تصميم دوائر كمومية أكثر كفاءة باستخدام كلود

تصميم دوائر كمومية أكثر كفاءة باستخدام كلود

سيحتاج أجهزة الكمبيوتر الكمية إلى دوائر مصممة بعناية لتنفيذ خوارزميات مفيدة على معدات محدودة. قدمنا لكلود مواصفات بسيطة باللغة البشرية لثمانية دوائر من هذا النوع، مستوحاة من الكيمياء والتحسين والتمثيل الفيزيائي ونظرية الأعداد، مع جهاز تقييم آلي يفحص ويعطي تقييمًا لكل تصميم. عملت كلود بشكل كبير بمفردها، ووجدت تصاميمًا تحسن من أفضل الدوائر المنشورة، في بعض الحالات بأكثر من مقدار هائل. هذه التحسينات تقلل بشكل كبير من الموارد الكمية التي تحتاجها التطبيقات المفيدة، لذا قد يصل أجهزة الكمبيوتر الكمية العملية قبل التوقعات السابقة.

تم قيادة هذا العمل من قبل أندي جو كجزء من برنامج معيدي STEM في Anthropic، بموجهة من أليك كيميني، الفيزيائي الكمي في Anthropic، بالتعاون مع سوزان يلين (جامعة هارفارد) وميخائيل لوكين (جامعة هارفارد وQuEra Computing) اقرأ الورقة البحثية الكاملة على arXiv>.

على عكس الحواسيب التقليدية التي تخزن المعلومات في bits قيمتها إما 0 أو 1، تخزن الحواسيب الكمية المعلومات في qubits، والتي يمكن بناؤها من ذرات منفردة، أو دوائر معدنية فائقة التوصيل، أو جسيمات الضوء. تستخدم هذه qubits الظواهر الكمية مثل التركيب—التي تسمح لنظام كمي بالوجود في مجموعة من الحالات في نفس الوقت—لتحليل المعلومات بطرق تجعل بعض المشكلات في مجالات مثل الكيمياء وعلم المواد ونظرية الأعداد قابلة للحل، حتى عندما تكون صعبة للغاية بالنسبة للحواسيب التقليدية.

الحواسيب الكمية التي تم بناؤها حتى الآن تحتوي على مئات إلى آلاف qubits فقط، وهو عدد قليل جدًا لتمكين العديد من الخوارزميات التي توفر مزايا عملية مقارنة بالحواسيب الكلاسيكية. وهذه qubits حساسة للغاية للضوضاء البيئية، مثل الحرارة والاهتزازات وحتى الأشعة الكونية. أي اضطراب صغير يمكن أن يؤثر على حالة qubit، وتتراكم هذه الأخطاء الصغيرة حتى يعطي الكمبيوتر إجابة خاطئة.

نظرًا لأن الكيوبيتات ووقت الحساب هما موارد نادرة، فقد عمل الباحثون على إعادة تصميم خوارزميات الكم للاستخدام أقل من الكيوبيتات وتحقيق الإنجازات الحسابية في وقت أقصر. ومن الأمثلة التوضيحية، محاكاة FeMoco، وهي مجموعة الحديد والكبريت في قلب إنزيم النيتروناز، وهو الإنزيم الذي تستخدمه البكتيريا لتحويل النيتروجين من الهواء إلى أمونيا. قد يساعد فهم طريقة عمله العلماء على تصميم محفزات صناعية أفضل – وهي المواد التي يستخدمها المصنعون لتسريع التفاعلات الكيميائية.

في عام 2017، تقدّر الباحثون أن حاسوبًا كميًا سيحتاج إلى حوالي 50 تريليون من بوابات Toffoli لحساب طاقة الحالة الأساسية لـ FeMoco، وهي الطاقة في أكثر تركيبة استقرارًا، والتي يحتاجها الكيميائيون لتنبؤ كيف يتفاعل FeMoco. (على غرار الحواسيب العادية، يعمل الحواسيب الكمية من خلال تطبيق سلسلة طويلة من العمليات البسيطة، المسماة بوابات، على qubits الخاصة بها). بوابة توفولي هي واحدة من أبكر البوابات التي يتم تشغيلها، لذا فإن حساب عدد بوابات توفولي هو طريقة قياسية لتقدير المدة التي سيستغرقها الحساب.)

