این هفته، مایکروسافت از یک مغز جدید برای کامپیوترهای کوانتومی به نام ماجورانا ۱ رونمایی کرد. این تراشه که در کف دست جا می‌گیرد، از کیوبیت‌های توپولوژیک استفاده می‌کند - که بسیار پیچیده به نظر می‌رسد و بسیاری این را اشاره کرده‌اند، اما مزیت اصلی این نوع کیوبیت مقاومت ذاتی آن در برابر خطاست.
غول ردموند توضیح داد که این تراشه در حال حاضر ۸ کیوبیت دارد اما طراحی آن امکان افزایش به ۱ میلیون کیوبیت را در سال‌های آینده فراهم می‌کند. با این پیشرفت، کامپیوترهای کوانتومی کاربردی دیگر دهه‌ها فاصله ندارند، بلکه تنها چند سال فاصله دارند.
در این مقاله، به بررسی مزایای محاسبات کوانتومی، تاریخچه محاسبات کوانتومی، توضیح ماجورانا ۱ و جایگاه آن در نقشه راه محاسبات کوانتومی مایکروسافت می‌پردازم و درباره اینکه طبق نظر رهبران صنعت، محاسبات کوانتومی چقدر از ما فاصله دارد، گمانه‌زنی می‌کنم.
مزایای کامپیوترهای کوانتومی: ما مدت‌هاست درباره کامپیوترهای کوانتومی می‌شنویم، اما به نظر من اکثر مردم این موضوع را بسیار پیچیده و غیرقابل درک می‌دانند. نکته کلیدی درباره محاسبات کوانتومی این است که وقتی این کامپیوترها ساخته شوند و قادر به انجام کارهای عملی باشند، می‌توانند برخی مسائل را بسیار سریع‌تر از کامپیوترهای کلاسیک حل کنند.
در کامپیوترهای کلاسیک، واحدهای پایه داده بیت نامیده می‌شوند. آنها باینری هستند، یعنی در هر زمان می‌توانند مقدار ۰ یا ۱ داشته باشند. کامپیوترهای کلاسیک محاسبات را بر اساس این بیت‌ها انجام می‌دهند و از عملیات منطقی برای دستکاری آنها استفاده می‌کنند. این صفر و یک‌ها توسط وضعیت کلید ترانزیستورها روی میکروچیپ‌ها نمایش داده می‌شوند - برای مقایسه، میکروچیپ‌های گوشی‌های هوشمند مدرن بیش از ۱۰ میلیارد ترانزیستور دارند.
با استفاده از ترانزیستورها، گیت‌های منطقی را به دست می‌آوریم که سنگ بنای محاسبات کلاسیک هستند. آنها عملیات‌هایی مانند AND، OR و NOT را روی بیت‌ها انجام می‌دهند تا توابع پیچیده‌تری ایجاد کنند. نکته اساسی نهایی درباره کامپیوترهای کلاسیک که باید در اینجا ذکر شود این است که آنها دستورالعمل‌ها را به ترتیب و یکی یکی اجرا می‌کنند که سرعت و کارایی آنها را در برخی وظایف محدود می‌کند.
در کامپیوترهای کوانتومی، واحد پایه کیوبیت نامیده می‌شود که ویژگی‌های متفاوتی نسبت به بیت‌ها در محاسبات کلاسیک دارد و می‌تواند کامپیوترهای کوانتومی را در برخی زمینه‌ها بسیار کارآمدتر کند. برخلاف بیت، کیوبیت می‌تواند مقدار ۰، ۱ یا هر دو را همزمان داشته باشد - این اصلی از مکانیک کوانتومی به نام برهم‌نهی است که امکان پردازش همزمان را فراهم می‌کند.
ویژگی مهم دیگر کامپیوترهای کوانتومی درهم‌تنیدگی است. این به توانایی کیوبیت‌ها برای درهم‌تنیده شدن با کیوبیت‌های دیگر اشاره دارد به طوری که بر حالت یکدیگر تأثیر می‌گذارند، این ارتباط بین آنها امکان پردازش سریع‌تر اطلاعات و حل مسائل پیچیده را فراهم می‌کند.
