پژوهشگران دانشگاه نیویورک(NYU) کشف کرده‌اند که رایانه‌های کلاسیک در برخی شرایط می‌توانند با رایانه‌های کوانتومی همگام شوند یا حتی از آنها پیشی بگیرند.
به گزارش ایسنا، آنها دریافتند که رایانه‌های کلاسیک با اتخاذ یک روش الگوریتمی ابتکاری جدید می‌توانند سرعت و دقت مورد نیاز را افزایش دهند که در نهایت می‌تواند به این معنی باشد که اگر رایانه‌های کوانتومی از کار بیفتند، هنوز در آینده جا دارند.
به نقل از کانورسیشن، بسیاری از کارشناسان بر این باورند که محاسبات کوانتومی نشان دهنده یک تغییر پارادایم از محاسبات کلاسیک است. این در درجه اول به این دلیل است که همانطور که می‌دانید رایانه‌های کلاسیک اطلاعات را با استفاده از بیت‌های دیجیتال(۰ و ۱) پردازش می‌کنند، در حالی که رایانه‌های کوانتومی از بیت‌های کوانتومی(کیوبیت) برای ذخیره اطلاعات در مقادیر بین ۰ و ۱ استفاده می‌کنند.
این توانایی، رایانه‌های کوانتومی را قادر می‌سازد تا اطلاعات را در کیوبیت پردازش و ذخیره کنند و به الگوریتم‌های کوانتومی اجازه می‌دهد تا از همتایان کلاسیک خود بهتر عمل کنند. علاوه بر این، رایانه‌های کوانتومی اطلاعات را در مقادیر بین ۰ تا ۱ ذخیره می‌کنند که تقلید کامل از رایانه‌های کوانتومی را برای رایانه‌های کلاسیک دشوار می‌کند.
با این حال، همانطور که مشخص است، رایانه‌های کوانتومی ظریف و مستعد از دست دادن اطلاعات هستند. علاوه بر این، حتی اگر اطلاعات حفظ شود، تبدیل آن به اطلاعات کلاسیک لازم برای محاسبات عملی آسان نیست.
رایانه‌های کلاسیک یا سنتی مانند رایانه‌های کوانتومی از مشکلات از دست دادن اطلاعات و تبدیل و ارسال اطلاعات رنج نمی‌برند. علاوه بر این، همانطور که در مقاله تحقیقاتی اخیر منتشر شده در مجله PRX Quantum توضیح داده شده است، می‌توان برای استفاده از این چالش‌ها و شبیه‌سازی یک رایانه کوانتومی با منابع بسیار کمتر از آنچه قبلاً تصور می‌شد، الگوریتم‌های کلاسیک طراحی کرد.
نتایج این مطالعه جدید نشان می‌دهد که محاسبات کلاسیک می‌تواند محاسبات سریع‌تر و دقیق‌تری را نسبت به رایانه‌های کوانتومی پیشرفته انجام دهد.
این پیشرفت با الگوریتمی به دست آمده است که تنها بخشی از اطلاعات ذخیره شده را در حالت کوانتومی نگه می‌دارد که به اندازه کافی برای محاسبه دقیق نتیجه کارآمد است.
دریس سلز، استادیار دپارتمان فیزیک دانشگاه نیویورک و یکی از نویسندگان این مقاله توضیح می‌دهد: این کار نشان می‌دهد که راه‌های بالقوه زیادی برای بهبود محاسبات وجود دارد که شامل رویکردهای کلاسیک و کوانتومی می‌شود.
وی افزود: علاوه بر این، کار ما نشان می‌دهد که دستیابی به مزیت کوانتومی با یک رایانه کوانتومی مستعد خطا چقدر دشوار است.
برای این منظور، سلز و همکارانش بر روی یک شبکه تانسور تمرکز کردند که اعتقاد بر این است که تعاملات بین کیوبیت‌ها را به طور دقیق نشان می‌دهد. کار کردن با این شبکه‌ها چالش برانگیز بوده است، اما پیشرفت‌های اخیر در این زمینه اکنون به این شبکه‌ها اجازه می‌دهد تا با استفاده از ابزارهای استنتاج آماری بهینه‌سازی شوند.
گفتنی است که این روش جدید تنها بر روی مهم‌ترین اطلاعات تمرکز می‌کند و بقیه را نادیده می‌گیرد، مانند زمانی که عکسی را فشرده می‌کنید تا بدون از دست دادن کیفیتی که برایتان مهم است، آن را کوچک‌تر کنید. این روش به رایانه‌های معمولی اجازه می‌دهد تا کارهای جالبی را که رایانه‌های کوانتومی می‌توانند انجام دهند، عملی کنند.
پژوهشگران روش خود را با فشرده‌سازی یک عکس در یک فایل JPEG مقایسه می‌کنند. درست مانند فشرده‌سازی یک عکس، حجم فایل بدون نامفهوم شدن محتوا کاهش می‌یابد. برای این منظور، تکنیک آنها مسئله محاسبات کوانتومی را ساده می‌کند تا یک رایانه معمولی بتواند آن را به نحوی کارآمدتر مدیریت کند.
جوزف تیندل از مؤسسه Flatiron که این پروژه را رهبری می‌کند، می‌گوید: انتخاب ساختارهای مختلف برای شبکه تانسور به انتخاب اشکال مختلف فشرده‌سازی مانند فرمت‌های مختلف برای تصویر شما مربوط می‌شود. ما با موفقیت در حال توسعه ابزارهایی برای کار با طیف گسترده‌ای از شبکه‌های تانسور هستیم. این کار منعکس کننده آن است و ما مطمئن هستیم که به زودی سطح محاسبات کوانتومی را حتی بیشتر وسعت خواهیم بخشید.
این مطالعه در مجله PRX Quantum منتشر شده است.
