تصحیح خطای کوانتومی: چرا کامپیوترهای کوانتومی واقعی، باید قبل از همه چیز یاد بگیرند فراموش نکنند

وقتی یک کامپیوتر کلاسیک یک عدد را در حافظه ذخیره می‌کند، آن عدد در یک حالت پایدار و ساده باقی می‌ماند: مجموعه‌ای از بیت‌های صفر و یک. اگر یک بیت اشتباه شود—مثلاً یک پرتو کیهانی به یک ترانزیستور برخورد کند—سیستم اغلب می‌تواند آن را تشخیص دهد و خود‌به‌خود اصلاح کند. این کار آن‌قدر معمول است که ما اصلاً به آن فکر نمی‌کنیم.

حالا یک کامپیوتر کوانتومی را تصور کنید. هر کیوبیت در یک حالت ظریف ساخته شده از سوپرپوزیشن و انباشت‌ها (entanglement). همان لحظه که یک نوسان دما، یک ارتعاش، یا حتی یک عکس‌العمل با یک فوتون پرت اتفاق بیفتد، آن حالت ظریف از بین می‌رود. به این پدیده می‌گویند «هم‌گرایی» (decoherence)، و این بزرگ‌ترین مانع بین قول‌های فناوری کوانتومی و واقعیت روزمره است.

این مقاله توضیح می‌دهد چرا تصحیح خطای کوانتومی (Quantum Error Correction، یا QEC) قلب هر تحول جدی در محاسبات کوانتومی است، چطور می‌تواند کار کند با وجود قانون‌های ظاهراً متناقض مکانیک کوانتومی، و چرا در ۲۰۲۶ این مفهوم بالاخره از تئوری به آستانه‌ی عملی رسیده است.

مسئله: کیوبیت‌ها فراموش‌کارند

بیایید با مقیاس مسئله شروع کنیم. در یک پردازنده‌ی کوانتومی پیشرفته‌ی امروزی، نرخ خطای یک عملیات تک‌کیوبیتی حدود یک در هزار است. یعنی از هر ۱۰۰۰ عملیات، حدود یکی اشتباه می‌شود. عملیات دوکیوبیتی بدتر است—نرخ خطا حدود یک در صد یا حتی بدتر.

برای حل یک مسئله‌ی واقعاً جالب کوانتومی—مثل شکستن رمزنگاری RSA-2048 یا شبیه‌سازی دقیق یک مولکول دارویی—نیاز به میلیون‌ها یا میلیاردها عملیات داریم. اگر هر کدام با احتمال ۰.۱ درصد اشتباه شود، احتمال درست بودن کل محاسبه عملاً صفر است. در یک کامپیوتر کلاسیک هم این مسئله بود، اما در آن‌جا یک پاسخ ساده داشتیم: اگر چند کپی از یک بیت بسازیم و آن‌ها را همزمان ذخیره کنیم، می‌توانیم با رأی‌گیری اکثریت خطاها را تشخیص دهیم. اگر سه بیت ۰، ۰، ۱ داشتیم، احتمالاً جواب درست ۰ است.

چرا راه‌حل کلاسیک در کوانتوم کار نمی‌کند؟

این‌جا با اولین مانع نظری روبه‌رو می‌شویم. مکانیک کوانتومی یک قاعده‌ی فولادین دارد به اسم قضیه‌ی «نسخه‌برداری ممنوع» (No-Cloning Theorem). این قضیه می‌گوید نمی‌توانید یک حالت کوانتومی ناشناخته را به‌طور دقیق کپی کنید. این یک محدودیت فلسفی نیست—یک نتیجه‌ی ریاضی مستقیم از خطی بودن مکانیک کوانتومی است.

خبر بدتر: حتی اگر می‌توانستیم کپی کنیم، اندازه‌گیری مستقیم یک کیوبیت برای دیدن وضعیتش، خود اندازه‌گیری حالت کوانتومی را از بین می‌برد. اگر یک کیوبیت در سوپرپوزیشن دو حالت ۰ و ۱ باشد، اندازه‌گیری‌اش آن را به یکی از دو حالت ساده فرومی‌اندازد. این یعنی ما نمی‌توانیم در میانه‌ی محاسبه بایستیم و چک کنیم همه چیز درست پیش رفته یا نه.

در دهه‌ی ۱۹۹۰، تقریباً همه فکر می‌کردند این دو محدودیت با هم به این معنا هستند که محاسبات کوانتومی در مقیاس بزرگ نظراً غیرممکن است.

ایده‌ی شور: اطلاعات را در فضای بزرگ‌تر پنهان کن

در ۱۹۹۵، Peter Shor یک ایده‌ی هوشمندانه منتشر کرد که این بن‌بست را شکست. ایده در ساده‌ترین شکلش این است: به‌جای نگه‌داری اطلاعات در یک کیوبیت، آن را در یک «الگوی هم‌بسته» از چند کیوبیت ذخیره کن. حالت منطقی |۰⟩ و |۱⟩ از طریق سوپرپوزیشن‌ها و ان‌تنگلمنت‌های پیچیده در کیوبیت‌های فیزیکی متعدد رمزگذاری شود.