مفهوم اساسی نهایی در محاسبات کوانتومی که می‌خواهم به آن اشاره کنم تداخل نامیده می‌شود. پس از اینکه یک کامپیوتر کوانتومی از برهم‌نهی و درهم‌تنیدگی برای ایجاد تعداد زیادی حالت‌های ممکن استفاده کرد، از اصلی به نام تداخل برای تقویت و سرکوب حالت‌ها استفاده می‌کند. این امر کارایی محاسبات را بیشتر افزایش می‌دهد.
برای بهره‌برداری از این توانایی‌های منحصر به فرد کیوبیت‌ها، کامپیوترهای کوانتومی علاوه بر گیت‌های منطقی موجود در محاسبات کلاسیک، از گیت‌های کوانتومی استفاده می‌کنند. کامپیوترهای کوانتومی الگوریتم‌های کوانتومی مانند الگوریتم شور و الگوریتم گروور را فعال می‌کنند که به ترتیب اعداد بزرگ را به طور کارآمد تجزیه می‌کنند و جستجوی مسائل بدون ساختار را تسریع می‌کنند.
به زبان ساده، کامپیوترهای کوانتومی می‌توانند برخی مسائل را بسیار سریع‌تر حل کنند، قابلیت موازی‌سازی دارند و به بشریت کمک می‌کنند تا مسائلی را که در حال حاضر با کامپیوترهای کلاسیک غیرقابل حل هستند، حل کنند.
زمانی که کامپیوترهای کوانتومی برای کارهای عملی ظهور کنند، انتظار می‌رود تأثیر قابل توجهی در چندین زمینه از جمله رمزنگاری، کشف دارو و علم مواد، هوش مصنوعی و یادگیری ماشین، مدلسازی مالی و همچنین مدلسازی اقلیم و پیش‌بینی آب و هوا داشته باشند.
در زمینه رمزنگاری، کارشناسان نگران هستند که کامپیوترهای کوانتومی بتوانند روش‌های رمزنگاری امروزی را بشکنند. با این حال، این فناوری می‌تواند اشکال جدیدی از رمزنگاری را نیز فعال کند که در برابر کامپیوترهای کوانتومی و کلاسیک امن باشد.
توانایی محاسبات کوانتومی در تسریع کشف دارو و علم مواد یکی از زمینه‌هایی است که مردم در زندگی روزمره خود به نحو بهتری تحت تأثیر قرار خواهند گرفت. کامپیوترهای کوانتومی می‌توانند تعاملات مولکولی را با دقت بیشتری شبیه‌سازی کنند، این می‌تواند فرآیندهای کشف دارو و توسعه مواد جدید را به طور قابل توجهی تسریع کند.
کامپیوترهای کوانتومی همچنین در امور مالی برای ایجاد استراتژی‌های سرمایه‌گذاری بهتر و بهینه‌سازی سبد سهام با تحلیل سناریوها و نتایج مختلف به طور همزمان پتانسیل دارند.
صنایعی که از توسعه محاسبات کوانتومی عملی بهره‌مند خواهند شد شامل مراقبت‌های بهداشتی، بانکداری و امور مالی، لجستیک و مدیریت زنجیره تأمین، مخابرات، انرژی، هوش مصنوعی و تولید هستند. افزایش کارایی همچنین می‌تواند منجر به کاهش هزینه‌هایی شود که از طریق مکانیسم رقابت بین شرکت‌کنندگان بازار به مصرف‌کنندگان منتقل می‌شود.
تاریخچه مختصر محاسبات کوانتومی: ایده کامپیوتر کوانتومی در دهه ۱۹۸۰ مطرح شد و اجماع واقعی درباره اینکه چه کسی اول آن را مطرح کرد وجود ندارد. پل بنیوف فیزیکدان آمریکایی در مقاله‌ای در سال ۱۹۸۰ یک مدل مکانیک کوانتومی از کامپیوتر را که از مکانیک کوانتومی استفاده می‌کرد توصیف کرد، و ریچارد فاینمن، فیزیکدان مشهور آمریکایی، ایده استفاده از کامپیوتر کوانتومی برای شبیه‌سازی رفتار سیستم‌های فیزیکی را پیشنهاد داد. مقاله فاینمن در سال ۱۹۸۲ منتشر شد، او تشخیص داد که کامپیوترهای کلاسیک در شبیه‌سازی سیستم‌های کوانتومی مشکل خواهند داشت و یک کامپیوتر کوانتومی را برای حل این مسئله پیشنهاد کرد.
