شبکه اطلاع‌رسانی روابط‌عمومی ایران (شارا) || در رقابت برای ساخت یک کامپیوتر کوانتومی عملیاتی، که از دهه ۱۹۸۰ تاکنون رؤیایی در تقاطع فیزیک پیشرفته و علوم کامپیوتر بوده، به نظر می‌رسد خط پایان در حال آشکار شدن است. مجموعه‌ای از پیشرفت‌های فنی اخیر به این معناست که شرکت‌های فناوری پیشرو در تلاشند تا اولین شرکتی باشند که آزمایش‌های آزمایشگاهی را به سیستم‌های کامل و در ابعاد صنعتی تبدیل می‌کنند.
در ماه ژوئن، شرکت آی‌بی‌ام (IBM) با انتشار طرحی که قطعات حیاتی گم‌شده در طراحی‌های قبلی‌اش را تکمیل می‌کرد، مدعی شد که مسیرش به سمت ساخت یک ماشین تمام‌عیار اکنون هموار است. کامپیوترهای کوانتومی این پتانسیل را دارند که مسائلی فراتر از توانایی ماشین‌های امروزی را در زمینه‌هایی مانند علم مواد و هوش مصنوعی حل کنند. جی گامبتا (Jay Gambetta)، رئیس بخش کوانتوم آی‌بی‌ام، در این‌باره گفت: «دیگر شبیه یک رؤیا نیست، من واقعاً احساس می‌کنم که ما رمز را شکافته‌ایم و می‌توانیم این ماشین را تا پایان دهه بسازیم.»
این پیشرفت، رقابت با گوگل (Google) را تشدید کرده است؛ شرکتی که اواخر سال گذشته یکی از بزرگ‌ترین موانع باقی‌مانده را برطرف کرد و می‌گوید تا پایان دهه در مسیر ساخت یک کامپیوتر کوانتومی در مقیاس صنعتی قرار دارد. جولیان کلی (Julian Kelly)، رئیس بخش سخت‌افزار در «هوش مصنوعی کوانتومی گوگل» (Google Quantum AI)، اظهار داشت: «تمام چالش‌های مهندسی و علمی باقی‌مانده قابل حل هستند.»
با این حال، حتی با وجود اینکه آن‌ها برخی از دشوارترین مشکلات فیزیکی را پشت سر گذاشته‌اند و خود را برای یک رقابت سرنوشت‌ساز آماده می‌کنند، همچنان با مجموعه‌ای از مشکلات مهندسی به ظاهر روتین اما دشوار برای صنعتی‌سازی این فناوری روبرو هستند. اسکار پینتر (Oskar Painter)، مدیر اجرایی بخش سخت‌افزار کوانتوم در «آمازون وب سرویسز» (Amazon Web Services)، گفت: «موانع باقی‌مانده از نظر فنی کمتر از فیزیک بنیادی چالش‌برانگیز به نظر می‌رسند، اما نباید تلاش مهندسی لازم برای مقیاس‌پذیری را دست‌کم بگیریم.» او پیش‌بینی کرد که یک کامپیوتر کوانتومی کاربردی هنوز بین ۱۵ تا ۳۰ سال با ما فاصله دارد.
چالش‌ها و مقیاس‌پذیری
رسیدن به مقیاس صنعتی به معنای گسترش سیستم‌هایی با کمتر از ۲۰۰ کیوبیت، یعنی بلوک‌های ساختاری اصلی ماشین‌های کوانتومی، به ۱ میلیون کیوبیت یا بیشتر است. شرکت‌های درگیر این رقابت، این مرحله را با روزهای اولیه کامپیوترهای معمولی مقایسه می‌کنند، هرچند که کامپیوترهای کوانتومی چالش‌های بیشتری دارند.
یکی از سخت‌ترین آن‌ها، ناپایداری ذاتی کیوبیت‌ها است که حالت‌های کوانتومی خود را فقط برای کسری از ثانیه حفظ می‌کنند. این امر منجر به ناهمسانی یا «نویز» می‌شود، به‌ویژه با افزایش تعداد کیوبیت‌ها. یکی از نمونه‌های این محدودیت‌ها زمانی آشکار شد که آی‌بی‌ام تعداد کیوبیت‌ها در تراشه آزمایشی «کاندور» (Condor) خود را به ۴۳۳ افزایش داد که باعث ایجاد «تداخل» (crosstalk) بین اجزا شد.
