پژوهشگران با توسعه الگوریتم «تبدیل هرمیت کوانتومی» گامی مهم برای افزایش توان رایانههای کوانتومی و تسریع هوش مصنوعی و محاسبات علمی برداشتند. به گزارش سرویس علمی تکناک، پژوهشگران آزمایشگاه ملی بروکهاون وابسته به وزارت انرژی آمریکا (DOE)، دانشگاه نورثایسترن، Google Quantum AI و دانشگاه تگزاس در آستین، الگوریتم کوانتومی جدیدی ساختهاند که میتواند توانایی رایانههای کوانتومی را برای حل مسائل پیچیده افزایش دهد. این الگوریتم که «تبدیل هرمیت کوانتومی» (QHT) نام دارد، بهعنوان یک ابزار محاسباتی جدید عمل میکند و میتواند پردازش دادهها، شبیهسازی پدیدههای فیزیکی و اجرای الگوریتمهای هوش مصنوعی را در رایانههای کوانتومی سریعتر و کارآمدتر کند. پژوهشگران نتایج این دستاورد را در پنجاهوهشتمین نشست سالانه انجمن ماشینهای محاسباتی (STOC 2026) که در شهر سالتلیکسیتی آمریکا برگزار شد، ارائه کردند. آنها معتقد هستند که این الگوریتم میتواند به یکی از ابزارهای پایه برای توسعه نسل آینده نرمافزارهای کوانتومی تبدیل شود. رایانههای کوانتومی برخلاف رایانههای کلاسیک، اطلاعات را با استفاده از کیوبیتها پردازش میکنند و از ویژگیهای مکانیک کوانتومی مانند برهمنهی و درهمتنیدگی برای انجام محاسبات بهره میبرند. این ویژگیها باعث میشوند که برخی مسائل بسیار پیچیده با سرعتی بسیار بیشتر از رایانههای امروزی حل شوند. با وجود پیشرفتهای چشمگیر در توسعه پردازندههای کوانتومی طی سالهای اخیر، پژوهشگران همچنان بر این باور هستند که نرمافزار و الگوریتمهای موردنیاز این فناوری با سرعت کمتری رشد کردهاند و هنوز مجموعه محدودی از بلوکهای محاسباتی استاندارد برای طراحی الگوریتمهای جدید در اختیار توسعهدهندگان قرار دارد. الگوریتم QHT با هدف رفع بخشی از این محدودیت طراحی شده است. در علوم رایانه کلاسیک، تبدیل هرمیت یکی از ابزارهای مهم ریاضی به شمار میرود و در حوزههایی مانند پردازش سیگنال، مهندسی، فیزیک، آمار، علم داده و یادگیری ماشین کاربرد گستردهای دارد. این تبدیل همچنین برای توصیف نوسانگر هماهنگ کوانتومی، که یکی از مدلهای بنیادی فیزیک کوانتومی محسوب میشود، استفاده میشود. با این حال، اجرای نسخه کوانتومی این تبدیل تاکنون به محاسبات بسیار سنگین و منابع پردازشی زیادی نیاز داشت و استفاده عملی از آن را دشوار میکرد. تیم تحقیقاتی برای حل این چالش، مدار کوانتومی جدیدی طراحی کرده است که تبدیل هرمیت را با سربار محاسباتی لگاریتمی اجرا میکند. این ویژگی تعداد عملیات موردنیاز را نسبت به روشهای پیشین به شکل قابلتوجهی کاهش میدهد و بهرهوری رایانههای کوانتومی را افزایش میدهد. کاهش پیچیدگی محاسبات به این معنا است که الگوریتمهای پیشرفتهتر میتوانند با مصرف منابع کمتر و سرعت بیشتر اجرا شوند. یکی از مهمترین قابلیتهای این الگوریتم، استفاده از فناوری «پیشروی سریع کوانتومی» (Quantum Fast-Forwarding) است. این