پردازنده کوانتومی آی بی ام و رکورد تازه برتری کوانتومی

نوزده ثانیه. همین مقدار کافی بود تا پردازنده کوانتومی نایت‌هاوک r2 شرکت آی‌بی‌ام یک میلیون نمونه اندازه‌گیری تولید کند؛ کاری که پژوهشگران برآورد می‌کنند برای یک ابررایانه رده‌بالا در حدود یک قرن زمان ببرد. کوتاه. شوکه‌کننده. و سخت برای فراموش کردن.

این آزمایش شبیه جمله‌ای از یک تریلر فناوری به نظر می‌رسد: پژوهشگران از یک پردازنده ابررسانای ۱۲۰ کیوبیتیِ در دسترس تجاری که از طریق ابر آی‌بی‌ام قابل استفاده است بهره گرفتند، ۶۱ کیوبیت را انتخاب کردند و مدارهای تصادفی با پیچیدگی فزاینده را اجرا کردند تا به نقطه مطلوب برسند. در ۳۶ چرخه، یعنی حدود ۹۱۸ گیت دوکیوبیتی، سامانه تنها در ۱۹ ثانیه یک میلیون نمونه تولید کرد. نه ترفند آزمایشگاهی اختصاصی در کار بود. نه کالیبراسیون سفارشی. فقط پشته ابری عمومی و مدارهای تکرارپذیر.

چرا این موضوع اهمیت دارد؟ چون این دستاورد نقطه عطف دیگری در رقابتی است که با عنوان برتری کوانتومی شناخته می‌شود؛ ادعایی مبنی بر اینکه نوعی محاسبه وجود دارد که ماشین‌های کلاسیک نمی‌توانند آن را در زمان یا با منابع معقول انجام دهند. نمونه‌برداری از مدار تصادفی، کاری که در این آزمایش به کار رفت، مدت‌ها یکی از آزمون‌های محبوب بوده است، زیرا افزودن کیوبیت‌ها و گیت‌ها باعث می‌شود توزیع احتمال زیربنایی با پیچیدگی بسیار شدید رشد کند. یک دستگاه کوانتومی می‌تواند نمونه‌ها را به‌سرعت تولید کند. اما بازتولید قطعی آن‌ها روی یک ابررایانه کلاسیک، دست‌کم در اصل، غیرقابل تحمل می‌شود.

اما اصل و عمل دو دنیای متفاوت‌اند. پس از آنکه گوگل در سال ۲۰۱۹ ادعایی مشابه را گزارش کرد، تیم‌های محاسبات کلاسیک روش‌های شبیه‌سازی هوشمندانه‌ای پیدا کردند که مرزها را عقب راند. تاریخ نشان داده است که این رقابت، مسابقه‌ای میان ایده‌هاست، نه صرفا میدان قدرت‌نمایی خام. در کار فعلی، نویسندگان از روش‌های انقباض شبکه تنسوری استفاده کردند تا برآورد کنند بازتولید آن یک میلیون نمونه برای یک ماشین کلاسیک چقدر پرهزینه خواهد بود. بهترین برآورد آن‌ها: حدود ۱٫۲ × ۱۰^۲۷ عملیات محاسباتی. تبدیل این عدد به زمان واقعی اجرا بر اساس یک معیار محافظه‌کارانه از عملکرد پایدار فرانتیر، سامانه اگزاسکیل که زمانی در صدر فهرست‌های جهانی قرار داشت، به عددی نزدیک به ۱۱۰ سال می‌رسد.

اعدادی مانند ۱۰^۲۷ و زمان‌های اجرای چند ده‌ساله تا وقتی در بستر درست قرار نگیرند، انتزاعی به نظر می‌رسند. این ادعا به معنای آن نیست که رایانه‌های کلاسیک برای همیشه محکوم به شکست‌اند. بلکه یک معیار تجربی بر پایه یک راهبرد شبیه‌سازی مشخص است. تاریخ بارها نشان داده که پژوهشگران کلاسیک میان‌برهای هوشمندانه‌ای پیدا می‌کنند؛ ترفندهای الگوریتمی که هزینه منابع را به‌طور چشمگیری کاهش می‌دهند. تیم پشت اجرای آی‌بی‌ام نیز این موضوع را آشکارا می‌پذیرد: آن‌ها جامعه علمی را به چالش دعوت کرده‌اند، نه اینکه حکم نهایی صادر کنند.

