menu
close

الحوسبة الكمومية تحقق «السرعة الأسية» المنشودة

أظهر باحثون من جامعتي جنوب كاليفورنيا وجونز هوبكنز أول تسريع كمومي أسّي غير مشروط باستخدام معالجات IBM الكمومية ذات 127 كيوبت. وقاد الفريق، برئاسة خبير تصحيح أخطاء الحوسبة الكمومية دانيال ليدار، حل نسخة معدلة من مسألة سايمون، مما يثبت أن الحواسيب الكمومية باتت قادرة الآن على التفوق بشكل قاطع على الحواسيب التقليدية. يمثل هذا الإنجاز علامة فارقة قد تسرّع في المستقبل تدريب نماذج الذكاء الاصطناعي وتتيح مهام حسابية كانت مستحيلة سابقاً.
الحوسبة الكمومية تحقق «السرعة الأسية» المنشودة

في إنجاز وصفه الخبراء بأنه «الكأس المقدسة للحوسبة الكمومية»، تمكن باحثون من تحقيق تسريع كمومي أسّي غير مشروط على عتاد كمومي حقيقي، مثبتين بشكل قاطع أن الحواسيب الكمومية يمكنها التفوق على الحواسيب التقليدية دون أي افتراضات نظرية.

نُشرت الدراسة الرائدة في مجلة Physical Review X بتاريخ 5 يونيو 2025، وقادها البروفيسور دانيال ليدار، أستاذ الهندسة في جامعة جنوب كاليفورنيا وخبير في تصحيح أخطاء الحوسبة الكمومية. وبالتعاون مع زملائه من جامعتي جنوب كاليفورنيا وجونز هوبكنز، استعرض فريق ليدار هذا التفوق الأسّي باستخدام معالجين كموميين من نوع Eagle من IBM، كل منهما يحتوي على 127 كيوبت، وتم تشغيلهما عن بُعد عبر السحابة.

وتكمن أهمية هذا الإنجاز في أن التسريع «غير مشروط»، أي أنه لا يعتمد على أي افتراضات غير مثبتة. ويوضح ليدار: «الادعاءات السابقة حول التسريع الكمومي كانت تتطلب افتراض عدم وجود خوارزمية تقليدية أفضل للمقارنة مع الخوارزمية الكمومية. أما الآن، فلا يمكن عكس هذا الفارق في الأداء لأن التسريع الأسّي الذي أظهرناه غير مشروط للمرة الأولى».

قام الفريق بتعديل مسألة سايمون—وهي تحدٍ رياضي يتضمن إيجاد أنماط مخفية في الدوال—لتناسب التنفيذ على عتاد كمومي حقيقي. وتُعد هذه المسألة مقدمة لخوارزمية شور الشهيرة التي أطلقت مجال الحوسبة الكمومية بأكمله. وللتغلب على الضوضاء والأخطاء التي تعاني منها الأنظمة الكمومية عادةً، استخدم الباحثون تقنيات متقدمة لقمع الأخطاء، مثل الفصل الديناميكي وتخفيف أخطاء القياس.

ورغم أن ليدار يشير إلى أن «هذا الإنجاز لا يحمل تطبيقات عملية حالياً سوى في ألعاب التخمين»، إلا أن انعكاساته على الذكاء الاصطناعي عميقة. فمع استمرار تطور الحواسيب الكمومية، من المتوقع أن تسرّع بشكل كبير عمليات تعلم الآلة، خاصة في مسائل التحسين والحسابات المعقدة التي تتطلب حالياً موارد ضخمة.

وقد أظهرت خوارزميات الذكاء الاصطناعي المعززة كمومياً بالفعل نتائج واعدة في تطبيقات محددة. فقد أظهرت أبحاث حديثة أن التقنيات الكمومية يمكن أن تعزز أداء التعلم الآلي القائم على النواة، مما يجعله أسرع وأكثر دقة وكفاءة في استهلاك الطاقة مقارنة بالطرق التقليدية. ومع توسع قدرات العتاد الكمومي، قد تتيح هذه المزايا جيلاً جديداً من قدرات الذكاء الاصطناعي التي كانت مستحيلة سابقاً بسبب القيود الحسابية.

ويؤكد هذا الإنجاز بشكل قاطع قدرة الحوسبة الكمومية التي طال انتظارها على تحقيق تسريع أسّي، مما يمثل خطوة حاسمة نحو تحقيق التفوق الكمومي العملي في التطبيقات الواقعية.

Source:

Latest News