مشارکت‌کننده مهم دیگر در زمینه محاسبات کوانتومی، دیوید دویچ فیزیکدان و دانشمند کامپیوتر بریتانیایی است. او مشارکت‌های قابل توجهی از جمله مفهوم ماشین تورینگ کوانتومی، موازی‌سازی کوانتومی و تصحیح خطای کوانتومی انجام داد.
در دهه ۱۹۹۰، ما شاهد ایجاد الگوریتم شور (۱۹۹۴) و الگوریتم گروور (۱۹۹۶) بودیم که قبلاً به آنها اشاره کردیم. الگوریتم شور امکان تجزیه اعداد بزرگ را فراهم می‌کند در حالی که الگوریتم گروور کارایی جستجو در یک پایگاه داده نامرتب را بهبود می‌بخشد. این دهه همچنین شاهد توسعه کامپیوترهای کوانتومی مقیاس کوچک توسط IBM و MIT، در میان دیگران بود.
در اوایل دهه ۲۰۰۰، مایکروسافت تحقیقات خود را در زمینه نظریه میدان کوانتومی توپولوژیک آغاز کرد که پایه‌های کار با کیوبیت‌های توپولوژیک و در نهایت، توسعه تراشه ماجورانا ۱ را بنا نهاد.
در سال ۲۰۱۱، D-Wave، یک شرکت کانادایی، با D-Wave One که ادعا می‌شد اولین کامپیوتر کوانتومی تجاری جهان است، خبرساز شد. با پیشرفت به پایان دهه، گوگل یک کامپیوتر کوانتومی به نام Sycamore ساخت که در سال ۲۰۱۹ به برتری کوانتومی دست یافت.
برتری کوانتومی این ایده است که یک کامپیوتر کوانتومی مسئله‌ای را حل می‌کند که هیچ کامپیوتر کلاسیکی نمی‌تواند در زمان معقول حل کند. گوگل این کار را با Sycamore ۵۳ کیوبیتی در سال ۲۰۱۹ با حل یک مسئله در تنها ۲۰۰ ثانیه انجام داد که معتقدند برای یک کامپیوتر کلاسیک ۱۰،۰۰۰ سال طول می‌کشید.
در دهه ۲۰۲۰، تلاش‌ها برای دستیابی به کامپیوترهای کوانتومی عملی با پیشگامی شرکت‌هایی مانند IBM، گوگل و مایکروسافت ادامه یافته است. هر یک از این سه شرکت اهداف خود را برای سال‌های آینده مشخص کرده‌اند که انتظار می‌رود توسعه‌ها حدود سال ۲۰۳۵ به اوج برسد.
با تجاری شدن کامپیوترهای کوانتومی در دهه ۲۰۱۰، این امر همچنین به این معنی بود که توسعه‌دهندگان به ابزارهایی برای ایجاد نرم‌افزار نیاز داشتند. ما شاهد راه‌اندازی چارچوب‌های نرم‌افزاری کوانتومی و زبان‌های برنامه‌نویسی کوانتومی بوده‌ایم. در اکوسیستم محاسبات کوانتومی مایکروسافت، زبان +Q وجود دارد که از نحو سطح بالا برای نوشتن الگوریتم‌های کوانتومی که در پلتفرم کوانتومی مایکروسافت اجرا می‌شوند استفاده می‌کند.
IBM نیز یک زبان برنامه‌نویسی کوانتومی به نام OpenQASM دارد که می‌تواند علاوه بر پایتون و Rust در کیت توسعه نرم‌افزار Qisket استفاده شود. در همین حال، گوگل چارچوب Cirq را توسعه داده است که در آن توسعه‌دهندگان می‌توانند از پایتون برای ایجاد مدارهای کوانتومی استفاده کنند. بسیاری از این ابزارها به توسعه‌دهندگان اجازه می‌دهند تا برنامه‌ها را قبل از اجرا روی یک کامپیوتر کوانتومی مبتنی بر ابر، در یک شبیه‌ساز اجرا کنند.