آنچه این نتیجه را از یک کنجکاوی علمی به دستاوردی اثرگذار نزدیک می‌کند، دسترس‌پذیری آن است. نمایش‌های پیشین برتری کوانتومی معمولا به سخت‌افزارهای تخصصی آزمایشگاهی وابسته بودند. این بار، آزمایش روی یک واحد پردازش کوانتومی عمومی و از طریق رابط ابری اجرا شد و از روند استاندارد اجرای همان پلتفرم استفاده کرد. مدارها، نمونه‌ها و کد تحلیل نیز منتشر شده‌اند تا هر کسی بتواند برای بازتولید یا به چالش کشیدن این یافته تلاش کند.

از نظر فنی، این آزمایش از نمونه‌برداری مدار تصادفی استفاده کرد؛ روشی که در آن عملیات کیوبیتی تا حد زیادی به‌صورت تصادفی انتخاب می‌شوند تا یک حالت کوانتومی درهم‌تنیده ایجاد شود و سپس بارها اندازه‌گیری گردد. تولید نمونه‌ها روی دستگاه کوانتومی سرراست است. اما شبیه‌سازی همان توزیع به‌صورت کلاسیک، وقتی عمق و گستره مدار افزایش می‌یابد، به کاری سیزیف‌وار و فرساینده تبدیل می‌شود. شبکه‌های تنسوری به پژوهشگران اجازه می‌دهند هزینه کلاسیک را با تجزیه محاسبه به شبکه‌ای از تنسورهای کوچک‌تر و انقباض آن‌ها در ترتیبی که رشد داده‌های موقت را به حداقل می‌رساند، برآورد کنند. نکته اینجاست که یافتن مسیر انقباض بهینه خود یک مسئله بهینه‌سازی دشوار است و راهبردهای کلاسیک مختلف می‌توانند به برآوردهای هزینه‌ای بسیار متفاوت منجر شوند.

این تیم مسیری عمل‌گرایانه را برگزید: اجرا روی سخت‌افزار ابری استاندارد، پرهیز از تنظیمات عجیب و غیرمتعارف، مستندسازی همه چیز و ارائه یک معیار قابل بازتولید. این رویکرد اهمیت دارد، زیرا راه را برای بررسی دقیق باز می‌کند. همچنین رقابت را بازتعریف می‌کند: مسئله فقط سریع‌ترین نمایش منفرد نیست، بلکه این است که روی سخت‌افزاری که پژوهشگران عادی هم می‌توانند به آن دسترسی داشته باشند، چه چیزی قابل دستیابی است. اگر یک ادعای برتری به جادوی اختصاصی وابسته باشد، بیشتر رنگ و بوی دانشگاهی دارد. اما اگر هر کسی با یک حساب کاربری بتواند همان کار را اجرا کند و همان نتیجه را ببیند، ادعا وزن عملی بیشتری پیدا می‌کند.

ظرافت‌های دیگری هم وجود دارد. عمق مدار، اتصال‌پذیری کیوبیت‌ها، وفاداری گیت‌ها و نویز، همگی دشواری اجرای کوانتومی و هر نوع شبیه‌سازی کلاسیک را شکل می‌دهند. تیم پژوهشی یک نقطه تعادل طلایی پیدا کرد؛ به اندازه‌ای عمیق که شبیه‌سازی کلاسیک آن دشوار باشد، اما نه آن‌قدر عمیق که نویز سیگنال را نابود کند. این توازن، هم هنر است و هم مهندسی سخت.

پس اکنون کجا ایستاده‌ایم؟ در برابر یک دعوت باز. پژوهشگران پیش‌چاپ مقاله و داده‌ها را منتشر کرده‌اند. تیم‌های کلاسیک روش‌های انقباض تنسوری را موشکافی خواهند کرد و احتمالا کارایی‌هایی می‌یابند که فاصله را کمتر کند. تیم‌های کوانتومی نیز کیفیت دستگاه‌ها، مقیاس‌پذیری و تکنیک‌های نوین کاهش خطا را پیش خواهند برد. پیشرفت از هر دو جبهه خواهد آمد.

این نتیجه پیروزی دائمی هیچ طرفی را اعلام نمی‌کند؛ بلکه دور بعدی رقابتی پرانرژی را نشان می‌دهد که هم دستگاه‌های کوانتومی و هم الگوریتم‌های کلاسیک را دقیق‌تر و قدرتمندتر خواهد کرد.

دستکش چالش روی ابر عمومی انداخته شده است. اینکه چه کسی آن را برمی‌دارد و با چه سرعتی، بیش از هر معیار منفردی می‌تواند آینده محاسبات را برای ما روشن کند.