوانتومی می‌تواند دینامیک پیچیده گرمایی شدن را که فراتر از توان محاسبات کلاسیک است، آشکار کند.

چرا مطالعه گرمایی شدن در سیستم‌های کوانتومی اهمیت دارد؟

درک نحوه گرمایی شدن سیستم‌های کوانتومی—یعنی چگونگی تکامل یک سیستم ایزوله از یک حالت کوانتومی دلخواه به حالتی که از مکانیک آماری کلاسیک پیروی می‌کند—یکی از پرسش‌های بنیادی فیزیک است. در سیستم‌های معمولی، مکانیک آماری این فرایند را به‌خوبی توصیف می‌کند، اما در سیستم‌های بس‌ذره‌ای کوانتومی، این دینامیک می‌تواند بسیار پیچیده‌تر باشد.

در حالی که انتظار می‌رود برخی سیستم‌ها به تعادل حرارتی برسند، برخی دیگر می‌توانند از تعادل فرار کنند، مثلاً از طریق محلی‌سازی بس ذره‌ای (many-body localization) یا نمایش فازهای غیرتعادلی عجیب. تاکنون، برای بررسی این پدیده‌ها از شبیه‌سازی‌های کلاسیک یا دستگاه‌های کوانتومی استفاده شده است، اما روش‌های کلاسیک به‌دلیل پیچیدگی نمایی محاسبات، توانایی شبیه‌سازی سیستم‌های بزرگ را ندارند. رویکرد ترکیبی دیجیتال-آنالوگ گوگل یک جایگزین قدرتمند ارائه می‌دهد که هم کنترل دقیق روی سیستم کوانتومی را ممکن می‌سازد و هم مقیاس‌پذیر باقی می‌ماند.

یافته‌های کلیدی و دستاوردهای علمی

یکی از شگفتی‌های این مطالعه انحراف از مکانیزم کیبل-زورک (KZM) بود که معمولاً توصیف‌کننده نحوه تحول سیستم‌ها در نزدیکی گذار فازی است. مکانیزم KZM یک رفتار مقیاسی عمومی را پیش‌بینی می‌کند که هنگام تغییر سریع ساختار فازی سیستم رخ می‌دهد. اما شبیه‌سازی کوانتومی گوگل نشان داد که انحراف‌های غیرمنتظره‌ای از این پیش‌بینی‌های نظری وجود دارد، که نشان می‌دهد مکانیک آماری سیستم‌های بس ذره‌ای کوانتومی پیچیده‌تر از آن چیزی است که تاکنون تصور می‌شد.

علاوه بر این، پژوهشگران موفق به مشاهده نشانه‌هایی از گذار فازی کوسترلیتز-تولس (KT) در مدل کوانتومی XY شدند. این گذار که در سیستم‌های دو بعدی رخ می‌دهد، شامل ایجاد و تعامل نقص‌های توپولوژیکی، مانند گردابه‌ها و پادگردابه‌ها (vortices and antivortices) است. این یافته‌ها نه‌تنها قدرت پیش‌بینی گذارهای فازی توپولوژیکی را تأیید می‌کند، بلکه مزایای منحصر‌به‌فرد شبیه‌سازی کوانتومی در بررسی این اثرات را برجسته می‌سازد.

چگونه این آزمایش انجام شد؟

پردازنده Sycamore گوگل که دارای ۶۹ کیوبیت ابررسانا است، برای اجرای ترکیبی از گیت‌های دیجیتال (برای کنترل دقیق) و تحول آنالوگ کوانتومی (برای نمایش طبیعی دینامیک سیستم) به‌کار گرفته شد. این رویکرد ترکیبی امکان شبیه‌سازی یک سیستم کوانتومی بزرگ را بدون نیاز به تصحیح خطای کامل که در روش‌های کاملاً دیجیتال لازم است، فراهم کرد.

در این آزمایش، پژوهشگران ابتدا یک حالت اولیه کوانتومی را آماده کردند، سپس اجازه دادند که سیستم تحت شرایط کنترل‌شده تحول یابد و در مراحل مختلف از آن اندازه‌گیری انجام دادند. مقایسه این نتایج با پیش‌بینی‌های کلاسیک، بینش‌های جدیدی را درباره ترمولازیسیون کوانتومی و دینامیک گذارهای فازی ارائه کرد.

کاربردها و مسیرهای آینده

این پژوهش کاربردهای گسترده‌ای در فیزیک کوانتومی، علم مواد، و حتی خود محاسبات کوانتومی دارد:
✅ تصحیح خطای کوانتومی – درک ترمولازیسیون می‌تواند به بهبود تکنیک‌های تصحیح خطا برای رایانش کوانتومی مقاوم در برابر خطا کمک کند.
✅ مواد کوانتومی و فازهای عجیب – این یافته‌ها می‌توانند به کشف مواد جدید با خواص گرمایی و الکتریکی منحصر‌به‌فرد منجر شوند.
✅ شبیه‌سازی مسائل حل‌نشده کوانتومی – این آزمایش نشان می‌دهد که پردازنده‌های کوانتومی در حال نزدیک شدن به توانایی شبیه‌سازی پدیده‌هایی هستند که فراتر از دسترس رایانه‌های کلاسیک است.

در آینده، گوگل قصد دارد این آزمایش‌ها را با پردازنده نسل بعدی Willow که دارای کیوبیت‌های بیشتر و زمان همدوسی بهبودیافته است، گسترش دهد. با پیشرفت سخت‌افزارهای کوانتومی، شبیه‌سازهای کوانتومی مانند Sycamore به ابزارهای علمی قدرتمندی برای مطالعه سیستم‌های فیزیکی پیچیده تبدیل می‌شوند و می‌توانند درک ما از مکانیک کوانتومی را متحول کنند

منابع:

[1] https://thequantuminsider.com/2025/02/05/google-team-combines-digital-precision-and-analog-power-to-unlock-new-possibilities-in-quantum-computing/

[2] https://www.nature.com/articles/s41586-024-08460-3

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