من خلال سلسلة من التطورات الآلية، انخفض عدد البوابات المقدرة إلى حوالي 340 مليونًا – وهو تقلص تقريبي بمقدار 150,000 مضاعف، ما يعادل بضع ساعات من الحساب على جهاز مستقبلي يحتوي على حوالي ثلاثة ملايين كيوبيت فيزيائي.¹

جاءت هذه التخفيضات في الغالب من إعادة تصميم الدوائر التي تنفذ الحسابات، وليس من تحسين الأجهزة الخارجية. لقد أثبت كلود مهارة خاصة في تحسين الخوارزميات الكلاسيكية الحسابية، لذلك أردنا معرفة ما إذا كان يمكنه فعل نفس الشيء بالنسبة للخوارزميات الكمية إذا تم تقديم وصف بسيط للدوائر التي يجب أن تقوم بحسابها.

كلاود مناسب بشكل غير عادي لهذه المهمة، لعدة أسباب. أولاً، يتم تنفيذ خوارزميات الكم كخوارزميات كمية دوائرتتكون هذه من تسلسلات من البوابات، مثل بوابات توفولي المذكورة أعلاه. من المهم أن نلاحظ أن هذه الدوائر يمكن وصفها بالكود، بحيث يمكننا استخدام قدرات تجميع كلود على كتابة وتشغيل وتعديل تصاميم الدوائر كبرامج عادية. ثانيًا، فئة الخوارزميات الكمية الشائعة يمكن اختبارها بكفاءة للتحقق من صحتها، حيث يعطي كل مدخل ناتجًا محددًا يمكن للكمبيوتر العادي التحقق منه. هذا يعني أننا يمكن أن نستخدم برنامج تقييم خارجي ليتحقق من مقترحات كلود. أخيرًا، يمكننا إعطاء كلود درجة واضحة وموضوعية لتحسينه: عدد الكوابت التي يتم استخدامها، مضروبًا في عدد البوابات، وهو يعمل كمصدر لمعرفة المدة التي سيستغرقها الدائرة للتشغيل.

اكتشفنا أن Claude Mythos 5 يمكنه العمل بنجاح في حلقة مغلقة، حيث يقترح تصميم الدائرة الكهربائية، ويستقبل التعليقات والنتيجة من برنامج التقييم، ويستخدم تلك التعليقات لتحسين محاولته التالية، دون أي إدخال بشري بين الجولات (انظر الشكل 1). على امتداد ثمانية أساسيات حسابية – الدوال الأساسية التي تُبنى منها الخوارزميات الكمية الكبيرة – في مجالات الكيمياء والتحسين والتمثيل الكمي ونظرية الأعداد والحسابات العددية، اكتشف كلود تصاميم جديدة استخدمت عددًا أقل من البوتيكات وأقل من البوابات مقارنة بالخوارزميات الأفضل التي نُشرت سابقًا (الشكل 2).

في كل حالة، كانت التحسينات ناتجة عن كشف رؤى هيكلية وعملية جديدة حول المشكلة، وليس عن تعديل دقيق للتصاميم القائمة. على سبيل المثال، عند إعداد دائرة كهربائية لتمثيل جزيء كبريتيد الحديد، لاحظ كلود أن التماثلات والبنية المتكررة للجزيء تعني أنه يمكن حساب بعض النتائج مرة واحدة وإعادة استخدامها، بدلاً من إعادة الحساب لكل جزء من النظام. في حالات أخرى، تبين أن الدوائر الموجودة تحتوي على مكونات باهظة الثمن، والتي كانت ضرورية فقط للتعامل مع مدخلات نادرة للغاية، لذا تم إعادة تصميمها بدون تلك المكونات.

أدناه، نصف تقرير عن اختراعين من قبل كلود. الاختراع الأول هو طريقة جديدة لإجراء التحويل النمطي، وهو نوع من الحسابات الحسابية التي تعتبر الخطوة الأكثر تكلفة في حسابات المنحنيات البيضاوية. أما الاختراع الثاني، فهو يجعل الخطوة الأكثر تكلفة في خوارزمية التحسين الكمي الرائدة تقل تكلفتها بحوالي 12 مرة.