فناوری به رایانه کوانتومی اجازه میدهد که وضعیت آینده برخی سامانههای کوانتومی را بدون شبیهسازی تمامی مراحل میانی محاسبه کند. در روشهای معمول، رایانه باید هر مرحله از تکامل یک سامانه را بهترتیب شبیهسازی کند، اما پیشروی سریع کوانتومی این فرآیند را میانبر میزند و مستقیماً نتیجه نهایی را محاسبه میکند. پژوهشگران میگویند این قابلیت میتواند زمان آمادهسازی حالتهای کوانتومی پیچیده را به میزان چشمگیری کاهش دهد و سرعت اجرای محاسبات را افزایش دهد. پژوهشگران همچنین روشهای جدیدی برای آمادهسازی حالتهای کوانتومی توسعه دادهاند که در کنار الگوریتم QHT، امکان نمایش و تحلیل اطلاعات کوانتومی را با دقت و کارایی بیشتری فراهم میکند. این پیشرفت میتواند در آینده طراحی الگوریتمهای پیچیدهتر را برای طیف وسیعی از کاربردهای علمی و صنعتی سادهتر کند. اگرچه این پژوهش بیشتر بر پایه ریاضیات و علوم رایانه انجام شده است، اما پیامدهای آن تنها به فیزیک کوانتومی محدود نمیشود. از آنجا که توابع هرمیت در بسیاری از مدلهای مبتنی بر توزیع گاوسی استفاده میشوند، این الگوریتم میتواند در توسعه الگوریتمهای کوانتومی جدید برای هوش مصنوعی، یادگیری ماشین، پردازش سیگنال، تحلیل دادههای پیچیده، علم مواد، شیمی محاسباتی، تحقیقات انرژی و شبیهسازی سامانههای فیزیکی نقش مهمی ایفا کند. به اعتقاد پژوهشگران، اهمیت اصلی این دستاورد تنها در افزایش سرعت اجرای یک محاسبه خاص نیست، بلکه در گسترش مجموعه ابزارهایی است که پژوهشگران برای ساخت الگوریتمهای کوانتومی آینده در اختیار خواهند داشت. تاکنون بسیاری از الگوریتمهای کوانتومی بر پایه تبدیل فوریه کوانتومی توسعه یافتهاند، اما معرفی تبدیل هرمیت کوانتومی میتواند راه را برای طراحی خانواده کاملاً جدیدی از الگوریتمهای کوانتومی باز کند. نتایج این مطالعه همچنین نشان میدهد که الگوریتم QHT در شرایط مناسب، نسبت به بهترین روشهای کلاسیک شناختهشده برای انجام عملیات مشابه، از برتری سرعت نمایی برخوردار است. هرچند دستیابی به این مزیت به رایانههای کوانتومی مقاوم در برابر خطا و با مقیاس بزرگ نیاز دارد، اما پژوهشگران این نتیجه را نشانهای مهم از ظرفیت بالای این الگوریتم میدانند. این پروژه با حمایت برنامه «پژوهشهای محاسبات علمی پیشرفته» وزارت انرژی آمریکا آغاز شد. همکاری اولیه میان «نینگ بائو»، استادیار دانشگاه نورثایسترن با انتصاب مشترک در آزمایشگاه ملی بروکهاون، و «استیون جردن» از Google Quantum AI شکل گرفت و سپس با پیوستن پژوهشگران دانشگاه تگزاس در آستین به یک پروژه مشترک گسترده تبدیل شد. پژوهشگران در پایان تأکید کردند که آینده رایانههای کوانتومی تنها به توسعه تراشههای قدرتمندتر وابسته نیست، بلکه طراحی الگوریتمها و بلوکهای محاسباتی جدید نیز اهمیت یکسانی دارد. آنها معتقد هستند که الگوریتمهایی مانند تبدیل هرمیت کوانتومی میتوانند پایهگذار ن
تکنوک
تکنوکتکنوک