نکته‌ی برجسته این است: می‌توان «سنجش‌های جزئی» انجام داد که نه خود اطلاعات منطقی را آشکار می‌کنند، نه آن را خراب می‌کنند، اما به ما می‌گویند آیا خطایی رخ داده یا نه و کجا. این سنجش‌ها روی چیزی به اسم «syndrome» انجام می‌شوند—نشانگرهایی که از روابط بین کیوبیت‌ها بدست می‌آیند، نه از خود کیوبیت‌ها.

نتیجه: می‌توانیم تشخیص دهیم خطا کجا اتفاق افتاده، چه نوع خطایی بوده، و آن را اصلاح کنیم، بدون اینکه هیچ‌گاه اطلاعات کوانتومی اصلی را مستقیماً مشاهده کنیم. تصحیح کاملاً «کور» نسبت به محتوای واقعی است.

سه نوع خطا، که در یک قاب می‌گنجند

یکی از زیبایی‌های نظری QEC این است که فقط با تصحیح دو نوع خطا، تمام انواع خطاهای پیوسته‌ی کوانتومی پوشش داده می‌شوند:

• خطای بیت‌چرخش (bit-flip): مثل خطای کلاسیک، ۰ به ۱ تبدیل می‌شود و برعکس
• خطای فاز‌چرخش (phase-flip): چیزی که در کامپیوتر کلاسیک معادل ندارد—نشانه‌ی فاز یکی از حالت‌های سوپرپوزیشن عوض می‌شود
• ترکیب این دو، که خطای Y نامیده می‌شود

این یک نتیجه‌ی شگفت‌انگیز ریاضی است: هر خطای پیوسته‌ی کوانتومی، با تصحیح خطاهای بیت و فاز، اصلاح می‌شود. این یعنی ما با تعداد محدودی نوع خطا، می‌توانیم همه‌ی خرابی‌ها را پوشش بدهیم.

کد سطحی (Surface Code) و چرا ۱۰۰۰ کیوبیت برای یک کیوبیت لازم است

از ۱۹۹۵ به این طرف، چندین کد QEC پیشنهاد شده. یکی از موفق‌ترین‌ها که امروز بیشترین تحقیقات روی آن متمرکز شده، Surface Code است. ایده در یک عبارت: کیوبیت‌های فیزیکی را روی یک شبکه‌ی دوبعدی بچینید، و هر کیوبیت منطقی را در یک ناحیه‌ی محلی از این شبکه رمز کنید. هرچه ناحیه بزرگ‌تر باشد، تحمل خطای بیشتری دارد.

تخمین‌های فعلی این‌طور است: برای اینکه یک کیوبیت منطقی پایدار با نرخ خطای کمتر از ۱ در یک میلیارد عملیات داشته باشیم، نیاز به حدود ۱۰۰۰ کیوبیت فیزیکی—با کیفیت سخت‌افزاری امروز—داریم. این عدد به سرعت با بهبود کیفیت سخت‌افزار کاهش می‌یابد، اما حتی در خوش‌بینانه‌ترین حالت، نسبت چندصد به یک باقی می‌ماند.

این یعنی برای ساخت یک کامپیوتر کوانتومی با ۱۰۰ کیوبیت منطقی پایدار، نیاز به یک پردازنده‌ی فیزیکی با ۱۰۰,۰۰۰ کیوبیت داریم. پردازنده‌های کوانتومی امروز در محدوده‌ی هزار تا چندهزار کیوبیت فیزیکی هستند. فاصله هنوز هست، ولی برای اولین‌بار، در محدوده‌ی قابل تصور است.

آستانه‌ی خطا: عدد جادویی

یکی از مفاهیم محوری QEC مفهوم «آستانه‌ی خطا» (error threshold) است. این می‌گوید: اگر نرخ خطای سخت‌افزاری زیر یک عدد خاص باشد، می‌توان با اضافه کردن کیوبیت‌های بیشتر، نرخ خطای منطقی را دلخواه پایین آورد. اگر بالای آن آستانه باشد، اضافه کردن کیوبیت‌ها وضع را بدتر می‌کند.

برای Surface Code، این آستانه حدود ۱ درصد است. سخت‌افزار کوانتومی امروز Google، IBM، و QuEra در حالت‌های متفاوت بین ۰.۱ تا ۰.۵ درصد نرخ خطا دارند—یعنی زیر آستانه. این برای اولین بار است که این اتفاق در عمل افتاده.

در دسامبر ۲۰۲۴، Google با پردازنده‌ی Willow یک نتیجه‌ی مهم منتشر کرد: نشان داد که با اضافه کردن کیوبیت‌های فیزیکی، نرخ خطای منطقی به‌صورت نمایی کاهش می‌یابد—دقیقاً همان رفتاری که تئوری پیش‌بینی کرده بود. این یک لحظه‌ی تاریخی برای میدان بود.

