بالاخره مسئله‌ای که فقط برای کامپیوترهای کوانتومی قابل حل باشد، پیدا شد

اگرچه همه‌جا صحبت از قدرت خارق‌العاده کامپیوترهای کوانتومی و طوفان پس از تحقق آنهاست، اما واقعیت این است که هنوز، یک مسئله کاربردی برای اثبات مزیت کوانتومی به طور قطعی پیدا نشده است. اکنون محققان نشان داده‌­اند که حل مسئله­‌ی انرژی یک سیستم کوانتومی برای کامپیوترهای کلاسیک، کار سختی به نظر می‌­رسد، اما برای کامپیوترهای کوانتومی آسان است. با دیپ لوک همراه باشید…

کامپیوترهای کوانتومی پتانسیل تبدیل شدن به ابرقدرت‌های محاسباتی را دارند، اما محققان مدت‌هاست که به دنبال یک مسئله برای نشان دادن مزیت کوانتومی (quantum advantage) (مسئله‌ای کاربردی که فقط یک رایانه کوانتومی می‌تواند آن را حل کند) هستند. به عقیده آن‌­ها تنها در این صورت است که کامپیوترهای کوانتومی در نهایت به عنوان یک فناوری ضروری مطرح می­‌شوند. جان پرسکیل (John Preskill)، فیزیکدان نظری موسسه فناوری کالیفرنیا می‌گوید:

بخشی از دلیل چالش‌برانگیز بودن این موضوع این است که رایانه‌های کلاسیک در بسیاری از کارها، بسیار خوب عمل می‌­کنند.

در سال ۱۹۹۴ پیتر شور یک احتمال ممکن را کشف نمود: یک الگوریتم کوانتومی برای تجزیه اعداد بزرگ به نام الگوریتم شور (Shor) که بسیار قدرتمند است و غالباً اعتقاد بر این است که همه الگوریتم­‌های کلاسیک را شکست می­‌دهد. در واقع این الگوریتم هنگامی که بر روی یک کامپیوتر کوانتومی اجرا شود، این پتانسیل را دارد که بسیاری از سیستم­‌های امنیتی اینترنت را که به سخت بودن تجزیه اعداد بزرگ متکی هستند، از بین ببرد. اما این الگوریتم، تنها به بخش محدودی از حوزه‌های تحقیقاتی مربوط می‌شود و ممکن است در آینده راه‌حل کارآمد دیگری برای تجزیه اعداد بزرگ در یک ماشین کلاسیک پیدا شده و الگوریتم شور را زیر سؤال ببرد.

کاربرد محدود الگوریتم شور جامعه تحقیقاتی را به جستجوی موارد استفاده دیگر برای کامپیوترهای کوانتومی سوق داده که ممکن است به اکتشافات علمی جدید نیز کمک نماید.  سون­‌ون چوی (Soonwon Choi) فیزیکدان مؤسسه فناوری ماساچوست می­‌گوید:

ما نمی­‌خواهیم کامپیوتر کوانتومی فقط یک کار مشخص را انجام دهد. باید ببینیم به غیر از الگوریتم شور، چه کار دیگری می­‌توانیم با یک کامپیوتر کوانتومی انجام دهیم؟

پرسکیل می­‌گوید، ما باید مسائلی را پیدا کنیم که حل آن­ها با روش ­های کلاسیک سخت است و سپس نشان دهیم که روش‌­های کوانتومی برای حل آن­‌ها کارآمد خواهند بود.

در گذشته محققان چندبار تصور می‌کردند که به مزیت کوانتومی دست یافته­‌اند و الگوریتمی کوانتومی را کشف کرده‌اند که می‌تواند در یک کامپیوتر کوانتومی سریع‌­تر از یک کامپیوتر کلاسیک حل شود. اما پس از مدتی محققانی دیگری از جمله اوین تانگ (Ewin Tang)، الگوریتم­‌های کلاسیک هوشمندانه‌ای را ارائه می­‌دادند که می‌­توانستند از الگوریتم‌های کوانتومی بهتر عمل کرده و مزیت کوانتومی را زیر سؤال ببرند.
اکنون تیمی از فیزیکدانان از جمله پرسکیل، مسئله­‌ی جدیدی را یافته‌­اند که ممکن است بهترین کاندید برای اثبات مزیت کوانتومی باشد. آن‌­ها با مطالعه انرژی برخی از سیستم­‌های کوانتومی، یک سؤال خاص و مفید را مطرح کرده‌اند که پیدا کردن پاسخ آن برای یک ماشین کوانتومی کار آسانی است، درحالی که برای یک ماشین کلاسیک هنوز کار سختی است. سرگئی براوی (Sergey Bravyi)، فیزیکدان نظری و دانشمند علوم کامپیوتر در IBM می­‌گوید:

 این کشف، پیشرفت بزرگی در نظریه الگوریتم­‌های کوانتومی است. نتیجه آن­ یک مزیت کوانتومی برای مسائل مرتبط با علم شیمی و مواد است.

محققان همچنین از این که این کار جدید، حوزه‌های غیرمنتظره جدیدی از علوم فیزیکی را نیز بررسی می‌کند، هیجان‌زده هستند. چوی می‌گوید:

 این قابلیت جدید از نظر کیفی با الگوریتم شور متفاوت بوده و به طور بالقوه‌­ای فرصت‌های جدیدی را در دنیای الگوریتم‌های کوانتومی باز می‌کند.

مسئله به ویژگی سیستم­‌های کوانتومی (معمولا اتم‌­ها) در حالت­‌های انرژی مختلف انرژی مربوط می­‌شود. هنگامی که اتم­‌ها بین حالت­‌ها گذار می‌کنند، خصوصیات آن­‌ها تغییر می‌­کند. برای مثال ممکن است رنگ خاصی از نور را گسیل کنند یا دارای خاصیت مغناطیسی شوند‌. پیش‌بینی بهتر خصوصیات سیستم در حالت‌های مختلف انرژی، به درک سیستم در کمترین حالت انرژی یعنی حالت پایه نیز کمک می‌کند. رابرت هوانگ (Robert Huang)، یکی از نویسندگان مقاله جدید و یکی از دانشمندان در هوش مصنوعی کوانتومی گوگل (Google Quantum AI) می­‌گوید:

بسیاری از شیمیدانان، دانشمندان مواد و فیزیکدانان کوانتومی برای دستیابی به حالت­‌های پایه کار می‌کنند و مشخص است که این کار، بسیار سخت است.

دستیابی به حالت پایه یک سیستم آنقدر سخت است که پس از بیش از یک قرن تلاش، محققان هنوز هم یک رویکرد محاسباتی مؤثر برای تعیین حالت پایه یک سیستم به عنوان یکی از اصول اولیه، پیدا نکرده­اند. همچنین به نظر نمی‌رسد که یک کامپیوتر کوانتومی نیز بتواند اینکار را انجام دهد.در واقع دانشمندان به این نتیجه رسیده‌­اند که یافتن حالت پایه یک سیستم هم برای کامپیوترهای کلاسیک و هم کوانتومی کاری دشوار است.

اما برخی از سیستم­‌های فیزیکی، چشم‌انداز (landscape) انرژی پیچیده‌­تری را نشان می­‌دهند. این سیستم‌­های پیچیده زمانی که سرد می­‌شوند، تمایل دارند که نه در حالت پایه خود، بلکه در سطح انرژی نزدیک به پایین، که به عنوان سطح انرژی حداقل موضعی (local minimum energy level) شناخته می­‌شود، قرار بگیرند (بخشی از جایزه نوبل فیزیک سال ۲۰۲۱ برای کار در یکی از این مجموعه سیستم‌ها به نام عینک اسپینی (spin glasses) اعطا شد)‌. از این‌رو برای محققان جای سؤال شد که «آیا تعیین سطح انرژی حداقل موضعی یک سیستم نیز یک مسئله سخت است؟»

