D-Wave شبیهساز کوانتومی آگاه از خطا را عرضه میکند
D-Wave از یک شبیهساز رایانش کوانتومی دروازهای رونمایی کرده است که برای برنامهنویسی آگاه از خطا طراحی شده و دسترسی به آن از طریق پلتفرم ابری Leap در ماه سپتامبر آغاز میشود. این ابزار قرار است به توسعهدهندگان اجازه دهد رفتار پردازندهٔ کوانتومی، خطاهای احتمالی و روند کنترل لحظهای را پیش از اجرای کامل روی سختافزار بررسی کنند. شبیهسازی خطا بهتنهایی رایانش کوانتومی را عملی نمیکند، اما فاصلهٔ میان کد نظری و دستگاه واقعی را برای پژوهشگر کمتر میکند.
مدل دروازهای و تفاوت آن با روشهای دیگر
در رایانش کوانتومی دروازهای، الگوریتم به دنبالهای از عملیات روی کیوبیتها تبدیل میشود. هر دروازه، حالت کیوبیت را تغییر میدهد و ترکیب طولانی از آنها محاسبه را شکل میدهد. اگر دستگاه بدون خطا بود، شبیهسازی مدار نسبتاً سادهتر بود؛ در دنیای واقعی اما هر عملیات احتمال خطا دارد و این احتمال در طول مدار جمع میشود. توسعهدهنده باید بداند یک الگوریتم در شرایط نویزی چه خروجیای خواهد داشت، نه فقط در حالت ایدهآل.
D-Wave پیشتر بیشتر با سامانههای آنیلینگ کوانتومی شناخته میشد، اما ابزار جدید به مسیر دروازهای مربوط است. این دو رویکرد برای همهٔ مسئلهها یکسان نیستند و روش برنامهنویسی متفاوتی دارند. شبیهساز تازه میتواند به شرکت اجازه دهد الگوریتمهای دروازهای را در کنار ابزارهای فعلی ارزیابی کند. این حرکت همچنین نشان میدهد بازار کوانتوم بهسمت ارائهٔ زیرساخت نرمافزاری چندلایه میرود، نه فقط فروش دسترسی به یک نوع پردازنده.
پشتیبانی از ۲۱ کیوبیت
نسخهٔ اعلامشده از شبیهسازی تا ۲۱ کیوبیت پشتیبانی میکند. این عدد برای الگوریتمهای آموزشی، آزمونهای کوچک و بررسی منطق مدار کافی است، اما با اندازهٔ مسئلههایی که برای برتری تجاری مطرح میشوند فاصله دارد. ارزش چنین ابزاری در همین مرحله، امکان مطالعهٔ رفتار خطا و کنترل است؛ پژوهشگر میتواند قبل از پرداخت هزینهٔ اجرای دستگاه واقعی، نسخههای مختلف مدار را مقایسه کند.
شبیهساز دو حالت دارد: اجرای ایدهآل برای بررسی منطق اصلی و حالت شبیهسازی سختافزار که مدل خطا را وارد محاسبه میکند. مقایسهٔ این دو خروجی به تیم نشان میدهد افت عملکرد از الگوریتم است یا از محدودیت دستگاه. اگر مدار در حالت ایدهآل جواب درست بدهد اما در حالت نویزی شکست بخورد، توسعهدهنده میتواند تعداد دروازهها را کم کند، ترتیب آنها را تغییر دهد یا از روش تصحیح مناسب استفاده کند.
برنامهنویسی آگاه از خطا
در رویکرد آگاه از خطا، خطا پس از پایان کار اندازهگیری نمیشود؛ از همان زمان طراحی در تصمیمهای برنامهنویس وارد میشود. ابزار باید نشان دهد کدام عملیات احتمال خطای بیشتری دارند، وضعیت کیوبیتها چگونه تغییر میکند و چه زمانی اندازهگیری میتواند به کنترل مدار کمک کند. این اطلاعات برای ساخت الگوریتمی مهم است که روی یک دستگاه واقعی با محدودیتهای مشخص اجرا شود. هدف این نیست که نرمافزار همهٔ نویز را پنهان کند؛ هدف آن است که نویز به بخشی قابل مدیریت از طراحی تبدیل شود.
D-Wave همچنین از تشخیص خطا و کنترل جریان در زمان اجرا سخن گفته است. در یک مدار تطبیقی، نتیجهٔ میانی میتواند مسیر مرحلهٔ بعد را تغییر دهد. اگر سامانه بتواند رخداد غیرعادی را تشخیص دهد و اجرای مناسب را انتخاب کند، تعداد آزمونهای بینتیجه کم میشود. البته تشخیص خطا با اصلاح خطا تفاوت دارد؛ شناسایی مشکل فقط زمانی مفید است که برنامه مسیر امنی برای واکنش به آن داشته باشد.
