شکست کامپیوتر های کوانتومی از کامپیوتر های سنتی!
به گزارش گروه هوش مصنوعی، پژوهشگران می گویند، گاهی اوقات کامپیوتر های کلاسیک به لطف الگوریتم های جدید می توانند از کامپیوتر های کوانتومی بهتر عمل کنند و این ایده که کوانتوم همیشه غالب است، درست نیست.
به گزارش گروه هوش مصنوعی به نقل از ایسنا، پژوهشگران دانشگاه نیویورک(NYU) کشف کرده اند که کامپیوتر های کلاسیک در بعضی شرایط می توانند با کامپیوتر های کوانتومی همگام شوند یا حتی از آنها پیشی بگیرند.
آنها دریافتند که کامپیوتر های کلاسیک با اتخاذ یک روش الگوریتمی ابتکاری جدید می توانند سرعت و دقت مورد نیاز را بالا برند که در نهایت می تواند به این مفهوم باشد که اگر کامپیوتر های کوانتومی از کار بیفتند، هنوز در آینده جا دارند.
به نقل از کانورسیشن، خیلی از کارشناسان اعتقاد دارند که محاسبات کوانتومی نشان دهنده یک تغییر پارادایم از محاسبات کلاسیک است. این در درجه اول به این علت است که همان گونه که می دانید کامپیوتر های کلاسیک اطلاعات را با استفاده از بیت های دیجیتال(۰ و ۱) پردازش می کنند، در حالیکه کامپیوتر های کوانتومی از بیت های کوانتومی(کیوبیت) برای ذخیره اطلاعات در مقادیر بین ۰ و ۱ استفاده می نمایند.
این قابلیت، کامپیوتر های کوانتومی را قادر می سازد تا اطلاعات را در کیوبیت پردازش و ذخیره کنند و به الگوریتم های کوانتومی اجازه می دهد تا از همتایان کلاسیک خود بهتر عمل کنند. علاوه بر این، کامپیوتر های کوانتومی اطلاعات را در مقادیر بین ۰ تا ۱ ذخیره می کنند که تقلید کامل از کامپیوتر های کوانتومی را برای کامپیوتر های کلاسیک دشوار می کند.
با این وجود، همانطور که مشخص است، کامپیوتر های کوانتومی ظریف و مستعد از دست دادن اطلاعات هستند. علاوه بر این، حتی اگر اطلاعات حفظ شود، تبدیل آن به اطلاعات کلاسیک لازم برای محاسبات عملی آسان نیست.
امید به زنده ماندن کامپیوتر های سنتی
کامپیوتر های کلاسیک یا سنتی مانند کامپیوتر های کوانتومی از مشکلات از دست دادن اطلاعات و تبدیل و ارسال اطلاعات رنج نمی برند. علاوه بر این، همانطور که در مقاله تحقیقاتی اخیر انتشار یافته در مجله PRX Quantum توضیح داده شده است، میتوان جهت استفاده از این چالش ها و شبیه سازی یک کامپیوتر کوانتومی با منابع بسیار کمتر از آن چه قبلاً تصور می شد، الگوریتم های کلاسیک طراحی کرد.
نتایج این مطالعه جدید نشان داده است که محاسبات کلاسیک می تواند محاسبات سریع تر و دقیق تری را نسبت به کامپیوتر های کوانتومی پیشرفته انجام دهد.
این پیشرفت با الگوریتمی به دست آمده است که تنها بخشی از اطلاعات ذخیره شده را در حالت کوانتومی نگه می دارد که به اندازه کافی برای محاسبه دقیق نتیجه کارآمد است.
دریس سلز، استادیار دپارتمان فیزیک دانشگاه نیویورک و یکی از نویسندگان این مقاله توضیح می دهد: این کار نشان داده است که راه های بالقوه زیادی برای بهبود محاسبات وجود دارد که شامل نگاههای کلاسیک و کوانتومی می شود.
وی ادامه داد: علاوه بر این، کار ما نشان داده است که دستیابی به مزیت کوانتومی با یک کامپیوتر کوانتومی مستعد خطا چقدر دشوار است.
برای این منظور، سلز و همکارانش بر روی یک شبکه تانسور تمرکز کردند که اعتقاد بر اینست که تعاملات بین کیوبیت ها را به صورت دقیق نشان داده است. کار کردن با این شبکه ها چالش برانگیز بوده است، اما پیشرفت های اخیر در این حوزه حالا به این شبکه ها اجازه می دهد تا با استفاده از ابزارهای استنتاج آماری بهینه سازی شوند.
شبکه های تانسور بهترین دوست کامپیوتر های شخصی قدیمی هستند
قابل ذکر است که این روش جدید تنها بر روی مهم ترین اطلاعات تمرکز می کند و بقیه را نادیده می گیرد، مانند زمانیکه عکسی را فشرده می کنید تا بدون از دست دادن کیفیتی که برایتان مهم می باشد، آنرا کوچک تر کنید. این روش به کامپیوتر های معمولی اجازه می دهد تا کارهای جالبی را که کامپیوتر های کوانتومی می توانند انجام دهند، عملی کنند.
پژوهشگران روش خویش را با فشرده سازی یک عکس در یک فایل JPEG مقایسه می کنند. درست مانند فشرده سازی یک عکس، حجم فایل بدون نامفهوم شدن محتوا کاسته می شود. برای این منظور، تکنیک آنها مساله محاسبات کوانتومی را ساده می کند تا یک کامپیوتر معمولی بتواند آنرا به نحوی کارآمدتر مدیریت کند.
جوزف تیندل از مؤسسه Flatiron که این پروژه را رهبری می کند، می گوید: انتخاب ساختارهای مختلف برای شبکه تانسور به انتخاب اشکال مختلف فشرده سازی مانند فرمت های مختلف برای تصویر شما مربوط می شود. ما با موفقیت درحال توسعه ابزارهایی برای کار با طیف گسترده ای از شبکه های تانسور هستیم. این کار منعکس کننده آن است و ما مطمئن هستیم که بزودی سطح محاسبات کوانتومی را حتی بیشتر وسعت خواهیم بخشید.
این مطالعه در مجله PRX Quantum انتشار یافته است.
مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب