کمتر، بیشتر است: IBM موفق به یافتن راهکار جدیدی در پردازش کوانتومی شد

[av_heading heading=’کمتر، بیشتر است: IBM موفق به یافتن راهکار جدیدی در پردازش کوانتومی شد’ tag=’h1′ link_apply=” link=’manually,http://’ link_target=” style=” size=” subheading_active=” subheading_size=’15’ margin=” padding=’10’ color=” custom_font=” custom_class=” admin_preview_bg=” av-desktop-hide=” av-medium-hide=” av-small-hide=” av-mini-hide=” av-medium-font-size-title=” av-small-font-size-title=” av-mini-font-size-title=” av-medium-font-size=” av-small-font-size=” av-mini-font-size=” av_uid=’av-mtbw0n’][/av_heading] [av_textblock size=” font_color=” color=” av-medium-font-size=” av-small-font-size=” av-mini-font-size=” av_uid=’av-kkc883xs’ custom_class=” admin_preview_bg=”]

کوانتوم، راهی به سوی آینده

محققان IBM بدون نیاز به کیوبیت (بیت کوانتومی) بیشتر، به شبیه سازی بهتری از مولکول ها دست یافتند که می تواند برای طراحی های جدید مورد استفاده قرار گیرد.

در حالی که جامعه علمی تمام توان خود را برای یک رایانه کوانتومی در مقیاس بزرگ حفظ کرده است که می تواند محاسبات مفیدی را انجام دهد، تیمی از محققان IBM با دیدی کاملاً متفاوت به این مسئله پرداخته اند: دستیابی به نتایج بیشتر و بهتر در حال حاضر، حتی با محدودیت کوانتوم منابعی که امروز وجود دارد. دانشمندان با تغییر روش قبلی خود، برخی از مولکول ها را با درجه دقت بالاتری نسبت به قبل و بدون نیاز به کیوبیت (بیت کوانتومی) بیشتر، با موفقیت شبیه سازی کردند. محققان موفق شدند اطلاعات بیشتری را در توابع ریاضی که برای انجام شبیه سازی استفاده شده اند، قرار دهند؛ به این معنی که نتیجه فرآیند دقیق تر بود و بدون هیچ هزینه محاسباتی اضافی است.
محققان می گویند: «ما نشان دادیم كه خصوصیات مولكولهای پارادایمی مانند هیدروژن فلوراید (HF) با دقت بالاتری در رایانه های كوانتومی كوچك امروزی قابل محاسبه است.»
شرکت خودرو سازی دایملر، شریک تحقیقات طولانی مدت کوانتومی IBM، علاقه شدیدی به این نتایج نشان داده است، که می تواند در تولید باتری های با کارایی بالاتر و با دوام  و قیمت بیشتر بسیار مفید باشد.

از سال 2015، دایملر در حال کار بر روی به روز رسانی باتری های یون لیتیوم به گوگرد لیتیوم، ماده ای غیر سمی و به در دسترس است که ظرفیت و سرعت شارژ وسایل نقلیه الکتریکی را افزایش می دهد.

طراحی باتری بر اساس مواد جدید نیاز به درک دقیق ترکیبات و چگونگی ترکیب آنها دارد. این فرایند شامل توصیف دقیق تمام خصوصیات تمام مولکولهای سازنده ترکیب و همچنین ذرات سازنده این مولکولها برای شبیه سازی نحوه واکنش ترکیب در محیطهای مختلف است.