تشير هذه النتائج إلى أن الذكاء الاصطناعي يمكنه الآن مساعدة في إعادة تصميم الدوائر الكمية، وهو خطوة مهمة لتسريع خوارزميات الكم والجعلها أسهل في التنفيذ. إن تصميم الدوائر الأسرع قد يسمح بحل المشكلات التي يجب على الحواسيب الكمية حلها، من تصميم أدوية جديدة وأسطوانات بطاريات أفضل إلى إيجاد طرق أكثر نظافة لإنتاج الأسمدة، وذلك في وقت أقرب.

خوارزمية قابلة للعكس جديدة

يتضمن تصميم دائرة كمومية تحديين لا تتوفر في البرمجة العادية. الأول هو أن دائرة الكمومية لا يمكنها اتخاذ قرارات "إذا-ثم" على غرار البرنامج العادي. يمكن للبرنامج العادي التحقق من قيمة ما ثم تنفيذ جزء واحد فقط من الكود. لكن الكمبيوتر الكمي يعمل على تركيز متعدد من المدخلات في نفس الوقت، حيث يتم تنفيذ أجزاء من الكود الأول ببعض المدخلات وتم تنفيذ أجزاء من الكود الثاني ببعض المدخلات الأخرى، لذلك يجب أن يتضمن الدائرة العمليات اللازمة لكل منهما في كل مرة تُشغل فيها.

الثاني هو أن الدائرة الكمية لا يمكنها التخلص من المعلومات. البرنامج العادي يمكنه نسخ أو حذف أعماله المؤقتة بمجرد اكتمالها؛ أما في الحاسوب الكمي، فلا يمكن محو هذه المعلومات الوسيطة ببساطة، لأن كل خطوة في الدائرة الكمية يجب أن تكون قابلة للعكس. ولا يوجد خيار لترك هذه المعلومات في مكانها أيضًا، لأن الأعمال المؤقتة المتبقية ستفسد النتيجة النهائية. الطريقة الوحيدة لتخلص من المعلومات هي “إلغاء الحساب” بإجراء الحساب الذي تم إنشاؤه بشكل عكسي، وذلك بتكلفة استخدام أقسام إضافية. كل من هذه القيود تجعل الدوائر الكمية أكثر تكلفة من حيث الوقت المستغرق والأكواب الإلكترونية مقارنةً بالدوائر الكلاسيكية.

تفرض هذه القيود تفاوضًا صعبًا بين المساحة (أي الوحدات الكمومية) والوقت. في النقيض الأدنى، يمكن لدائرة كمومية أن تُعيد حساب النتائج الوسيطة بمجرد استخدامها. وهذا يحرر وحدات الكم، ولكن إذا كانت نتائج معينة مطلوبة مرة أخرى لاحقًا، فيجب على الدائرة إعادة حسابها، مما يزيد من عدد البوابات ويزيد من الوقت المستغرق. وفي النقيض الأكبر، يمكن للدائرة الاحتفاظ بالنتائج الوسيطة حتى لا تكون أكثر ضرورة. وهذا يلغي إعادة العمل، ولكن قد يتطلب ذلك استخدام عدد أكبر من وحدات الكم.

هذا هو ما يجعل تصميم الدوائر الكمية اختبارًا مثيرًا للاهتمام بشكل خاص لمواهب كلود. يمكن كتابة هذه الدوائر ككود عادي، لكن تحسينها يتطلب من النموذج التفكير تحت مجموعة من القيود التي تختلف تمامًا عن قيود البرمجة العادية.

اختبار صعب أولاً: انعكاس الوحدات

المهمة الأولى التي أعطيناها لكلود كانت جمع النقاط، وهي قاعدة لدمج نقطتين على منحنى رياضي (منحنى بياني) لتكوين نقطة ثالثة. جمع النقاط هو الخطوة الأساسية في خوارزميات الكم لمشكلة الحساب المتقطع على المنحنيات البيانية: عند تحديد نقطة بدء ونتائج جمعها بنفسها n مرات، يجب إيجاد n. بالنسبة للمنحنيات الكبيرة، لا يمكن للحواسيب العادية حل هذه المشكلة في أي وقت معقول، لكن كمبيوتر كمي كبير بما يكفي يمكنه ذلك.