نقشه راه محاسبات کوانتومی مایکروسافت و ماجورانا ۱: در روز چهارشنبه، ۱۹ فوریه ۲۰۲۵، مایکروسافت از تراشه کامپیوتر کوانتومی ماجورانا ۱ خود رونمایی کرد که در حال حاضر ۸ کیوبیت توپولوژیک دارد، اما با گذشت زمان می‌تواند تا ۱ میلیون کیوبیت مقیاس‌پذیر شود. تراشه‌هایی که از کیوبیت‌های توپولوژیک استفاده می‌کنند با آنچه رقبای مایکروسافت می‌سازند متفاوت هستند و مزیت مقاومت بیشتر در برابر خطا را نسبت به سایر انواع کیوبیت‌ها دارند.
مقاومت در برابر خطا در محاسبات کوانتومی بسیار مهم است زیرا آنها به طور ذاتی به دلیل ماهیت شکننده حالت‌های کوانتومی مستعد خطا هستند. همانطور که مایکروسافت تعداد کیوبیت‌ها را روی تراشه خود افزایش می‌دهد، ویژگی‌های مقاوم در برابر خطای کیوبیت‌های توپولوژیک شروع به درخشش خواهند کرد و موانعی را که غول ردموند در آینده با آنها روبرو است، کاهش خواهند داد.
قبل از بحث درباره نقشه راه مایکروسافت، می‌خواهم سریعاً اطلاعاتی درباره اینکه چرا شرکت تراشه خود را ماجورانا ۱ نامید ارائه دهم، زیرا برخی افراد آنلاین درباره انتخاب نام سؤال کرده‌اند.
تراشه مایکروسافت به نام فیزیکدان ایتالیایی اتوره ماجورانا نامگذاری شده است که مفهوم ذرات ماجورانا را مطرح کرد. این ذرات، یا فرمیون‌ها، سنگ بنای کیوبیت‌های توپولوژیک را تشکیل می‌دهند. مقاومت در برابر خطا در کیوبیت‌های توپولوژیک از این واقعیت ناشی می‌شود که ذرات ماجورانا پادذره خودشان هستند که به آنها امکان می‌دهد داده‌هایی را کدگذاری کنند که در برابر خطا مقاوم‌تر است.
با تراشه ماجورانا ۱، مایکروسافت به مرحله دوم نقشه راه شش مرحله‌ای خود به سمت کامپیوترهای کوانتومی عملی دست یافته است. مراحل نقشه راه به شرح زیر است:
مرحله ۱: ایجاد و کنترل ماجورانا‌ها برای اولین بار در تاریخ، دستگاه‌های مهندسی شده مایکروسافت به ما امکان می‌دهند فاز توپولوژیک ماده را که با حالت‌های صفر ماجورانا محدود شده است، القا و کنترل کنیم. این پیشرفت امکان مهندسی نوع جدیدی از کیوبیت را فراهم می‌کند.
مرحله ۲: کیوبیت محافظت شده سخت‌افزاری کیوبیت محافظت شده ما، با محافظت داخلی در برابر خطا، اولین پیشرفت ما را با تغییر فناوری کیوبیت از کنترل آنالوگ به دیجیتال گسترش می‌دهد.
مرحله ۳: کیوبیت‌های محافظت شده سخت‌افزاری با کیفیت بالا برای مقیاس‌پذیری عملیات و کاهش خطاها، کیوبیت‌های محافظت شده سخت‌افزاری با کنترل دیجیتال می‌توانند با مجموعه‌ای از پیشرفت‌های کیفی درهم‌تنیده و بافته شوند.
مرحله ۴: سیستم چند کیوبیتی هنگامی که چندین کیوبیت به عنوان یک واحد پردازش کوانتومی (QPU) قابل برنامه‌ریزی در یک ماشین کوانتومی کامل با هم کار می‌کنند، مجموعه‌ای از الگوریتم‌های کوانتومی می‌توانند اجرا شوند.