روشهای کلاسیکی که امروزه وجود دارد، نمی توانند این شبیه سازیها را با دقت لازم برای دستیابی به موفقیت مانند آنچه دایملر در حال انجام آن است، ارائه دهند. هایك ریل ، مدیر تحقیقات كوانتومی IBM، به ZDNet گفته است: «این یك مشكل بزرگ برای تولید باتری های نسل بعدی است.» «رایانه های کلاسیک و مدل هایی که ما سالها در فیزیک و شیمی تولید کرده ایم هنوز نمی توانند این مشکلات را حل کنند.» اما این کار می تواند با سرعت توسط رایانه های کوانتومی انجام شود. Qubits و توانایی آنها برای رمزگذاری همزمان اطلاعات مختلف، الگوریتم های کوانتوم را قادر می سازد تا چندین محاسبات را همزمان انجام دهند. انتظار می رود که یک روز، رایانه های کوانتومی بتوانند در عرض چند دقیقه با مشکلاتی که ظاهراً غیرممکن هستند روبرو شوند و آنرا حل کنند.

برای این کار، فیزیکدانان به رایانه های کوانتومی نیاز دارند که بسیاری از کیوبیت ها را پشتیبانی کند. اکنون اکثر رایانه های کوانتومی، از جمله IBM ، با کمتر از 100 کیوبیت کار می کنند، که به اندازه کافی برای شبیه سازی مولکولهای پیچیده مورد نیاز برای دستیابی به موفقیت در این زمینه (مانند باتری های لیتیوم گوگرد) نزدیک نیست.

برخی از خصوصیات این مولکولها به طور معمول در آزمایشات رایانه ای با عملکرد ریاضی بنام همیلتونین (Hamiltonian) نشان داده می شود که نمایانگر توابع فضایی ذرات است که اوربیتال نیز نامیده می شوند. به عبارت دیگر، هرچه مولکول بزرگتر باشد، مداری بزرگتر خواهد داشت و به تعداد بیشتری کیوبیت و عملیات کوانتومی نیازمند خواهد بود.

تیم IBM می گوید:«ما در حال حاضر نمی توانیم به اندازه کافی اوربیتال ها را در شبیه سازی های خود در مورد سخت افزار کوانتومی داشته باشیم تا الکترون های موجود در مولکول های پیچیده در دنیای واقعی را با هم مرتبط کنیم.»

محققان به جای انتظار برای یک کامپیوتر کوانتومی بزرگتر که می تواند محاسباتی سنگین را انجام دهد، تصمیم گرفته اند ببینند که این فناوری در حال حاضر چه کاری می تواند انجام دهد. برای جبران محدودیت های منابع، این تیم یک همیلتونین به اصطلاح “همبسته” ایجاد کرد، چیزی که حاوی اطلاعات اضافی در مورد رفتار الکترون ها در یک مولکول خاص تغییر شکل داده بود.

این اطلاعات که مربوط به میل الکترونهای بار منفی برای دفع یکدیگر است، معمولاً نمی تواند در رایانه های کوانتومی موجود جای گیرد، زیرا به محاسبات اضافی بیش از حد نیاز دارد. بنابراین، با وارد کردن رفتار الکترونها به طور مستقیم در یک همیلتونی ، محققان دقت شبیه سازی را افزایش دادند ، اما نیازی به کیوبیت بیشتر ایجاد نکردند.

این روش، با وجود منابع محدود موجود تا به امروز، گام جدیدی برای محاسبه خصوصیات عناصر با دقت در رایانه کوانتومی است. دانشمندان گفتند: هرچه تعداد اوربیتال بیشتری بتوانید شبیه سازی کنید، می توانید به تولید نتایج یک آزمایش واقعی نزدیکتر شوید. مدل سازی و شبیه سازی بهتر در نهایت منجر به پیش بینی مواد جدید با ویژگی های خاص مورد علاقه خواهد شد.
یافته های IBM ممکن است جدول زمانی وقایع را برای برنامه های کوانتومی تسریع کند، بنابراین موارد استفاده جدید از این تکنولوژی حتی در حالی که رایانه های کوانتومی با چند کیوبیت محدود کار می کنند، ظهور می یابد. به گفته محققان، شرکت هایی مانند دایملر از قبل مشتاقانه اطلاعات بیشتری در مورد موفقیت در این زمینه کسب کرده اند.

