کمیته رکن چهارم – سازمان دارپا، پروژه جدیدی را به منظور بهبود پردازش محاسبات پیچیده و به نمایش گذاشتن توان رایانه‌های کوانتومی، راه‌اندازی کرد.
رایانه‌های کوانتومی همه‌منظوره (Universal quantum computers) -که از میلیون‌ها بیت کوانتومی، یا کیوبیت تشکیل می‌شوند- قادر هستند علاوه بر صفر و یک، ترکیبی از این ۲ را نیز در خود نگه‌دارند. این ویژگی، علاوه بر این که سرعت پردازش‌ها را تا حد بسیاری افزایش می‌دهد، در کاربردهای تجاری و نظامی نیز تحول ایجاد خواهد کرد. با وجود این، به نظر می‌رسد که درک کامل این فناوری، همچنان به چندین دهه زمان، نیاز داشته باشد.
کارایی و قابلیت اطمینان رایانه‌های کوانتومی، به مدت‌زمانی بستگی دارد که حالت‌های کوانتومی، در آن پایدار می‌مانند؛ اما این اوضاع، به سختی حفظ می‌شوند و به شدت شکننده هستند.
سازمان دارپا، به منظور به‌کارگیری پردازش اطلاعات کوانتومی، پیش از این که رایانه‌های نام برده، با قابلیت تحمل خطای کامل به وجود آیند، برنامه‌ای را با نام «۱ONISQ» راه‌اندازی کرد. در این طرح، تلاش می‌شود که با ترکیب ابزارهای کوانتومی با ابعاد متوسط و سامانه‌های کلاسیک، مفهومی هیبریدی شکل بگیرد. هدف از این کار، حل چالش‌هایی خاص، با نام «بهینه‌سازی ترکیبیاتی» (combinatorial optimization) است. این پروژه، قصد دارد بخشی از مزایای پردازش اطلاعات کوانتومی را از طریق به کارگیری سامانه‌های کلاسیک، به نمایش بگذارد.
تاتجانا کارسیک (Tatjana Curcic)، مدیر برنامه دفتر علوم دفاعی سازمان دارپا گفت:
درحال حاضر، چند رایانه کوانتومی -که بیش از ۵۰ کیوبیت دارند- در اختیار ما هستند و به زودی نمونه‌هایی با بیش از یک‌صد بیت کوانتومی نیز ساخته خواهند شد. عمر کوتاه و نویز کیوبیت‌ها، این سامانه‌ها را در تعداد پردازش‌های کارآمد محدود می‌کنند؛ اما الگوریتم جدید بهینه‌سازی کوانتومی، رویکرد هیبریدی کوانتومی-کلاسیک را شکل می‌دهد که درنهایت امکان ایجاد سامانه‌های سنتی کارآمدتر را فراهم می‌کند.
حل مسائل بهینه‌سازی ترکیبیاتی -با تعداد قابلت توجهی از ساختارهای بالقوه- یکی از زمینه‌ی خاص و مورد توجه ارتش آمریکا است. یکی از کاربردهای بالقوه این فرآیند، تقویت سیستم لجستیک جهانی پیچیده ارتش است. برای نمونه می‌توان به مواردی مانند: برنامه‌ریزی، مسیریابی و مدیریت زنجیره تأمین، در مکان‌هایی اشاره کرد که از زیرساخت‌های لازم شرکت‌های لجستیک تجاری بی‌بهره‌اند. پروژه «ONISQ» روی یادگیری ماشینی، نظریه کدگذاری، ساخت تجهیزات الکترونیک و تاشدگی پروتئین (protein-folding) تأثیر می‌گذارد.
پژوهشگران طرح بالا، روی گسترش سامانه‌های کوانتومی -که چند صد، یا چند هزار کیوبیت دارند، از پایداری بیشتری بهره می‌برند و کنترل نویز آن‌ها بهبود یافته است- کار می‌کنند. آنان همچنین قصد دارند الگوریتم‌های بهینه‌سازی کوانتومی به وجود آورند که تخصیص منابع را میان سامانه‌های کلاسیک و کوانتومی بهبود می‌بخشند. ازطرفی یک ابزار بنچمارک ایجاد خواهد شد؛ تا کارایی ۲ رویکرد کلاسیک و کوانتومی، با یکدیگر مقایسه شوند. به علاوه در پروژه بالا، کلاس‌هایی از بهینه‌سازی ترکیبی -که سامانه‌های کوانتومی، تأثیر بیشتری روی آن‌ها دارند- شناسایی خواهند شد.
- Optimization with Noisy Intermediate-Scale Quantum devices
منبع : سایبربان