مرحله ۵: سیستم کوانتومی مقاوم یک ماشین کوانتومی، هنگام کار با کیوبیت‌های منطقی واقعی، عملیات با کیفیت بالاتری را نسبت به کیوبیت‌های فیزیکی زیربنایی نشان می‌دهد. این پیشرفت اولین عملیات کوانتومی قابل اعتماد را فعال می‌کند و دروازه‌ها را به سوی ابررایانش کوانتومی باز می‌کند.
مرحله ۶: ابررایانه کوانتومی ابررایانه کوانتومی مسائل علمی یا تجاری را سریع‌تر از کامپیوترهای کلاسیک حل می‌کند، با شروع از ۱ میلیون rQOPS/ثانیه قابل اعتماد با نرخ خطای کمتر از ۱ در یک تریلیون، و مقیاس‌پذیری تا ۱۰۰ میلیون rQOPS/ثانیه برای چالش‌های پیشرفته شیمی و علم مواد.
برای رسیدن از مرحله اول به مرحله دوم نقشه راه، مایکروسافت ۱۸ ماه زمان صرف کرد. شرکت اعلام کرده است که به هدف خود در سال‌ها و نه دهه‌ها خواهد رسید. این نشان می‌دهد که آخرین تاریخی که به هدف خود خواهد رسید حدود سال ۲۰۳۵ خواهد بود، با این حال، اگر فرض کنیم رسیدن به هر هدف ۱۸ ماه طول می‌کشد، می‌تواند تا سال ۲۰۳۱ تکمیل شود.
کاری که مایکروسافت با ماجورانا ۱ انجام می‌دهد توجه آژانس پروژه‌های تحقیقاتی پیشرفته دفاعی (DARPA) را جلب کرده است. مایکروسافت یکی از تنها دو شرکتی است که در مرحله نهایی برنامه سیستم‌های کم‌اکتشاف برای محاسبات کوانتومی مقیاس خدماتی (US2QC) DARPA قرار دارد. این برنامه بخشی از ابتکار عمل معیارسنجی کوانتومی است که هدف آن ارائه “اولین کامپیوتر کوانتومی مقاوم در برابر خطای مقیاس خدماتی صنعت” است.
کامپیوترهای کوانتومی چقدر از ما دور هستند؟ پیش‌بینی زمان رسیدن کامپیوترهای کوانتومی دشوار است، به سادگی، ما دقیقاً نمی‌دانیم چه زمانی ماشین‌هایی با یک میلیون کیوبیت پایدار خواهند رسید. در حال حاضر، ماشین‌هایی با صدها کیوبیت وجود دارند، اما یک میلیون هنوز خیلی دور است. کاهش تعداد خطاها در کامپیوترهای کوانتومی و خنک‌سازی نیز مسائل قابل توجهی هستند که باید برطرف شوند.
مشابه مایکروسافت، گوگل نیز یک جدول زمانی شش مرحله‌ای دارد و تاکنون، دو مرحله اول محقق شده است؛ اولی در سال ۲۰۱۹، و دومی در سال ۲۰۲۳. در مرحله ۲۰۲۳، گوگل گفت کامپیوتر کوانتومی آن ۱۰۰ کیوبیت فیزیکی دارد. هدف در مراحل ۳، ۴، ۵ و ۶ به ترتیب داشتن ۱,۰۰۰، ۱۰,۰۰۰، ۱۰۰,۰۰۰ و ۱,۰۰۰,۰۰۰ کیوبیت فیزیکی است.
اگر گوگل به مراحل بعدی با همان سرعتی که از مرحله اول به دوم رسید برسد، آنگاه مرحله ۳ در سال ۲۰۲۷، مرحله ۴ در سال ۲۰۳۱، مرحله ۵ در سال ۲۰۳۵ و مرحله ۶ در سال ۲۰۳۹ محقق خواهد شد. این خیلی از آنچه مایکروسافت درباره اینکه کامپیوترهای کوانتومی سال‌ها و نه دهه‌ها فاصله دارند می‌گوید، دور نیست.