خلاصه خبر:
آخرین پیشرفت محاسباتی کوانتومی #گوگل بر پایه سفری است که در سال 2019 و زمانی که این شرکت اعلام کرد به «#برتری_کوانتومی» دست یافته است، آغاز شد. در آن زمان، گوگل ادعا کرد که پردازنده کوانتومی آنها، Sycamore، کاری را در کمتر از سه دقیقه انجام داده است که برای قدرتمندترین ابررایانه کلاسیک هزاران سال طول می کشد. این نقطه عطف بر اساس وظیفه ای به نام نمونه برداری مدار تصادفی (RCS) است که برای آزمایش قابلیت های پردازنده های کوانتومی طراحی شده است. با این حال، این اعلامیه جنجال برانگیخت و تیم محاسبات کوانتومی IBM ادعای گوگل را به چالش کشید. IBM استدلال می‌کرد که یک ابرکامپیوتر کلاسیک با الگوریتم‌های بهینه‌شده می‌تواند همان مشکل را در چند روز حل کند، نه هزاران سال!
این اختلاف نظر باعث ایجاد بحث هایی در جامعه علمی در مورد معنای واقعی "برتری کوانتومی" شد. در سال 2022، پنج دانشمند کامپیوتر نشان دادند که اگر خطاهای ذاتی در سیستم‌های کوانتومی امروزی کنترل نشود، کامپیوترهای کوانتومی بزرگ نمی‌توانند با استفاده از RCS به برتری کوانتومی واقعی دست یابند. کار آنها نقش حیاتی نویز در محاسبات کوانتومی را برجسته کرد و این سوال را مطرح کرد که نمونه‌های اولیه کوانتومی کنونی قبل از اینکه محاسبات آنها برای رایانه‌های کلاسیک بی‌اهمیت شود، چه مقدار خطا را می‌توانند تحمل کنند.
علیرغم این مشکلات، مقاله جدید گوگل درک دقیق تری از اینکه چه زمانی میتوان به برتری کوانتومی، حتی با سیستم های دارای نویز، دست یافت ارایه میدهد. این تیم با استفاده از تراشه سیکامور 67 کیوبیتی خود، انتقال فاز را در سیستم های کوانتومی ترسیم کردند که نشان می دهد چه زمانی می توانند از ابررایانه های کلاسیک بهتر عمل کنند. به طور خاص، آنها یک "فاز پیچیده محاسباتی پایدار" را شناسایی کردند که در آن سیستم‌های کوانتومی علیرغم وجود نویز، همبستگی‌های جهانی را حفظ می‌کنند و به آنها اجازه میدهد وظایفی فراتر از قابلیت‌های کلاسیک را انجام دهند.
محققان با استفاده از تکنیک‌هایی مانند RCS و مقایسه آنتروپی متقابل (XEB)، دو انتقال فاز بحرانی را مشخص کردند: یکی با عمق محاسبات کوانتومی و دیگری با نرخ خطا در هر سیکل. این انتقال ها آستانه هایی را مشخص می کنند که در آن سیستم های کوانتومی برای شبیه سازی با الگوریتم های کلاسیک بسیار پیچیده می شوند. این کشف نه تنها ادعاهای قبلی گوگل در مورد برتری کوانتومی را تقویت می‌کند، بلکه در را برای رایانه‌های کوانتومی نویزدار امروزی برای حل مشکلات دنیای واقعی در زمینه‌هایی مانند علوم مالی و مواد - بسیار قبل از تحقق سیستم‌های کوانتومی کاملاً مقاوم به خطا، باز می‌کند.
