ایده جذاب پژوهشگران برای ساخت کامپیوترهای کوانتومی با عملکرد مانند مغز انسان

رویکردهای کوانتومی و نورومورفیک (محاسبات عصبی) هر دو نوید بازنویسی اساسی روش محاسباتی را می‌دهند. این دو رویکرد طی چند سال گذشته و پس از ایجاد «ممریستور کوانتومی» که می‌تواند اساس شبکه‌های عصبی کوانتومی را تشکیل دهد، آن‌ها ادغام شده‌اند.

برای افرادی که در زمینه محاسبات پیشرفته فعالیت می‎کنند مفهوم نورومورفیک، یک ساختار بسیار جذاب است که در آن از الگوهای محاسبات عصبی برای توسعه ساختارهای VLSI (سیستم‎های مجتمع یا تراشه‎های مقیاس بسیار بزرگ) جهت شبیه‌‎سازی معماری عصبی و بیولوژیکی موجود در سیستم‎های عصبی استفاده می‎شود.

از جهت دیگر کامپیوترهای کوانتومی که شاید هفته‎ای نباشد که بگذرد و خبری جدیدی در مورد رکوردشکنی و جذابیت‌‎های آنها نشنویم، به راهکاری بسیار مهم جهت نیل به اهداف بزرگ محاسبات سریع و سنگین تبدیل شده‎اند.

در حالی که به نظر می رسد قانون مور و ایده توسعه پردازنده‎های سیلیکونی معمول، محدودیت های محاسبات مرسوم را در بر داشته ولی تنها راهکار تجاری هستند، علاقه فزاینده‌ای به انواع مختلف پردازش اطلاعات ایجاد شده که به بشر اجازه عبور از موانع بزرگ پیش روی پردازش‎های سنگین را می‎دهد.

یک امکان محاسبات کوانتومی است که از ویژگی‌های رایانه‌های کوانتومی برای دستیابی به سرعت‌های محاسباتی نمایی در برخی مشکلات خاص استفاده می‌کند. گزینه دیگر این است که تراشه های کامپیوتری خود را مجدداً پیکربندی کنیم تا روشی که مغزمان کار می کند به شکل موثرتری تکرار گردد. همانطور که عنوان شد، دانشمندان به این روش، محاسبات نورومورفیک می‎گویند.

این دو رویکرد به دنبال بهبود جنبه‌های بسیار متفاوت محاسبات مرسوم هستند و اگرچه راهکار هم‌افزایی بین این دو چندان واضح نیست، اما ممکن است پس از توسعه اولین مؤلفه نورومورفیک که می تواند اطلاعات کوانتومی را پردازش کند، شروع به تغییر نماید.

در این زمینه راهکار ارائه شده استفاده از ممریستورهاست. ممریستور قطعه‎ای جدید در علم الکترونیک است که از ترکیب حافظه و مقاومت تشکیل می‎شود. این قطعات، میزان مقاومت الکتریکی خود را بر اساس میزان جریانی که در گذشته از آنها عبور کرده، تغییر می‌دهند و اساساً حافظه‌ای از حالت قبلی خود را ذخیره می‌کنند.

این قابلیت به دلیل عملکردی شبیه به رفتار سیناپس‌های بیولوژیکی (اتصالات بین نورون‌ها در مغز)، توجه مهندسان نورومورفیک را به خود جلب کرده که بسته به تعداد دفعات تحریک، قدرت اتصالاتشان را تغییر می‌دهند. اخیراً تحقیقات متعددی در تلاش برای استفاده از ممریستورها برای ساخت رایانه‌هایی با شباهت بیشتر به مغز انسان نیز صورت گرفته که می‌تواند در بلندمدت، نتایج جالب توجهی در بر داشته باشد.

