انویدیا با شبیه‌سازی پیشرفته، راه را برای محاسبات کوانتومی کاربردی هموار می‌کند
تهران، ایران – شرکت انویدیا (NVIDIA) روز جمعه، ۲۰ اکتبر، از یک پیشرفت مهم در حوزه محاسبات کوانتومی خبر داد. این شرکت با استفاده از ۸,۱۹۲ واحد پردازش گرافیکی (GPU) در ابررایانه JUPITER آلمان، موفق به شبیه‌سازی یک سیستم محاسبات کوانتومی تحمل‌پذیر خطا با ۱۰۴ کیوبیت شده است. این دستاورد، فناوری موسوم به «تقطیر حالت جادویی» (Magic State Distillation) را تأیید می‌کند و انویدیا ادعا می‌کند که این روش می‌تواند تعداد کیوبیت‌های فیزیکی مورد نیاز برای دستیابی به محاسبات کوانتومی تحمل‌پذیر خطا را تا حدود ۹۰ درصد کاهش دهد و زمان لازم برای شبیه‌سازی‌های پیچیده را از هفته‌ها به چند روز فشرده کند.
ابررایانه JUPITER که در مرکز محاسبات ابررایانه‌ای یولیخ (Forschungszentrum Jülich) آلمان مستقر است، یکی از برجسته‌ترین ابررایانه‌های اروپایی محسوب می‌شود و در رتبه‌بندی جهانی TOP500 جایگاه دهم را به خود اختصاص داده است. این سیستم مجهز به مجموعه‌ای عظیم از GPUهای انویدیا است و در ابتدا برای کاربردهایی چون مدل‌سازی اقلیمی، شبیه‌سازی مولکول‌های دارو و آموزش هوش مصنوعی طراحی شده بود. استفاده از بخش قابل توجهی از توان پردازشی این ابررایانه برای شبیه‌سازی محاسبات کوانتومی، که در آن حالت‌های کوانتومی به صورت عددی شبیه‌سازی می‌شوند، یک کاربرد غیرمتعارف محسوب می‌شود. دلیل این امر، رشد نمایی فضای حالت کوانتومی است؛ به طوری که بردار حالت کامل برای ۱۰۴ کیوبیت، فراتر از ظرفیت ذخیره‌سازی مستقیم هر رایانه کلاسیک است.
تیم تحقیقاتی به جای شبیه‌سازی کامل فضای حالت کوانتومی، از روش‌های تقریبی مانند شبکه‌های تانسور (Tensor Network) استفاده کرده و تمرکز خود را بر روی زیربرنامه حیاتی «تقطیر حالت جادویی» در مدارهای تصحیح خطای کوانتومی قرار داده است. این رویکرد به توان پردازشی موازی ۸,۱۹۲ واحد GPU اجازه داد تا در زمان معقولی، مقیاسی را که پیش از این «غیرقابل شبیه‌سازی» تلقی می‌شد، تکمیل کنند.
در حوزه محاسبات کوانتومی، «حالت جادویی» به دسته‌ای از حالت‌های کوانتومی خاص اطلاق می‌شود که صرفاً با استفاده از گیت‌های کلیفورد (Clifford gates)، که زیرمجموعه‌ای از گیت‌های منطقی کوانتومی هستند، قابل تولید نیستند، اما برای دستیابی به محاسبات کوانتومی عمومی ضروری می‌باشند. برای دستیابی به حالت‌های جادویی با کیفیت بالا، روش سنتی نیازمند مصرف تعداد زیادی کیوبیت فیزیکی برای تقطیر مکرر است که به این فرآیند «تقطیر حالت جادویی» گفته می‌شود.
هسته اصلی پیشرفت انویدیا در این زمینه، اثبات از طریق شبیه‌سازی با GPU است که نشان می‌دهد فرآیند بهینه‌شده تقطیر حالت جادویی می‌تواند نسبت مورد نیاز کیوبیت‌های فیزیکی را از ضریب انبساط رایج ۱۰ تا ۵۰ برابر در صنعت، به سطحی نزدیک به ۱:۱ کاهش دهد. به عبارت دیگر، برای تولید هر حالت جادویی با کیفیت بالا، تنها به حدود یک کیوبیت فیزیکی اضافی نیاز است. به طور خلاصه، محاسبات ۱۰۴ کیوبیتی تحمل‌پذیر خطا که در گذشته نیازمند هزاران کیوبیت فیزیکی بود، اکنون تنها با حدود ۱۰۰ کیوبیت فیزیکی قابل انجام است.