بعید است که این تمرکز IBM فقط بر گسترش مقیاس رایانه کوانتومی آن باشد. این شرکت اخیراً از نقشه راهی به سیستم یک میلیون کیوبیتی رونمایی کرده و گفته است که انتظار دارد یک کامپیوتر کوانتومی مقاوم در برابر خطا تا ده سال آینده یک هدف قابل دستیابی باشد. به گفته این شرکت، شبیه سازی کوانتومی احتمالاً یکی از اولین کاربردهای این فناوری است که شاهد تأثیرات دنیای واقعی است. باتری های خودرو نمونه خوبی از این موضوع هستند. به زودی، تعداد کیوبیت ها برای تولید اطلاعات ارزشمندی که می توانید با آنها مواد جدیدی تولید کنید کافی خواهد بود. به زودی شاهد مزیت کوانتومی در زمینه شبیه سازی کوانتوم و مواد جدید خواهیم بود.

نقشه راه IBM اعلام کرده است که این شرکت در سال 2023 به 1000 کیوبیت ظرفیت خواهد رسید، که به لطف شبیه سازی مولکول های کوچک می تواند شروع ایجاد ارزش اولیه در تولید داروها و مواد شیمیایی باشد.

[/av_textblock] [av_one_full first min_height=” vertical_alignment=” space=” custom_margin=” margin=’0px’ row_boxshadow=” row_boxshadow_color=” row_boxshadow_width=’10’ link=” linktarget=” link_hover=” padding=’0px’ highlight=” highlight_size=” border=” border_color=” radius=’0px’ column_boxshadow=” column_boxshadow_color=” column_boxshadow_width=’10’ background=’bg_color’ background_color=” background_gradient_color1=” background_gradient_color2=” background_gradient_direction=’vertical’ src=” background_position=’top left’ background_repeat=’no-repeat’ animation=” mobile_breaking=” mobile_display=” av_uid=’av-kw5bhw’] [av_hr class=’custom’ height=’50’ shadow=’no-shadow’ position=’center’ custom_border=’av-border-thin’ custom_width=’50px’ custom_border_color=” custom_margin_top=’30px’ custom_margin_bottom=’30px’ icon_select=’yes’ custom_icon_color=’#7bb0e7′ icon=’ue857′ font=’entypo-fontello’ av_uid=’av-kk8jxbw4′ custom_class=” admin_preview_bg=”] [av_icon_box position=’top’ icon_style=” boxed=” icon=’ue81f’ font=’entypo-fontello’ title=” link=” linktarget=” linkelement=” font_color=” custom_title=” custom_content=” color=” custom_bg=” custom_font=” custom_border=” av-medium-font-size-title=” av-small-font-size-title=” av-mini-font-size-title=” av-medium-font-size=” av-small-font-size=” av-mini-font-size=” av_uid=’av-kk8jy12r’ custom_class=” admin_preview_bg=”]

بیشتر بدانید

[/av_icon_box] [av_postslider link=’category,53,1645′ wc_prod_visible=” prod_order_by=” prod_order=” columns=’3′ items=’9′ offset=’0′ contents=’title’ preview_mode=’auto’ image_size=’portfolio’ autoplay=’no’ interval=’5′ av_uid=’av-kk8jyjdz’ custom_class=”] [av_hr class=’default’ height=’50’ shadow=’no-shadow’ position=’center’ custom_border=’av-border-thin’ custom_width=’50px’ custom_border_color=” custom_margin_top=’30px’ custom_margin_bottom=’30px’ icon_select=’yes’ custom_icon_color=” icon=’ue808′ av-desktop-hide=” av-medium-hide=” av-small-hide=” av-mini-hide=” av_uid=’av-rq7rtg’] [av_social_share title=’اشتراک این مطلب’ style=’minimal’ buttons=’custom’ share_twitter=’aviaTBshare_twitter’ share_linkedin=’aviaTBshare_linkedin’ share_mail=’aviaTBshare_mail’ av_uid=’av-k4b6xs3w’ custom_class=” admin_preview_bg=”] [/av_one_full]