این مطالعه یک گام مهم به سمت مزیت کوانتومی عملی را ارایه داده و نشان میدهد که ممکن است برای پیشی گرفتن از سیستم‌های کلاسیک در کارهای خاص به رایانه‌های کوانتومی کاملاً تصحیح شده با خطا نیاز نداشته باشیم. در عوض، این دستگاه‌های کوانتومی مقیاس متوسط نویزدار (NISQ) که تحت شرایط مناسب کار می‌کنند، می‌توانند در کوتاه‌مدت قدرت محاسباتی ارزشمندی را ارائه کنند و به پر کردن شکاف تا زمانی که محاسبات کوانتومی متحمل خطا به واقعیت تبدیل شود، کمک کنند.
توضیحات تکمیلی:
مطالعه اخیر گوگل کوانتومی AI یک توسعه امیدوارکننده را در دستیابی به مزیت کوانتومی نشان داده است. این تحقیق نشان میدهد که رایانه‌های کوانتومی، حتی در عصرNoisy Intermediate-Scale Quantum (NISQ)، ممکن است برای عملکرد بهتر از ابررایانه‌های کلاسیک نیازی به تحمل خطای کامل نداشته باشند. این تیم با استفاده از تراشه Sycamore خود با 67 کیوبیت، یک "نقطه شیرین" محاسباتی را شناسایی کردند که در آن سیستم‌های کوانتومی دارای نویز هنوز می‌توانند در کارهای خاص بهتر از نمونه‌های کلاسیک عمل کنند. این نشان‌دهنده یک جهش به جلو است، زیرا سیستم‌های کوانتومی مدت‌هاست که توسط نویز به چالش کشیده شده‌اند، که همبستگی‌های کوانتومی ظریف مورد نیاز برای محاسبات پیچیده را مختل می‌کند.
این مطالعه از نمونه‌برداری مدار تصادفی (RCS) برای کشف دو انتقال فاز کلیدی در سیستم‌های کوانتومی استفاده کرد. اولین انتقال، انتقال دینامیکی است که تحت تأثیر عمق محاسبات کوانتومی قرار دارد. با اضافه شدن سیکل های بیشتر، خروجی سیستم از متمرکز شدن در مجموعه کوچکی از رشته های بیتی به توزیع گسترده تر و ضد متمرکز تبدیل می شود. این تغییر نشان دهنده افزایش پیچیدگی محاسباتی است. با این حال، مدیریت این حالت در میان نویز برای حفظ عملکرد بسیار مهم است.
انتقال دوم توسط نرخ خطا در هر سیکل هدایت می شود. با معرفی یک مدل آماری «لینک ضعیف»، محققان نشان دادند که تا زمانی که نویز زیر یک آستانه بحرانی باقی بماند، پردازنده کوانتومی می‌تواند همبستگی‌های جهانی (global correlations) را حفظ کند و به آن اجازه میدهد از ابررایانه‌های کلاسیک بهتر عمل کند.
معیار آنتروپی متقابل (XEB) برای اندازه‌گیری فیدلیتی سیستم کوانتومی و شناسایی مرزهایی که در آن مزیت کوانتومی به دست می‌آید، استفاده شد. نتایج نشان داد که شبیه‌سازی آزمایش 67 کیوبیتی بر روی ابررایانه‌های کلاسیک فعلی مانند Frontier ده‌ها سال طول می‌کشد و بر عملکرد برتر پردازنده کوانتومی تأکید می‌کند. با وجود پیشرفت در الگوریتم‌های کلاسیک، پیچیدگی ذاتی سیستم‌های کوانتومی چالش بزرگی را برای محاسبات کلاسیک ایجاد می‌کند.
این تحقیق راه را برای دستگاه‌های NISQ برای حل مشکلات عملی در زمینه‌هایی مانند مالی، علم مواد و علوم زیستی هموار می‌کند و ارزش تجاری بالقوه را حتی قبل از توسعه سیستم‌های کوانتومی کاملاً مقاوم به خطا ارائه میدهد.
منبع
https://thequantuminsider.com/2024/10/09/google-quantum-ai-led-researchers-find-sweet-spot-to-use-current-quantum-computers-to-make-practical-calculations/
https://www.nature.com/articles/s41586-024-07998-6