تقوم هذه الخوارزميات بإضافة النقاط مرات عديدة، بما في ذلك بشكل عكسي، وهذه الإضافات تشكل الجزء الأكبر من تكاليف الكيوبيت ووقت التشغيل لها. المشاكل من هذا النوع—التي يسهل حسابها، ولكن يصعب استدعاؤها بشكل عكسي—كانت من أولى الحالات التي أظهرت فيها الحواسيب الكمية قدرة على تحقيق تسارع أعدادي مقارنة بالحواسيب العادية. لهذه الأسباب، أصبحت عملية إضافة النقاط واحدة من المعايير القياسية في المجال. وهذا جعلها اختبارًا صعبًا بالنسبة لكلود. لذلك، طلبنا منه تحديد عدد الإلكترونات القطبية الصغيرة التي يحتاجها، وكذلك عدد البوابات التي تحتاجها عملية الجمع الحقيقي.

قدمنا لكلود موجزًا بفقرة واحدة، حيث تم شرح القاعدة الرياضية لإضافة النقاط، وكيف سيقوم المُقيّم بفحص كل دائرة مقترحة للتأكد من صحتها، وتحديد درجةها بناءً على عدد الكيوبيتات والبوابات المستخدمة. كما أمرنا كلود بالاستكشاف لعدة طرق متوازية. بعد العمل لمدة 53 ساعة دون أي مساعدة بشرية (مقصورة على الموجز الأول والإشارات العرضية لتفكير أوسع)، توصل كلود إلى نهج جديد تمامًا للمشكلة.

متطلبات الذاكرة لـ divsteps

معظم تكلفة إضافة النقطة تأتي من خطوة واحدة، تُسمى الانعكاس النمطي. تستخدم الحسابات على المنحنيات الكروية أرقامًا تتكرر عند الوصول إلى حد محدد. الانعكاس النمطي هو نسخة من عملية القسمة التي تتكرر الأرقام: بإعطاء عدد صحيح a، يجب إيجاد x بحيث يكون ax ≡ 1 (mod p). يمكن للحواسيب العادية أداء هذه العملية بكفاءة باستخدام طريقة تُسمى divsteps. تقوم طريقة divsteps بتعقيد زوج من الأرقام بشكل متكرر على مدار عدة جولات من التكرار. في كل جولة، تفحص divsteps الزوج الحالي من الأرقام وتبدله أو تضيف إليه أو تسويه أو تكسره حسب الشروط المحددة. خلال ذلك، تحتفظ بمعلومات كافية لإنتاج المعكوس النمطي في النهاية.

على الرغم من نجاحه على الحواسيب العادية، لم يُنتج divsteps بعد دائرة كمومية عملية، بسبب قيد القابلية بالعكس كما ورد أعلاه. السجل الذي يتم اختياره في كل تكرار للعمليات، والذي يُسمى معلومات الفروع، هو نوع من العمل التفصيلي الذي يمكن للبرنامج التقليدي التخلص منه ببساطة. على العكس من ذلك، يجب على الدائرة الكمومية الاحتفاظ بهذا السجل حتى يمكن تنفيذ الحساب بشكل عكسي. لذلك، يُجبر النسخة الكمومية البسيطة من divsteps على تراكم تاريخ طويل من معلومات الفروع، مما يتطلب عددًا هائلًا من الكويتات الإضافية لتخزينها.

كيف تغلب كلود على مشكلة الذاكرة

لاحظ كلود أن هذا النهج “divsteps” قد يكون مثيرًا للاهتمام بالنسبة لدوائر الكم، ولكن فقط إذا كان هناك طريقة لتجنب الحاجة إلى تخزين التاريخ الكامل. كان لديه فكرة: ربما لا حاجة إلى تخزين السجل على الإطلاق. استنتج كلود أنه قد يكون من الممكن استخلاص معلومات الفرع مباشرة (أو “تفكيكها”) من خلال فحص التوكنين بعد كل تكرار بدقة. باختصار، التوكنات نفسها ستحتوي على السجل. يمكن تشغيل الدائرة الكهربائية ثم العكس دون الحاجة إلى أي وحدات كووبتات إضافية.