ما حالا می‌دانیم تصحیح خطای کوانتومی کار می‌کند. سؤال دیگر این نیست که آیا. سؤال این است که با چه سرعتی می‌توانیم مقیاسش بدهیم.تفسیر آزاد از نتایج پردازنده‌ی Willow، دسامبر ۲۰۲۴

این چه چیزی را در آستانه می‌گذارد؟

بیشتر هیجان‌انگیزترین کاربردهای محاسبات کوانتومی—شکستن رمزنگاری مدرن، شبیه‌سازی دقیق مولکول‌ها برای کشف دارو، حل بهینه‌سازی‌های پیچیده در لجستیک—نیاز به کامپیوترهای کوانتومی «تحمل‌پذیر خطا» (fault-tolerant) دارند، یعنی همان چیزی که QEC ممکن می‌کند.

تخمین‌های فعلی این‌طور است که ما در یک افق پنج تا ده ساله، می‌توانیم به این کامپیوترها برسیم. این یک تخمین جسورانه است که قطعیتی ندارد، اما برای اولین بار از دهه‌ی ۱۹۹۰، در محدوده‌ی پیش‌بینی‌پذیر است.

1. رمزنگاری: تقریباً همه‌ی سیستم‌های امنیتی اینترنت امروز (HTTPS، بانکداری آنلاین، بلاک‌چین) بر اساس مسائل ریاضی‌ای ساخته‌اند که کامپیوتر کوانتومی fault-tolerant می‌تواند در زمان قابل‌قبول حل کند
2. کشف دارو: شبیه‌سازی دقیق فعل و انفعالات الکترون‌ها در یک مولکول دارویی، چیزی است که هیچ کامپیوتر کلاسیکی حتی در آینده‌ی نزدیک نمی‌تواند انجامش دهد
3. مواد جدید: طراحی ابر رساناهای دما-بالا، باتری‌های بهتر، و کاتالیست‌های مؤثرتر برای تولید سوخت سبز
4. بهینه‌سازی: مسائلی در حمل‌و‌نقل، زنجیره‌ی تأمین، و طراحی شبکه که در حالت کلاسیک نیاز به تقریب دارند

محدودیت‌های واقع‌بینانه

اما چند نکته‌ی واقع‌بینانه: حتی با QEC کاملاً موفق، کامپیوترهای کوانتومی همه‌جانبه نیستند. آن‌ها سریع‌تر از کلاسیک هستند فقط برای کلاس خاصی از مسائل که الگوریتم کوانتومی برایشان داریم. برای اکثر کارهای روزمره (پردازش متن، نمایش وب، یادگیری ماشین معمولی) کلاسیک بهتر باقی خواهد ماند.

همچنین، حتی اگر فردا یک کامپیوتر کوانتومی fault-tolerant داشتیم، تبدیل کردن آن به یک سیستم اقتصادی، قابل‌اعتماد، و قابل‌اتصال به دنیای دیجیتال موجود، چالش‌های مهندسی عظیمی دارد که خود می‌توانند دهه‌ها طول بکشند.

محدودیت دیگر، چیزی است که فیزیک‌دانان به آن «overhead زمانی» می‌گویند. اضافه کردن کیوبیت‌های اضافی برای تصحیح خطا، نه فقط فضا می‌خواهد—زمان هم می‌خواهد. هر بار که می‌خواهیم خطا را تشخیص دهیم، باید چندین مرحله‌ی سنجش انجام دهیم. این به این معناست که یک کامپیوتر کوانتومی fault-tolerant ممکن است در عمل کندتر از نسخه‌های noisy فعلی باشد، حتی اگر نتایجش قابل‌اعتماد باشد.

چرا این مهم است؟

QEC نمونه‌ی جالبی از یک پدیده‌ی عمیق‌تر در علم است: گاهی بزرگ‌ترین پیشرفت‌ها در یک حوزه، نه از کشف یک ایده‌ی جدید، بلکه از حل مسائل عملی‌ای می‌آید که پنج دهه روی میز نشسته بودند. تصحیح خطا یک ایده‌ی پاسخ‌داده‌نشده از ۱۹۹۵ بود. در ۲۰۲۴، با یک نشان عملی، در حال پاسخ گرفتن است.

از منظر شخصی، اهمیتش این است: ما در حال شاهد بودن مرحله‌ای از یک فناوری بنیادی هستیم که از تئوری به عمل می‌رود. مرحله‌ی مشابهی برای ترانزیستور در دهه‌ی ۱۹۵۰، برای اینترنت در دهه‌ی ۱۹۸۰، و برای یادگیری عمیق در ۲۰۱۲ اتفاق افتاد. نتیجه‌ی این مرحله‌ها، در زمان وقوع، اغلب کم‌اهمیت به‌نظر می‌رسید. اما در نگاه به گذشته، نقطه‌ی عطف بودند.

اگر شما هم می‌خواهید با پیشرفت‌هایی که زیربنای دهه‌ی بعد را می‌سازند، همگام رشد کنید نه اینکه فقط در پایان درباره‌شان بخوانید، اپلیکیشن Infercia دقیقاً برای همین وجود دارد: یادگیری بنیادی و پیوسته، در فاصله‌های قابل‌مدیریت، با محتوایی که در حال بازنویسی واقعیتی است که در آن زندگی خواهیم کرد.