در این زمینه فیزیکدانان دانشگاه وین با توسعه مؤلفه‌ای که رفتار مشابهی را هنگام پردازش اطلاعات کوانتومی نشان می‌دهد، این ایده را یک قدم به جلوتر هدایت کرده‎اند. نتایج اولین تحقیقات این دانشمندان در مقاله‌ای در مجله Nature Photonics به انتشار رسیده است.

محور این مقاله حول قطعه‌ای جدید موسوم به «مریستور کوانتومی» است که با استفاده از فناوری فوتونیک یکپارچه ساخته می‌‎شود. این قطعه فوتون‌ها را به دور یک تراشه سیلیکونی می‌چرخاند تا اطلاعات را پردازش کند. در حالی که تراشه‌های فوتونیک معمولاً فقط محاسبات کلاسیک را انجام می دهند، این محققان تراشه‌ای طراحی کرده‌اند که می تواند حالات کوانتومی فوتون های عبوری را دستکاری کرده و تغییر دهد.

برای رسیدن به این هدف پژوهشگران از اصل کوانتومی برهم نهی استفاده کردند که می‎گوید «یک سیستم کوانتومی می‌تواند در ترکیبی از بیش از یک حالت به طور همزمان ظاهر شود». آنها این کار را با فراهم کردن فوتون با دو مسیر و حرکت همزمان آن به پایین هر دو انجام می‌دهند.

این اساس یک کیوبیت را تشکیل می دهد که می‌تواند برای رمزگذاری اطلاعات استفاده شود. به همان شکلی که یک بیت می تواند 0 یا 1 باشد، فوتون می تواند در کانال اول یا دوم باشد، یا به لطف ویژگی‌های عجیب مکانیک کوانتومی، در برهم نهی این دو.

با این حال، نوآوری اصلی محققان مذکور این است که این سیستم را با مدار اضافی که اساساً تعداد فوتون‌هایی را که از یکی از مسیرها عبور می‌کنند، شمارش نموده و از آن برای تنظیم قدرت سیگنال در مسیر دیگر استفاده نمایند. نتیجه این ایده دستگاهی است که هم می‌تواند اطلاعات کوانتومی را پردازش کند و هم رفتار حافظه‌ای از خود نشان دهد.

محققان نشان دادند که سیستمی متشکل از تنها 3 ممریستور کوانتومی آنها پس از آموزش (یک روش در مدلسازی و شبیه‌سازی کامپیوتری) تنها بر روی 1000 تصویر، طبقه بندی ارقام دست نویس را با دقت 95 درصد می‌آموزد. در مقام مقایسه همین الگو با طرح‌های محاسبات کلاسیک نیز شبیه‌سازی شده که نشان می‎دهد حتی با استفاده از داده‌‎های بسیار بیشتر در الگوی مذکور نیز، نتایج ممریستورها به صورت واضحی، بهتر از مدل کلاسیک خواهد بود.

این تیم همچنین نشان داد که شبکه‌ای از دستگاه‌های آن‌ها می‌توانند فراتر از هر دستگاه کلاسیک، وظایف کوانتومی را انجام دهند. البته باید به این نکته اشاره کرد که محققان دانشگاه وین دستگاه خود را برای تشخیص درهم تنیدگی سیستم های کوانتومی با دقت 98 درصد آموزش داده‌اند.

پی بردن به نحوه استفاده از دستگاهی که با دو پارادایم محاسباتی متفاوت ترکیب می شود کار قابل توجهی می طلبد. اما شبکه‌های عصبی کوانتومی می‌توانند ابزار جدید قدرتمندی در دوره محاسباتی پس از قانون مور باشند.

همانطور که می‎دانید طرح مذکور نوعی شبیه‎سازی و بسیار خام است. البته می‎توان امیدوار بود با فراگیرتر شدن استفاده از این روش، در آینده‎ای (نه چندان نزدیک) الگوهای موثرتری شکل گرفته و شاید روزی، ممریستورها، هسته‎های اصلی ساخت پردازنده‎های کوانتومی عصبی باشند.