پاسخ به این سؤال، زمانی پیدا شد که چی فانگ (آنتونی) چن (Chi-Fang (Anthony) Chen)، یکی دیگر از نویسنده‌های مقاله اخیر، سال گذشته، الگوریتم کوانتومی جدیدی را توسعه داد که می‌توانست ترمودینامیک کوانتومی که تأثیر گرما، انرژی و کار بر روی یک سیستم کوانتومی را مطالعه می‌کند، شبیه‌سازی نماید. هوانگ در این زمینه می­‌گوید:

 من فکر می‌کنم افراد زیادی درباره این سؤال که «چشم‌انداز انرژی در سیستم‌های کوانتومی چگونه است» تحقیق و بررسی کرده‌اند، اما پیش از این، هیچ ابزاری برای تجزیه و تحلیل آن وجود نداشته است.در واقع الگوریتم چن، راهی برای فهم نحوه عملکرد این سیستم‌­ها فراهم کرده است.

هوانگ و لئو ژو (Leo Zhou)، چهارمین و آخرین نویسنده مقاله جدید، با دیدن توان الگوریتم چن، از آن برای طراحی راهی برای تعیین سطح انرژی حداقل موضعی یک سیستم توسط کامپیوترهای کوانتومی ، به جای تعقیب حالت پایه، استفاده کردند، رویکردی که فقط بر روی نوع سوالی که محققان محاسبات کوانتومی به دنبال آن بودند متمرکز بود. پرسکیل می‌­گوید:

اکنون ما یک مسئله داریم: پیدا کردن مقدار انرژی موضعی، که هنوز از نظر کلاسیک سخت است، اما می‌توانیم بگوییم که از نظر کوانتومی آسان است. بنابراین این کار ما را در عرصه­‌ای قرار می­‌دهد که به مزیت کوانتومی برسیم.

این نویسندگان به رهبری پرسکیل، هم قدرت رویکرد جدید خود را برای تعیین حالت سطح انرژی حداقل موضعی یک سیستم اثبات کردند، و هم نشان دادند که کامپیوترهای کوانتومی در نهایت می­‌توانند ارزش خود را با این مسئله نشان دهند. هوانگ می­‌گوید:

 مسئله، یافتن سطح انرژی حداقل موضعی دارای مزیت کوانتومی است.

بر خلاف نامزدهای قبلی، این مسئله احتمالاً با هیچ الگوریتم کلاسیک جدیدی، خصوصیت مزیت کوانتومی خود را از دست نمی‌دهد. تیم پرسکیل مفروضات بسیار قابل قبولی داشت و قیدهای منطقی کمی را ایجاد نمود؛ با این وجود اگر یک الگوریتم کلاسیک بتواند به نتایج مشابهی دست یابد، به این معنی است که فیزیکدانان باید در مورد بسیاری از چیزهای دیگر نیز اشتباه کنند. چوی می­‌گوید:

 این یک نتیجه تکان‌دهنده خواهد بود. من از دیدن آن هیجان‌زده خواهم شد، اما باورش خیلی تکان‌دهنده خواهد بود.

 این کار جدید، یک نامزد امیدوارکننده برای نشان دادن مزیت کوانتومی است. البته نتیجه جدید هنوز دارای ماهیت نظری است و تحقق آن بر روی یک کامپیوتر کوانتومی واقعی، در حال حاضر غیرممکن است. در واقع ساخت ماشینی که بتواند مزیت کوانتومی مسئله را به طور کامل آزمایش کند، زمان‌بر است. بنابراین برای براوی (Bravyi)، کار تازه شروع شده است. او می‌­گوید:

 اگر به اتفاقی که پنج سال پیش افتاد نگاه کنید، ما فقط کامپیوترهای کوانتومی چندکیوبیتی داشتیم و اکنون کامپیوترهای کوانتومی صد یا حتی هزار-کیوبیتی داریم و پیش‌بینی اینکه در پنج یا ده سال آینده چه اتفاقی می‌­افتد بسیار مشکل است، چرا که کامپیوترهای کوانتومی، یک حوزه تحقیقاتی بسیار فعال است.

منبع: Quanta Magazine