شبیهسازی مونتکارلو
خطاهای کوانتومی کاملاً قطعی نیستند و رفتارشان به شرایط دستگاه و زمان اجرا وابسته است. شبیهسازی مونتکارلو با تکرار محاسبه و نمونهگیری از حالتهای مختلف، تصویری آماری از نتیجه ارائه میکند. توسعهدهنده میتواند ببیند احتمال موفقیت یک مدار در محدودهٔ معقول چقدر است و برای رسیدن به دقت مورد نیاز به چند بار اجرا احتیاج دارد. این موضوع برای بودجهبندی استفاده از سرویس ابری هم اهمیت دارد.
هزینهٔ محاسبات کلاسیک شبیهسازی با افزایش کیوبیت و عمق مدار بهسرعت بالا میرود. بنابراین شبیهساز جایگزین پردازندهٔ کوانتومی بزرگ نیست و باید برای مرحلهٔ مناسب استفاده شود. طراحی اولیه، آموزش و آزمون خطای کوچک را میتوان روی شبیهساز انجام داد؛ سپس مدار فشردهشده روی دستگاه واقعی اجرا شود. این تقسیم کار زمان دسترسی به سختافزار محدود را آزاد میکند.
اتصال به Ocean SDK و Leap
ادغام با Ocean SDK به کاربران اجازه میدهد ابزار جدید را کنار کتابخانههای آشنای D-Wave به کار ببرند. دسترسی از طریق Leap نیز مدل ابری را ساده میکند؛ توسعهدهنده لازم نیست دستگاه را نصب و کالیبره کند و میتواند از محیط یکپارچه برای ارسال مدار و دریافت نتیجه استفاده کند. بستههای توسعهای با هزینهٔ ماهانه و پشتیبانی مهندسی هم برای سازمانهایی در نظر گرفته شدهاند که به بودجهٔ قابل پیشبینی نیاز دارند.
مدل ابری، هم فرصت و هم محدودیت دارد. تیم کوچک میتواند بدون خرید سختافزار به آزمایش دسترسی پیدا کند، اما زمان صف، هزینهٔ اجرای تکراری و سیاست نگهداری داده باید بررسی شود. پروژههای محرمانه ممکن است به کنترل بیشتری نیاز داشته باشند. D-Wave باید دربارهٔ تفکیک حسابها، ثبت لاگ و حفاظت از مدارهای اختصاصی توضیح روشن ارائه کند تا مشتری سازمانی بتواند استفادهٔ بلندمدت را ارزیابی کند.
اثر بر توسعهٔ الگوریتم
بزرگترین دستاورد شبیهساز شاید کوتاهشدن چرخهٔ آزمون باشد. پژوهشگر میتواند فرضیهای را روی مدار کوچک امتحان کند، مدل خطا را تغییر دهد و اثر هر اصلاح را ببیند. این تجربه به تیم کمک میکند الگوریتمی بسازد که فقط از نظر ریاضی زیبا نباشد، بلکه با محدودیتهای دستگاه سازگار باشد. برای آموزش نیروی متخصص نیز محیط شبیهسازی امنتر از شروع مستقیم با سختافزار واقعی است.
این ابزار در عین حال باید با معیارهای مستقل سنجیده شود. تعداد کیوبیت پشتیبانیشده تنها معیار نیست؛ سرعت شبیهسازی، دقت مدل خطا، کیفیت مستندات و امکان انتقال کد به دستگاههای دیگر اهمیت دارند. اگر شبیهساز رفتار سختافزار را بیش از حد ساده کند، توسعهدهنده در مرحلهٔ واقعی غافلگیر میشود. ارزش تجاری آن زمانی ثابت خواهد شد که الگوریتمهای ساختهشده از این مسیر روی سامانهٔ واقعی نتیجهٔ قابل تکرار بدهند.
عرضهٔ شبیهساز D-Wave بخشی از تلاش صنعت برای تبدیل رایانش کوانتومی به یک گردشکار مهندسی است. پیش از رسیدن به پردازندههای بزرگ و مقاوم در برابر خطا، ابزارهایی لازم است که شکستهای کوچک را قابل مشاهده و قابل تحلیل کنند. Leap این امکان را در قالب سرویس ابری ارائه میدهد و توسعهدهندگان میتوانند بدون سرمایهگذاری سنگین، مهارت و کد خود را آماده کنند. آیندهٔ این بازار به ترکیب همین ابزارهای نرمافزاری با پیشرفت سختافزار وابسته است.
تاریخ انتشار: ۲۵ شهریور ۱۴۰۵
منبع: D-Wave
