بسبب صعوبة توسيع المحاكاة الكلاسيكية لهذه الأنظمة الكبيرة، اعتبر بعض الباحثين النتيجة مثالًا على ما يسمى التفوق الكمي—أي أن جهازًا كميًا يستطيع حل مسألة لا يمكن للحواسيب التقليدية حلها عمليًا في زمن معقول.

كيف أعاد الباحثون تنفيذ التجربة على حاسوب تقليدي

فريق من معهد فلاتيرون (Flatiron Institute) وجامعة بوسطن أعاد دراسة المشكلة نفسها، لكنه لم يحاول تتبع الحالة الكمومية الكاملة للنظام—وهي عملية يتضخم حجمها أسيًا مع عدد الكيوبتات.

بدلًا من ذلك، طور الباحثون طريقة تعتمد على:

• شبكات الموترات ثنائية وثلاثية الأبعاد (Tensor Networks) المصممة لتعكس شكل الشبكة الفيزيائية للنظام
• خوارزمية تمرير المعتقدات (Belief Propagation) لتحديث المعلومات بين أجزاء الشبكة بكفاءة
• تقنيات ضغط رياضي للحالة الكمومية تمنع تضخم عدد المتغيرات أثناء تطور النظام

باستخدام هذه المقاربة، استطاع النموذج متابعة ديناميكيات التلدين الكمي في أنظمة spin‑glass دون تمثيل كامل دالة الموجة لنظام من آلاف الكيوبتات. النتيجة كانت محاكاة دقيقة مع تكلفة حسابية أقل بكثير مما كان متوقعًا سابقًا.

لماذا استطاعت بعض التجارب العمل حتى على حاسوب محمول

الفكرة الأساسية وراء شبكات الموترات هي ضغط الحالة الكمومية بدل تخزين كل تفاصيلها.

في المحاكاة التقليدية المباشرة يجب تخزين عدد هائل من القيم يمثل جميع الحالات الممكنة للنظام، وهو ما ينمو بسرعة هائلة مع زيادة عدد الكيوبتات. أما شبكات الموترات فتخزن فقط الترابطات الفعلية بين الأجزاء التي تظهر في النظام.

عندما تكون هذه الترابطات محدودة أو منظمة—كما يحدث في كثير من الأنظمة الشبكية في الفيزياء—يمكن تمثيل الحالة الكمومية باستخدام عدد أقل بكثير من المعاملات.

في الدراسة الجديدة، أدى دمج هذه الشبكات مع خوارزمية تمرير المعتقدات إلى خفض التكلفة الحسابية بدرجة كبيرة، لدرجة أن بعض حالات المحاكاة أمكن تشغيلها حتى على حاسوب محمول عادي بدل الحاجة إلى حاسوب فائق ضخم.

ماذا يعني ذلك لمفهوم «التفوق الكمي»

هذه النتيجة لا تعني أن الحواسيب الكمية بلا فائدة. لكنها تكشف حقيقة مهمة في هذا المجال: الحد الفاصل بين الممكن والمستحيل حسابيًا يتغير باستمرار.

غالبًا ما تعتمد ادعاءات التفوق الكمي على مقارنة أداء جهاز كمي مع أفضل خوارزمية كلاسيكية معروفة في ذلك الوقت. لكن الخوارزميات الكلاسيكية—مثل شبكات الموترات وطرق مونت كارلو—تتحسن بسرعة أيضًا.

لذلك قد تتحول مسألة تبدو مستحيلة اليوم للحواسيب التقليدية إلى مسألة قابلة للحل غدًا إذا اكتُشفت خوارزمية أفضل. العمل الجديد من فريق فلاتيرون يوضح هذا تمامًا: المشكلة لم تكن في حدود الحوسبة الأساسية، بل في مدى تطور الخوارزميات المستخدمة للمقارنة.

سباق مستمر بين الخوارزميات والعتاد

بسبب هذه التطورات، أصبح إثبات التفوق الكمي يتطلب معايير أكثر صرامة. الباحثون يبحثون الآن عن مسائل تحقق عدة شروط، منها:

• أن يكون من غير المرجح أن تتحسن الخوارزميات الكلاسيكية فيها بسرعة
• أن توفر الأجهزة الكمية ميزة واضحة عند زيادة حجم المشكلة
• أن يمكن التحقق من النتائج بشكل مستقل

القصة هنا تعكس نمطًا شائعًا في علوم الحوسبة: التقدم لا يأتي من الأجهزة فقط، بل من الخوارزميات أيضًا. فبينما تتحسن المعالجات الكمية عامًا بعد عام، تتطور الأساليب الكلاسيكية بالسرعة نفسها تقريبًا.

وبالتالي يبقى السباق مفتوحًا—وكل إعلان جديد عن «تفوق كمي» سيظل بحاجة إلى الصمود أمام الجيل التالي من الخوارزميات الكلاسيكية.