لاختبار هذه الفكرة، جرى على كلود استكشاف عدد من القواعد المرشحة البسيطة لتنفيذ عملية التشفير. تعمل هذه القواعد المبكرة على حالات الاختبار الصغيرة، لكنها فشلت عندما اختبرها كلود على حجم المشكلة الكامل، على أرقام بطول 256 بت.

ثم حاول كلود نهجًا نظريًا أكثر. بدلاً من التخمين واختبار القواعد، سعى إلى فهم السبب الرياضي الذي يجعل divsteps يتصرف بهذه الطريقة. وقد أثبت سلسلة من النتائج المتعلقة بعملية التكرار، بما في ذلك عدة هويات جبرية جديدة. من هذه الهويات، استخلص كلود صيغة دقيقة لقاعدة التشفير التي ستتمكن من استعادة معلومات الفرع من الأزواج العددية بشكل صحيح. ثم تحقق من الصيغة، أولاً عن طريق تطبيقها على محاكيات عددية كبيرة الحجم، ثم صياغة الادعاء رسمياً باستخدام Lean. بعد اكتمال التحقق الكامل، قام كلود بتصنيع أول تنفيذ قابل للعكس لـ divsteps دون تخزين لتاريخ الفروع.

عائلة من التصاميم

تحليل التشفير يوفر كويتات، لكنه يستغرق وقتًا. لذلك، كمحاولة تطويرية أخرى، بحث كلود عن الحالات التي يكون فيها تخزين معلومات الفرع أقل تكلفة من تفسيرها. من خلال تغيير العتبة التي يخزن بها الدائرة معلومات الفرع بدلاً من تفسيرها، أنتج كلود عائلة جديدة من التصميمات بين الاثنين. مقارنةً بالتصميم الأصغر السابق، يستخدم دائرة واحدة في هذه العائلة 12% أكثر من كويتات، لكنها تحتوي على 17 مرة أقل من البوابات. بشكل عام، توسع التصاميم الجديدة الحدود الباريتو، مع تقديم تركيبات لعدد الكووبتات ووقت التشغيل لم تكن متاحة من قبل (الجدول 1).

تحسين محول كمي

مشاكل التحسين تُعد جوهر مجموعة واسعة من المهام، بما في ذلك الجدولة واللوجستيات وتصميم المواد. تطرح مشكلة التحسين مجموعة من القيود المتنافسة وتطلب الحل الذي يلبي أكبر عدد ممكن منها. تم اقتراح العديد من خوارزميات الكم للأمور من هذا النوع، لكن معظمها يعد بفوائد متواضعة أو غير مؤكدة مقارنة بالحواسيب العادية. التحليل الكمي للتداخل الكمي المفكوك هو أحد المرشحين الأقوى لتقديم تسريع كمي فائق التربيعية— وهو ميزة تزداد اتساعًا بسرعة كلما زاد حجم المشكلات.

عندما ينتهي الكمبيوتير الكمي من الحساب، فإن قراءة وحدات الكيوبي فيه تنتج إجابة واحدة فقط، تُختار عشوائيًا من الاحتمالات التي كانت موجودة في الحالة التكاملية. يعمل DQI عن طريق إعداد حالة كمية حيث أن احتمال ظهور الحلول الجيدة أكبر من احتمال ظهور الحلول السيئة. ويشمل ذلك استخدام ديوكتر الذي يقوم بتصحيح الأخطاء، والذي يعيد إنتاج قائمة قصيرة من “الأخطاء” من الملخص الموجز. هذا هو الخطوة الأكثر تكلفة في الخوارزمية. لذلك، إذا استطعنا إنشاء منفذ فك التشفير أسرع، يمكننا أيضًا تنفيذ DQI بسرعة أكبر.

داخل منفذ كمي أكثر كفاءة

الباحثون الذين قدموا تقنية DQI عرّفوها على مشكلة تُسمى التقاطع البولياني الأمثل (OPI)، وهي نسخة قائمة على الشبكة من عملية تطابق الخطوط (الشكل 3). تخيل شبكةً حيث يحتوي كل موقع x على عدة قيم مقبولة لـy. الهدف هو إيجاد خط مستقيم بسيط (بولياني من درجة منخفضة) يمر عبر مربع مقبول في أكبر عدد ممكن من مواقع x. تعمل تقنية DQI على حل هذه المشكلة التحسينية باستخدام نوع معين من المفسر، يُسمى مفسر ريد-سولومون.