هسته فنی این جهش بهره‌وری در «آماده‌سازی پیشین» نهفته است: استفاده از ابررایانه‌های کلاسیک برای شبیه‌سازی و بهینه‌سازی پارامترهای تقطیر حالت جادویی به صورت پیشین، و سپس نگاشت نتایج به سخت‌افزار کوانتومی واقعی برای اجرا. اگرچه این مرحله هنوز در مرحله شبیه‌سازی قرار دارد، انویدیا معتقد است که این رویکرد می‌تواند مستقیماً به پردازنده‌های کوانتومی آینده منتقل شود.
تصحیح خطای کوانتومی (Quantum Error Correction) همواره بزرگترین مانع در مسیر انتقال محاسبات کوانتومی از آزمایشگاه به مرحله تجاری بوده است. کیوبیت‌ها به شدت در برابر نویز محیطی حساس هستند و دچار «ازهم‌پاشیدگی همدوسی» (decoherence) می‌شوند که منجر به خطاهای محاسباتی می‌گردد. برای حل این مشکل، جامعه علمی به طور گسترده از استراتژی‌های کدگذاری تصحیح خطا با عنوان «چند کیوبیت برای محافظت از یک کیوبیت» استفاده می‌کند. به عنوان مثال، کد سطح (Surface Code) معمولاً به ۱,۰۰۰ تا ۱۰,۰۰۰ کیوبیت فیزیکی برای دستیابی به یک کیوبیت منطقی قابل اعتماد نیاز دارد.
نتایج شبیه‌سازی انویدیا نشان می‌دهد که فناوری تقطیر حالت جادویی می‌تواند نیاز کلی به کیوبیت‌های فیزیکی را به یک دهم راهکارهای سنتی کاهش دهد. اگر این فناوری در تراشه‌های کوانتومی واقعی تأیید شود، به این معنی است که تولیدکنندگان برای دستیابی به محاسبات تحمل‌پذیر خطا نیازی به انتظار برای ظهور پردازنده‌های ده‌ها هزار کیوبیتی نخواهند داشت و تراشه‌هایی در مقیاس هزاران کیوبیت می‌توانند نتایج قابل اعتمادی تولید کنند. این امر بدون شک برای شرکت‌هایی مانند گوگل (با تراشه Willow که به ۱۰۵ کیوبیت رسیده) و IBM (با تراشه Heron که به ۱۵۶ کیوبیت رسیده) که در حال حاضر در سطح صدها کیوبیت فعالیت می‌کنند، یک کاتالیزور خواهد بود.
با وجود نتایج امیدوارکننده شبیه‌سازی، انویدیا در اطلاعیه خود به صراحت اعلام کرده است که این فناوری هنوز نیاز به تأیید بر روی سخت‌افزار کوانتومی واقعی دارد. شبیه‌سازی با GPU می‌تواند امکان‌پذیری عددی روش را اثبات کند، اما نمی‌تواند پدیده‌های فیزیکی منحصر به فرد سیستم‌های کوانتومی مانند نویز غیرمارکوفی (non-Markovian noise)، تداخل (crosstalk) و اثرات نقص مواد در محیط‌های با دمای پایین را به طور کامل بازتولید کند.