جی گامبتا گفت که آی‌بی‌ام این تداخل را در تراشه کاندور پیش‌بینی کرده بود و اکنون به نوع جدیدی از «کوپلر» (coupler) برای اتصال کیوبیت‌های خود روی آورده تا سیستم‌هایش کمتر در معرض این مشکل قرار گیرند. در سیستم‌های آزمایشی اولیه، کیوبیت‌ها به‌صورت جداگانه «تنظیم» شده‌اند تا عملکردشان بهبود یابد. پیچیدگی و هزینه این روش در مقیاس‌های بزرگ‌تر عملی نیست، ازاین‌رو تمرکز بر قطعات قابل‌اعتمادتر است که نیازمند بهبود پایدار در تولید و پیشرفت‌های جدید در علم مواد است. گوگل همچنین قصد دارد هزینه‌های قطعات را تا یک‌دهم کاهش دهد تا به هدف هزینه ۱ میلیارد دلاری خود برای یک ماشین تمام‌عیار برسد.
تکنیک‌های تصحیح خطا و رقابت طراحی
شرکت‌ها می‌گویند سیستم‌هایشان قادر به تحمل درجه‌ای از نقص در کیوبیت‌ها به لطف تکنیکی به نام تصحیح خطا خواهند بود. این تکنیک با کپی کردن داده‌ها بین تعدادی از کیوبیت‌ها کار می‌کند و افزونگی لازم را برای زمانی که یک جزء خراب می‌شود، ایجاد می‌نماید. تاکنون، تنها گوگل یک تراشه کوانتومی را به نمایش گذاشته که قادر به انجام تصحیح خطا در صورت افزایش اندازه است.
تکنیک مورد استفاده گوگل که به «کد سطحی» (surface code) معروف است، با اتصال هر کیوبیت در یک شبکه دو‌بعدی به نزدیک‌ترین همسایگانش کار می‌کند. این روش نیازمند تعداد نسبتاً زیادی کیوبیت است که با هم کار کنند و برای انجام محاسبات مفید، سیستم باید به ۱ میلیون کیوبیت یا بیشتر برسد. مایکروسافت اعلام کرده است که به دنبال چنین طراحی مشابهی نیست، زیرا ساخت ماشین‌های ۱ میلیون کیوبیتی چالش‌های مهندسی دیگری را به همراه دارد.
آی‌بی‌ام مسیر خود را به سمت شکل دیگری از تصحیح خطا به نام کد بررسی توازن با چگالی پایین (low-density parity-check code) تغییر داده و ادعا می‌کند که این روش به ۹۰ درصد کیوبیت کمتری نسبت به گوگل نیاز دارد. با این حال، این روش به اتصالات طولانی‌تری بین کیوبیت‌های دورتر وابسته است که یک چالش فنی دشوار محسوب می‌شود.
مارک هورواث (Mark Horvath)، تحلیلگر گارتنر (Gartner)، گفت که جدیدترین طراحی آی‌بی‌ام می‌تواند یک ماشین کاربردی در مقیاس بزرگ تولید کند، هرچند که رویکرد آن هنوز فقط در تئوری وجود دارد و باید توانایی ساخت تراشه‌های لازم را نشان دهند.
چالش‌های مشترک و فناوری‌های رقیب این شرکت‌ها با چالش‌های مهندسی مشترک بسیاری روبرو هستند؛ از جمله کاهش سیم‌کشی پیچیده داخل سیستم‌های کوانتومی اولیه با یافتن راه‌های جدید برای اتصال تعداد زیادی از قطعات به یک تراشه، و سپس اتصال چند تراشه به یک ماژول. همچنین، برای نگهداری سیستم‌های تمام‌عیار در دماهای بسیار پایین، به یخچال‌های تخصصی و بزرگ‌تری (کرایواستات) نیاز است.
برخی سیستم‌های رقیب که از اتم‌ها به عنوان کیوبیت استفاده می‌کنند (که به یون‌های به دام‌افتاده و اتم‌های خنثی معروف هستند) یا آن‌هایی که از فوتون‌ها استفاده می‌نمایند، ذاتاً پایدارتر هستند؛ اما با موانع دیگری مانند دشواری در اتصال خوشه‌های کیوبیتی خود به سیستم‌های بزرگ‌تر و سرعت محاسباتی کمتر روبرو هستند.
سباستین وایت (Sebastian Weidt)، مدیرعامل «یونیورسال کوانتوم» (Universal Quantum)، یک استارتاپ بریتانیایی که با یون‌های به دام‌افتاده کار می‌کند، گفت که تصمیمات دولتی در مورد حمایت از کدام فناوری‌ها در این دوره، نقش مهمی در محدود کردن سرمایه‌گذاری به «تعداد کمتری از بازیگرانی که می‌توانند تا انتها پیش بروند» خواهد داشت.
نویسنده: ریچارد واترز (Richard Waters) | منبع: فایننشال تایمز (Financial Times) | تاریخ انتشار: ۱۲ آگوست ۲۰۲۵
با کلیک روی لینک زیر به کانال تلگرام ما بپیوندید:
انتهای پیام/