يبدأ فك التشفير ريد-سولومون من الملخص المكثف للأخطاء المذكورة أعلاه، والذي يُعرف باسم السيندرم . مهمة المحول هي استنتاج من هذا الملخص أين حدثت الأخطاء في البيانات وما كانت عليه. تم معالجة هذه السيندرمات بواسطة دائرة كمومية متقدمة باستخدام الخوارزمية الإقليدية الموسعة، وهي سلسلة من القسمة والتبديلات التي يعتمد عدد وترتيب الخطوات على المدخلات المعطاة. هنا تظهر قيود دوائر الكمومية مرة أخرى: بينما يمكن للبرنامج العادي اتباع مسار مختلف لكل مدخل، يجب على الدائرة الكمومية التي تعمل على العديد من المداخل في نفس الوقت التعامل مع جميعها بسلسلة ثابتة واحدة من البوابات. لتحقيق ذلك، كان على التصميم السابق أن يمدد الحساب لعدة جولات من التكرار أكثر من ما تحتاجه أي مدخل فردي، ويجب أن يقوم بتنفيذ كل عملية في كل جولة، حتى عندما يكون ذلك غير ضروري.

يمكن تحسين هذا المفسر لتقليل وقت التشغيل لـ DQI بشكل كبير. تشير تقديرات الباحثين في Google Quantum AI إلى أن حل مشكلة OPI معينة سيستغرق حوالي ثلاثة أشهر على Frontier، أحد أقوى الحواسيب الفائقة في العالم، مقارنة بساعة واحدة تقريبًا على حاسوب كمي مستقبلي يعمل بنظام DQI. سيتم استخدام معظم تلك الساعة في فك التشفير باستخدام Reed–Solomon.

لذلك، طلبنا من كلود تصميم دائرة كمومية أكثر كفاءة لخطوة التشفير. وخلص كلود بسرعة إلى أن خوارزمية إيجيفيلد الموسعة ليست مناسبة لدائرة كمومية. بدلاً من ذلك، قام تنظيم دائرته الكمومية حول طريقة تشفير مختلفة تُعرف باسم تشفير بيرليكامب-ماسي، حيث يتم قراءة العلامات التشخيصية (ملخصات الأخطاء) واحدًا تلو الآخر، وتُحسب تدريجيًا أبسط القواعد التي يمكن أن تنبئ كل رقم في القائمة بناءً على الأرقام التي تليه. بمجرد اكتشاف تلك القاعدة، يتم كشف الأخطاء. على عكس خوارزمية إيوليد الخاصة الموسعة، تقوم برلكامب-ماسي بتنفيذ نفس النوع من الخطوات في كل جولة، وتقوم دائمًا بتنفيذ عدد معين من الجولات، مما يتناسب مع تسلسل البوابات الثابت لدائرة كوانتومية، وبالتالي يوفر للوحة كلود أساسًا أكثر كفاءة للبناء عليه.

نهج مبسط للتخزين

تغيير النظام إلى بيرلكامب-ماسييس أدى إلى اختفاء الحاجة إلى أن يتخذ الدائرة مسارات مختلفة لكل إدخال. لكن جعله قابلًا للإعادة هو يطرح تحديًا آخر، وهذا المرة نتيجة لقيود عدم الحساب التي تمت مناقشتها أعلاه. في كل جولة، تقوم الدائرة بحساب قيم مؤقت تحتاجها لفترة قصيرة فقط، لكن هذه المعلومات لا يمكن حذفها ببساطة: لكي تتمكن من إعادة الحساب لاحقًا، يجب أن تكون الدائرة قادرة على استعادة تلك المعلومات.