در حال حاضر، تعداد کیوبیت‌های فیزیکی در تولیدکنندگان اصلی سخت‌افزار محاسبات کوانتومی به طور پیوسته در حال افزایش است: گوگل Willow به ۱۰۵ کیوبیت، IBM Heron به ۱۵۶ کیوبیت، و سیستم تله یون باریم (barium ion trap) شرکت IonQ ادعا کرده است که از ۶۴ کیوبیت الگوریتمی (algorithmic qubits، یعنی واحدهای معادل پس از تصحیح خطا) فراتر رفته است. در شش ماه آینده، تمرکز جامعه علمی و صنعتی بر این خواهد بود که آیا تقطیر حالت جادویی می‌تواند اثر فشرده‌سازی مشاهده شده در شبیه‌سازی‌های GPU را بر روی این پلتفرم‌های واقعی تکرار کند. در صورت موفقیت، جدول زمانی کاربردی شدن محاسبات کوانتومی ممکن است از «ده سال دیگر» به «سه تا پنج سال آینده» منتقل شود.
پیشرفت محاسبات کوانتومی مدت‌هاست که مورد توجه جامعه ارزهای دیجیتال قرار گرفته است، زیرا یک کامپیوتر کوانتومی به اندازه کافی قدرتمند می‌تواند به طور نظری الگوریتم امضای دیجیتال منحنی بیضوی (ECDSA) را بشکند و مستقیماً امنیت کلیدهای خصوصی بلاک‌چین‌های اصلی مانند بیت‌کوین را تهدید کند. جاستین سان (Justin Sun)، یکی از بنیان‌گذاران ترون (Tron)، در روز قبل از اعلامیه انویدیا (۱۹ اکتبر) به طور عمومی اعلام کرد که به دلیل ارزیابی ریسک‌های محاسبات کوانتومی و الگوریتم‌های هوش مصنوعی، موقعیت خود را در اتریوم (ETH) به شدت تعدیل کرده و بیت‌کوین را به عنوان یک دارایی پوشش ریسک در کیف پول سرد نگهداری می‌کند.
با این حال، پیشرفت انویدیا در تقطیر حالت جادویی برای ارزهای دیجیتال یک شمشیر دو لبه است: خبر بد این است که کاربردی شدن کوانتومی ممکن است سریع‌تر فرا برسد؛ خبر خوب این است که اگر هزینه تحمل خطا واقعاً ۹۰ درصد کاهش یابد، ابزارهای دفاعی نیز سریع‌تر در دسترس قرار خواهند گرفت. راهکار محافظت کوانتومی Zakura که اخیراً توسط تیم توسعه Zcash معرفی شده است، تلاشی برای ایجاد زیرساخت کلید ضد کوانتومی برای تراکنش‌های بین زنجیره‌ای در سطح پروتکل است. تأیید شبیه‌سازی انویدیا می‌تواند مرجع مهندسی قابل اعتمادتری برای امکان‌سنجی چنین راهکارهای دفاعی ارائه دهد، زیرا طرف‌های دفاعی نیز برای دستیابی به امضاهای ضد کوانتومی (مانند استانداردهای رمزنگاری پساکوانتومی SPHINCS+ و Dilithium) به تصحیح خطای کارآمد نیاز دارند.
یکی دیگر از جنبه‌های قابل توجه این است که قابلیت «شبیه‌سازی کوانتومی با کمک GPU» که توسط انویدیا به نمایش گذاشته شده است، خود می‌تواند مدل تقسیم کار در تحقیقات محاسبات کوانتومی را بازتعریف کند. موسساتی که نیازی به داشتن سخت‌افزار کوانتومی گران‌قیمت ندارند، می‌توانند از طریق مجموعه‌های GPU ابری، طراحی الگوریتم‌ها را از پیش تأیید کنند و آستانه ورود به توسعه نرم‌افزار کوانتومی را کاهش دهند. این امر یک مسیر فنی عملی‌تر برای آماده‌سازی صنعت بلاک‌چین برای مهاجرت به رمزنگاری پساکوانتومی فراهم می‌کند.
در مجموع، شبیه‌سازی تصحیح خطای کوانتومی انویدیا بر روی ابررایانه JUPITER، نه تنها نمایشی از عملکرد سخت‌افزاری است، بلکه گام کلیدی در انتقال محاسبات کوانتومی از «آزمایش فیزیک» به «طراحی سیستم مهندسی» را آشکار می‌سازد. آزمون بعدی این است که آیا تراشه‌های کوانتومی واقعی می‌توانند طرحی را که شبیه‌سازی GPU ارائه داده است، دریافت کنند.
