محاسبات کوانتومی سالها بهعنوان ابزاری برای پردازشهای عددی سنگین و شبیهسازیهای فیزیکی شناخته میشد. تجربه جدید پژوهشگران دانشگاه ژجیانگ و دانشگاه تسینگهوا نشان میدهد که کارکرد این سختافزارها به قلمرو منطق و استدلال نمادین گسترش یافته است. اجرای اثبات ریاضی با کامپیوتر کوانتومی به شکل خودکار، گام اول برای تبدیل یک تحلیلگر عددی به سیستمی دارای قدرت استدلال است. مسئله اصلی، سنجش توانایی کیوبیتها در حفظ حالتهای منطقی و اجرای گامبهگام قضایای پیچیده است. اگر سختافزارهای کوانتومی بتوانند گزارههای استنتاجی را بدون خطا طی کنند، تعامل هوش مصنوعی و سختافزارهای محاسباتی تغییر خواهد کرد. مرز مشخصی میان یک آزمایش کنترلشده و کاربرد واقعی وجود دارد که باید به دقت تحلیل شود.
پژوهش جدید که پیشنویس آن در پایگاه آرکایو قرار دارد، بر پایه یک پردازنده کوانتومی ابررسانای 121 کیوبیتی انجام شده است. دانشمندان در این آزمایش دو مسئله هندسی مشخص را بررسی کردند. مسئله اول اثبات عمود بودن قطرهای مربع بود و مسئله دوم به یک مسئله هندسه در المپیاد جهانی ریاضی سال 1357 مربوط میشد. مسئله اول با پیادهسازی ترکیبی روش وو به نتیجه رسید. در مسئله دوم که شامل روابط پیچیدهتر میان مثلثها و دایرههای متقاطع بود، تیم تحقیقاتی از جستجوی اثبات نمادین و روشهای سادهشده یادگیری ماشین بهره برد. مدارهای کوانتومی در این فرایند وظیفه پیشنهاد و ارزیابی گامهای منطقی را بر عهده داشتند.
چالشهای سختافزاری در اثبات ریاضی با کامپیوتر کوانتومی
تفاوت اصلی این آزمایش با دستاوردهای قبلی در تغییر الگوی استفاده از سختافزار کوانتومی نهفته است. در سیستمهای کلاسیک، الگوریتمهای اثبات خودکار قضیه سالها است که بدون خطا عمل میکنند و چنین مسائل هندسی را در چند میلیثانیه حل میسازند. در این آزمایش هدف اصلی دستیابی به سرعت بالاتر یا کشف خودکار قضایا بدون دخالت انسان نبود. مسیرهای استدلال و پاسخهای درست تا حد زیادی توسط پژوهشگران هدایت شده بود. ارزش این آزمایش در کدگذاری مفاهیم انتزاعی، فرمولهای جبری و زنجیرههای استدلال منطقی روی مدارهای کوانتومی است.
نویز شدید و بیثباتی ذاتی کیوبیتها همواره مانعی بزرگ برای اجرای مراحل چندگانه اثبات منطقی روی سختافزار بوده است. در استدلال نمادین، هر گام به گام قبلی وابسته است و یک خطای کوچک در کیوبیت میتواند کل زنجیره استنتاج را خراب کند. دانشمندان نشان دادند که ساختار ریاضی قضایا قابلیت تبدیل به فرایند اجرایی کوانتومی را دارد. این رویکرد اثبات میکند که سازماندهی استدلال منطقی منسجم روی پردازندههای کوانتومی فعلی امکانپذیر است.
ارزیابی واقعبینانه این دستاورد نیازمند بررسی دقیق محدودیتهای سختافزاری پردازنده 121 کیوبیتی است. این پردازنده همچنان از نویز بالا و زمان انسجام کوتاه کیوبیتها رنج میبرد. به همین دلیل، پژوهشگران مجبور شدند آزمایشها را روی نمونههای محدود اجرا کنند. علاوه بر این، در مراحل مختلف استدلال منطقی، حالت اثبات اندازهگیری شد و برای دور بعدی دوباره بازسازی گردید. این توقفها و اندازهگیریهای میاندورهای نشان میدهد سختافزار موجود هنوز توانایی حفظ همبستگی کوانتومی را در طول یک زنجیره طولانی ندارد.