كان تخزين هذه المعلومات مكلفًا للغاية. لذلك، اتبع كلود نفس النهج الذي استخدمه في divsteps: وجد طريقة لإعادة بناء معظم هذه المعلومات من الحالة الحالية للدائرة، بحيث لم يكن هناك حاجة لتخزينها. ومع ذلك، بعض القيم الاستثنائية لم يمكن استعادتها بهذه الطريقة، وكان يجب تخزينها.

تحتفظ الدائرة الكهربائية الخاصة بكلود بمساحة كافية من الذاكرة للحالة الأشد سوءًا، حيث قد تظهر قيمة استثنائية في 35 جولة مختلفة، وهذا يتطلب 665 كيوبيتر. بدلاً من ذلك، كتب كلود محاكي عالي السرعة وأجرى 403 مليون تحليل قراءة عينة لقياس مدى تكرار حدوث هذه الحالات الاستثنائية فعليًا. في كل تمرين تقريبًا، كان من الضروري حفظ قيمة واحدة على الأكثر. لذلك، تحتفظ دائرة كلود بمساحة للقيمة المحفوظة الواحدة فقط، أو 19 كيوبيتر. حوالي واحد من كل 10,000 جولة يحتاج إلى أكثر من ذلك ويفشل، وهو ضمن معدل الخطأ الذي يسمح به المهمة. تم استبدال الاحتياطيات الكبيرة للحالة السيئة بعدد صغير من القطعات والبوابات ثابتة (الشكل 4).

معًا، قللت هذه التحسينات من عدد البوابات في المفسر بنسبة 12 مقارنةً بالبنية السابقة لـ جوجل. جاء التحسن من إعادة تصميم الحسابات على ثلاث مستويات: طريقة مختلفة (بدلاً من استخدام خوارزمية إيويلية موسعة، استخدمت خوارزمية بيرلكامب-ماسي للتفكيك)، وهيكل دائرة مختلف (بدلاً من تخزين القيم المؤقتة)، وميزانية موارد مختلفة (قياس الكمية الدقيقة من الذاكرة والحسابات التي تحتاجها الدائرة فعليًا). لم يكن أي تغيير منفرد كافي على حدة، لكن معًا، جعلت هذه التحسينات الخطوة الأكثر تكلفة في DQI أرخص بقليل من حيث الحجم.

ما تعلمناه

غالبًا ما يأتي التقدم العلمي من تحويل الأفكار النظرية إلى ممارسة عملية. أحد الطرق الرئيسية لحدوث ذلك هو جعل العملية التي كانت تُعتبر غير عملية سريعة واقتصادية بما يكفي لتنفيذها. تصميم الدوائر الكمية هو مثال بارز على ذلك: انخفاض تقدير FeMoco بمقدار 150,000 مرة استغرق العديد من المجموعات البحثية ثمانية سنوات، وكل خطوة تمثل شهورًا من العمل. بالمقابل، كان تصميم كلود للمنحنى eliptic نتيجة عمل واحد مدته 53 ساعة.

تشير نتائجنا إلى أن الذكاء الاصطناعي يمكنه دعم عمل تصميم الدوائر الكهربائية، مما يؤدي إلى إنتاج تطبيقات تتيح عمليات كمومية مفيدة وتقربها من قدرات الأجهزة الفعلية. إذا استطاع الذكاء الاصطناعي تسريع هذا العمل، فقد يصل الحوسبة الكمومية المفيدة في وقت أقصر.

على الرغم من الأداء المشجع لكلود في هذه المهام، لاحظنا أيضًا بعض القيود. في التجارب المبكرة لنا، كان كلود محافظًا بطبيعته؛ فقد كان يتردد مرارًا وتكرارًا في التصديق بالتحسينات الظاهرة، وأحيانًا استمر في التحقق من النتائج مضاعفةً وحتى ثلاثيةً من جديد، حتى لو كانت النتائج مُؤيدة جيدًا. كان هذا الحذر ذا قيمة أحيانًا: على سبيل المثال، دفعه ذلك إلى كتابة براهين Lean للتحقق من تصميم divsteps الخاص به. لكنها أيضًا ظهرت في ميل للاختيار بين الأساليب الموجودة والمعروفة، والأساليب الجديدة.