بسبب صعوبة توسيع المحاكاة الكلاسيكية لهذه الأنظمة الكبيرة، اعتبر بعض الباحثين النتيجة مثالًا على ما يسمى التفوق الكمي—أي أن جهازًا كميًا يستطيع حل مسألة لا يمكن للحواسيب التقليدية حلها عمليًا في زمن معقول.

كيف أعاد الباحثون تنفيذ التجربة على حاسوب تقليدي

فريق من معهد فلاتيرون (Flatiron Institute) وجامعة بوسطن أعاد دراسة المشكلة نفسها، لكنه لم يحاول تتبع الحالة الكمومية الكاملة للنظام—وهي عملية يتضخم حجمها أسيًا مع عدد الكيوبتات.

بدلًا من ذلك، طور الباحثون طريقة تعتمد على:

• شبكات الموترات ثنائية وثلاثية الأبعاد (Tensor Networks) المصممة لتعكس شكل الشبكة الفيزيائية للنظام
• خوارزمية تمرير المعتقدات (Belief Propagation) لتحديث المعلومات بين أجزاء الشبكة بكفاءة
• تقنيات ضغط رياضي للحالة الكمومية تمنع تضخم عدد المتغيرات أثناء تطور النظام

باستخدام هذه المقاربة، استطاع النموذج متابعة ديناميكيات التلدين الكمي في أنظمة spin‑glass دون تمثيل كامل دالة الموجة لنظام من آلاف الكيوبتات. النتيجة كانت محاكاة دقيقة مع تكلفة حسابية أقل بكثير مما كان متوقعًا سابقًا.

لماذا استطاعت بعض التجارب العمل حتى على حاسوب محمول

الفكرة الأساسية وراء شبكات الموترات هي ضغط الحالة الكمومية بدل تخزين كل تفاصيلها.

في المحاكاة التقليدية المباشرة يجب تخزين عدد هائل من القيم يمثل جميع الحالات الممكنة للنظام، وهو ما ينمو بسرعة هائلة مع زيادة عدد الكيوبتات. أما شبكات الموترات فتخزن فقط الترابطات الفعلية بين الأجزاء التي تظهر في النظام.

عندما تكون هذه الترابطات محدودة أو منظمة—كما يحدث في كثير من الأنظمة الشبكية في الفيزياء—يمكن تمثيل الحالة الكمومية باستخدام عدد أقل بكثير من المعاملات.

في الدراسة الجديدة، أدى دمج هذه الشبكات مع خوارزمية تمرير المعتقدات إلى خفض التكلفة الحسابية بدرجة كبيرة، لدرجة أن بعض حالات المحاكاة أمكن تشغيلها حتى على حاسوب محمول عادي بدل الحاجة إلى حاسوب فائق ضخم.

ماذا يعني ذلك لمفهوم «التفوق الكمي»

هذه النتيجة لا تعني أن الحواسيب الكمية بلا فائدة. لكنها تكشف حقيقة مهمة في هذا المجال: الحد الفاصل بين الممكن والمستحيل حسابيًا يتغير باستمرار.

غالبًا ما تعتمد ادعاءات التفوق الكمي على مقارنة أداء جهاز كمي مع أفضل خوارزمية كلاسيكية معروفة في ذلك الوقت. لكن الخوارزميات الكلاسيكية—مثل شبكات الموترات وطرق مونت كارلو—تتحسن بسرعة أيضًا.

لذلك قد تتحول مسألة تبدو مستحيلة اليوم للحواسيب التقليدية إلى مسألة قابلة للحل غدًا إذا اكتُشفت خوارزمية أفضل. العمل الجديد من فريق فلاتيرون يوضح هذا تمامًا: المشكلة لم تكن في حدود الحوسبة الأساسية، بل في مدى تطور الخوارزميات المستخدمة للمقارنة.

سباق مستمر بين الخوارزميات والعتاد

بسبب هذه التطورات، أصبح إثبات التفوق الكمي يتطلب معايير أكثر صرامة. الباحثون يبحثون الآن عن مسائل تحقق عدة شروط، منها:

• أن يكون من غير المرجح أن تتحسن الخوارزميات الكلاسيكية فيها بسرعة
• أن توفر الأجهزة الكمية ميزة واضحة عند زيادة حجم المشكلة
• أن يمكن التحقق من النتائج بشكل مستقل

القصة هنا تعكس نمطًا شائعًا في علوم الحوسبة: التقدم لا يأتي من الأجهزة فقط، بل من الخوارزميات أيضًا. فبينما تتحسن المعالجات الكمية عامًا بعد عام، تتطور الأساليب الكلاسيكية بالسرعة نفسها تقريبًا.

وبالتالي يبقى السباق مفتوحًا—وكل إعلان جديد عن «تفوق كمي» سيظل بحاجة إلى الصمود أمام الجيل التالي من الخوارزميات الكلاسيكية.