محدودیتهای فنی و واقعیتهای پردازنده 121 کیوبیتی
افت عملکرد و نیاز به سیستمهای کلاسیک برای بازسازی حالتها، هزینه محاسباتی را به طور قابل توجهی افزایش میدهد. اگر یک پردازنده کوانتومی نتواند استدلال را به صورت پیوسته انجام دهد، مزیت اصلی خود را در برابر کامپیوترهای معمولی از دست میدهد. در حال حاضر، سیستمهای هوش مصنوعی کلاسیک و ابزارهای اثبات نمادین بسیار سریعتر، ارزانتر و دقیقتر عمل میکنند. تا زمانی که نرخ خطای دروازههای کوانتومی کاهش نیابد و کیوبیتهای منطقی مقاوم به خطا ساخته نشوند، استفاده از این روشها کاربرد صنعتی نخواهد داشت.
از نظر زیرساختی، پردازندههای ابررسانا نیازمند سیستمهای سرمایشی کرایوژنیک و پیچیدهای هستند که هزینههای نگهداری بالایی ایجاد میکنند. نرخ خطای بالا باعث میشود بخش زیادی از توان پردازشی صرف تصحیح خطا یا بازسازی حالت شود. این مسئله نشان میدهد که افزایش تعداد کیوبیتها به چند صد کیوبیت بدون ارتقای پایداری، مشکل گسست زنجیره استدلال را حل نمیکند و امکان حل مسائل واقعی را فراهم نمیسازد.
همچنین باید توجه داشت که پایداری عملیاتی تنها چالش این حوزه نیست. الگوریتمهای نمادین نیازمند حافظهای با دسترسی سریع و یکپارچه هستند که در سختافزارهای فعلی به سختی تامین میشود. قطعی یا افت انسجام حتی در یک کیوبیت میانی، بازسازی کل مدار را الزامی میکند. این چرخه بازسازی، زمان پردازش را افزایش داده و هرگونه برتری در سرعت اجرای محاسبات را خنثی میسازد.
آینده استدلال نمادین و تعامل هوش مصنوعی با سختافزار
ترکیب یادگیری ماشین با پردازش کوانتومی برای جستجوی اثباتهای ریاضی، راهکاری برای غلبه بر پیچیدگیهای محاسباتی محسوب میشود. الگوریتمهای کلاسیک هوش مصنوعی هنگام مواجهه با فضاهای حالت بسیار بزرگ در مسائل ریاضی با کندی مواجه میشوند. توانایی کیوبیتها در قرارگیری در حالت همپوشانی میتواند فضای جستجو برای گامهای بعدی را فشرده کند. با این حال، در این آزمایش الگوریتمهای یادگیری ماشین تنها در نقشی ساده برای تقویت گامهای درست به کار رفتند و سیستم به صورت مستقل قضایای جدید کشف نکرد.
جامعه تحقیقاتی و توسعهدهندگان فناوری باید میان اثبات مفهوم و بهرهبرداری عملی تفاوت قائل شوند. ادعاهای مطرحشده در این پژوهش به معنای غلبه بر کامپیوترهای کلاسیک در حل مسائل ریاضی نیست. کسانی که انتظار دارند سختافزار کوانتومی در کوتاهمدت جایگزین ابزارهای اثبات ریاضی شود، ارزیابی درستی از واقعیتهای فنی ندارند. چالش اصلی در سالهای آینده، عبور از اندازهگیریهای میانی و دستیابی به پردازش منطقی پیوسته است.
نگاه به مسیر توسعه این فناوری نشان میدهد که تعامل میان مدلهای نمادین و محاسبات کوانتومی میتواند زیربنای نسل بعدی ابزارهای هوشمند را تشکیل دهد. اگرچه امروزه کامپیوترهای معمولی بدون چالشهای پیچیده سختافزاری این مسائل را حل میکنند، اما ساختاردهی منطق روی مدار کوانتومی اهمیت نظری فراوانی دارد. تغییر الگوی اصلی از دستکاری دادههای عددی به پردازش قواعد منطقی، پرسشهای تازهای را درباره مرزهای توانایی سختافزارهای آینده در حل مسائل انتزاعی پیش روی صنعت قرار میدهد.