اتخذنا خطوتين للتخفيف من هذه المشكلة. أولاً، كان على إعدادنا أن يقترح كلود عدة أساليب مختلفة من الناحية النوعية، وتطويرها بالتوازي. ثانياً، كنا نطلب من كلود أحيانًا توسيع نطاق بحثه. نجحت هذه التدخلات في جعل كلود يتبع أفكاراً أكثر طموحاً. مثلاً، لم يأتِ نتيجة منحنى الكروي من تقليص الأبواب من تصميم موجود مسبقًا، بل من استكشاف طريقة لعكس النظام الموضوعي القابل للعكس التي لم تكن ممكنة من قبل، ثم استخلاص النتائج الرياضية اللازمة لتحقيقها عمليًا. بعد أن توصل إلى الفكرة، قام كلود بتطوير النهج، وتنفيذه، وتحقق من صحةه بشكل مستقل.

تصميم الدائرة الكهربائية هو جزء واحد فقط من بناء كمبيوتر كمي مفيد. نظرًا لحساسية الكويتات، يجب على الجهاز أيضًا اكتشاف وتصحيح أخطائه أثناء التشغيل، وذلك يعتمد على العديد من المكونات الأخرى، من كودات تصحيح الأخطاء إلى دكودات سريعة إلى التحكم في الأجهزة نفسها. تؤثر هذه المكونات جميعًا على بعضها البعض، ولكن لتحقيق التنظيم، يتم تصميم كل منها بشكل منفصل. العديد منهم يشترك في الخصائص التي جعلت تصميم الدوائر مناسبًا للكلود: يمكن كتابة التصميم ككود، والتحقق من صحته، وتحديد الدرجة بناءً على التكلفة.

هذا يطرح إمكانية مثيرة للاهتمام. بدلاً من تصميم كل مكون على حدة، يمكن للذكاء الاصطناعي أن يحسن جميعها معاً، من الخوارزمية إلى الأجهزة، لبناء جهاز كمومي كامل مع تقليل الأخطاء مصمم خصيصاً لمشكلة معينة. كما يمكن لهذه التصاميم أن تخبر صانعي الأجهزة ما هي القدرات التي تكون مهمة لأي تطبيق معين. وهذا قد يجعل مشاكل مثل تصميم المواد الحفازة وفهم المواد الجديدة في متناول الآلات المتحملة للأخطاء.

شكر وتقدير

نشكر أرجون كار وفيناي راماسيش على المناقشات المفيدة في المراحل الأولى من المشروع.

حواشي

1. كلا التقديرات تتعلق بنموذج مداري 54 للـ FeMoco، كما تم عرضه في الجدول الذي قدمه Low وآخرون، “التخمين السريع للبنية الإلكترونية بواسطة تضخيم الطيف” (2025)، الجدول 1؛ أما التقدير لعام 2017 فهو من Reiher وآخرون. أما التقديرات الوسيطة لنفس النموذج فكانت من Berry وآخرون (2019)، von Burg وآخرون (2021)، Lee وآخرون (2021)، وأيضًا Rocca وآخرون (2024).

المحتوى ذو الصلة

قد تكون نماذج الذكاء الاصطناعي قادرة على التكاثر الذاتي دون الحاجة إلى مركز بيانات

تشير تجاربنا إلى أن نماذج الذكاء الاصطناعي الصغيرة قد تكون قادرة على التكاثر الذاتي على الأجهزة التجارية للإنترنت الأشياء، مثل أجهزة تلفزيونات أندرويد والأفران الذكية، في غضون شهور قليلة.

تعزيز دفاعاتنا ضد هجمات التقطير

يسمح التقطير غير القانوني بمطوري النماذج بنسخ قدرات الذكاء الاصطناعي المتقدمة دون إنشاء حواجز وقائية متناسبة. هنا، نصف كيف قلصنا معدل التقطير بنسبة تزيد عن 90%.

تحليل أفعال النموذج غير المقصود في تقييماتنا والاستخدام الداخلي

يصف هذا التقرير أمثلة على أفعال النموذج غير المقصود التي لاحظناها خلال التقييمات والاستخدام الداخلي لكلود.

اشترك في علوم أنثروبيك

ميزات تتعلق بالاكتشافات المدعومة بواسطة الذكاء الاصطناعي، والعمليات العملية، والملاحظات الميدانية في جميع العلوم.