29 سپتامبر 2022-پردازنده کوانتومی-© iStock/solarseven
یک گروه تحقیقاتی در دانشگاه علوم توکیو (TUS) با توسعه یک پردازنده کوانتومی کاملاً مقیاس‌پذیر، به پیشرفت مهمی در حل مسائل بهینه‌سازی دست یافته‌اند.مشکلات بهینه سازی در زندگی روزمره رایج است و در چندین زمینه مانند مسیریابی شبکه، لجستیک، یادگیری ماشینی و علم مواد ظاهر می شود.
حل این مسائل با استفاده از رایانه های استاندارد بسیار پیچیده و دشوار است، بنابراین محققان مجبور شده اند به روش های دیگری روی آورند. این تیم از فرآیندی به نام بازپخت استفاده کردند که می تواند برای مدل سازی مسائل بهینه سازی استفاده شود.
تقلید از رفتار “چرخش”
محققان تلاش کرده‌اند تا پردازنده‌های بازپختی بسازند که جهت‌گیری مغناطیسی اتم‌ها را تقلید می‌کند که به «اسپین» معروف است. چرخش‌ها در دماهای بالا به‌طور تصادفی جهت‌گیری می‌کنند، اما با کاهش دما، چرخش‌ها در ردیف قرار می‌گیرند تا به حالت حداقل انرژی برسند.
این تیم اولین پردازنده کوانتومی با مقیاس بزرگ را ارائه کرد که شامل 512 اسپین کاملاً متصل است. این سیستم‌ها به دلیل تعداد زیاد اتصالات بین چرخش‌ها که باید در نظر گرفته شوند، پیاده‌سازی و ارتقاء سطح بسیار سختی دارند.
در حالی که استفاده از چندین تراشه کاملاً متصل به صورت موازی یک راه حل بالقوه برای مشکل مقیاس پذیری بود، این بدان معنی بود که سیم های زیادی بین تراشه ها اجرا می شد.
راه حل های جدید برای مشکلات مقیاس پذیری
برای غلبه بر مسائل مربوط به مقیاس پذیری، روش جدیدی توسعه داده می شود که در آن محاسبه حالت انرژی پردازنده کوانتومی بر روی چندین تراشه کاملاً جفت شده تقسیم می شود. این فرآیند یک “محاسبه آرایه” را تشکیل می دهد، سپس یک تراشه کنترلی نتایج را از بقیه تراشه ها جمع آوری می کند و کل انرژی را محاسبه می کند.
پروفسور تاکایوکی کاواهارا، که این مطالعه را رهبری کرد، توضیح داد: “مزیت رویکرد ما این است که مقدار داده های منتقل شده بین تراشه ها بسیار کم است. اگرچه اصل آن ساده است، این روش به ما اجازه می دهد تا یک سیستم LSI مقیاس پذیر و کاملا متصل را برای حل مسائل بهینه سازی ترکیبی از طریق بازپخت شبیه سازی شده، تحقق بخشیم.
محققان توانستند با استفاده از تراشه های تجاری FPGA یک پردازنده کوانتومی کاملا مقیاس پذیر توسعه دهند. این تراشه ها یک دستگاه نیمه هادی پرکاربرد، تیم را قادر ساختند تا پردازنده ای با 384 چرخش بسازند.
این دستگاه با موفقیت برای حل تعدادی از مسائل بهینه سازی پیشنهادی، از جمله یک مسئله رنگ آمیزی گراف 92 گره و یک مشکل برش حداکثر 384 گره استفاده شده است. این آزمایشات پیشنهادی نشان داد که دستگاه پیشنهادی دارای مزایای عملکرد واقعی است.
در مقایسه با سایر پردازنده‌های کوانتومی با سیستم‌های بازپخت یکسان، سیستم FPGA 584 برابر سریع‌تر و 46 برابر مصرف انرژی در هنگام حل مشکل حداکثر برش بود.
با نمایش موفقیت آمیز پردازنده کوانتومی FGPA، تیم می خواهد این دستگاه را بیشتر توسعه دهد. کاواهارا اظهار داشت: «ما می‌خواهیم یک تراشه LSI با طراحی سفارشی تولید کنیم تا ظرفیت را افزایش دهیم و عملکرد و بازده انرژی روش خود را تا حد زیادی بهبود ببخشیم. این ما را قادر می‌سازد تا عملکرد مورد نیاز در زمینه‌های توسعه مواد و کشف دارو را که شامل مسائل بهینه‌سازی بسیار پیچیده است، درک کنیم.
این تیم قصد دارد اجرای نتایج خود را برای حل مشکلات زندگی واقعی ترویج کند. آنها مایلند با شرکت های دیگر درگیر شوند و رویکرد خود را به هسته فناوری طراحی نیمه هادی بیاورند.
