لماذا يثير رقاقة ويلو الكمية ضجة في عالم التكنولوجيا العالمية؟

المصدر: زيبينغ هوانغ جين

في 10 ديسمبر، أعلنت جوجل عن شريحة الكم الجديدة - ويلو، مما أثار ضجة في العالم التقني، حتى ماسك أبدع بصوته: ‘واو’!

ما هي قوة شريحة ويلو وكم هو بعيد عن الإنتاج الضخم؟

1 الجيل الأحدث من شرائح الكم الكمومية ويلو من جوجل تطفو، وأكبر اختراق في القدرة الحسابية الفائقة وقدرة التصحيح

بالنسبة لمهمة قياسية تسمى ‘عينة الدوائر العشوائية’، يحتاج أسرع كمبيوتر فائق حاليًا إلى 10^25 سنة لحلها، وهو أطول من عمر الكون (26.7 مليار سنة)؛ في حين يستغرق الويتش أقل من 5 دقائق لإكمال هذه المهمة.

يمتلك الحوسبة الكمومية القدرة على زيادة سرعة الحساب بشكل كبير في المهام المحددة وتفوق الحواسيب التقليدية، وهذا ما يُعرف باسم “الفوائد الكمومية”. بالفعل في عام 2019 ، قامت جوجل بتأكيد هذه الحقيقة ونشرتها في مجلة “نيتشر” ، مشيرة إلى أنها استخدمت حاسبة كمومية تحتوي على 54 بتًا (Sycamore) لإنجاز مهمة لا يمكن للحواسيب التقليدية القيام بها: في تجربة معينة تستغرق أكثر من 10 آلاف سنة لحاسبة الكم الأقوى في العالم ، استغرقت سايكامور فقط 3 دقائق و 20 ثانية. في ذلك الوقت ، صرح الرئيس التنفيذي لشركة جوجل سندار بيتشاي أن هذا هو “مرحبًا بالعالم” الذي انتظره الباحثون منذ فترة طويلة ، وهو أحد أهم الإنجازات في تحقيق الاستخدام العملي للحوسبة الكمومية حتى ذلك الوقت.

إطلاق ويلو الحالي هو بلا شك حدث مميز آخر في مجال الحوسبة الكمومية.

!

ومع ذلك ، فإن كلمة “سريع” ليست أبرز اختراق ل Willow. **

** أكبر ما يميز Willow هو قدرته على تصحيح الأخطاء. **

في الماضي، كانت رقائق الكم في عملية معالجة البيانات، نظرًا لهشاشة الحالة الكمية، عرضة للتشويش البيئي وحدوث ظاهرة التداخل، مما يؤدي إلى خطأ في حالة البت الكمي. لذلك، على الرغم من وجود “التفوق الكمي”، إلا أن الحواسيب الكمية عرضة للتأثير البيئي وعرضة للأخطاء بشكل كبير. وعمومًا، كلما زادت عدد البتات الكمية، زادت الأخطاء.

لذلك، أصبحت “تصحيح الكم” تقنية حاسمة، حيث يتطلب رقاقات الكم تقنية تصحيح الكم الخاصة، وهذا أيضًا تحدٍ هام في هذا المجال، وقد قيد تطبيق وتطوير الحوسبة الكمية بشكل كبير أيضًا.

تمكنت رقاقة ويلو من حل مشكلة تصحيح الأخطاء الكمومية التي كانت تؤرق الباحثين لمدة تقارب 30 عامًا، مما أدى إلى تحقيق تقليل متسارع في معدل الأخطاء. أظهرت أبحاث غوغل أن كلما زاد استخدام البتات الكمومية في ويلو، كلما انخفض معدل الأخطاء في النظام.

عندما يزداد عدد بتات الكم، من صف مصفوفة 3×3 إلى 5×5 ثم إلى صف مصفوفة 7×7 في تجربة رقاقة Willow التي قامت بها جوجل، يمكن تقليل معدل أخطاء الترميز بمقدار 2.14 في كل مرة يتم فيها التوسع، ويتناقص معدل الأخطاء بشكل أسرع وأسرع.

!

2. ما هو الحساب الكمي؟ ولماذا هو قوي جدا؟

في عام 1935 ، اقترح الفيزيائي النمساوي شرودنجر تجربة فكرية رائعة: وضع قطة في صندوق به مادة مشعة ، وهناك احتمال بنسبة 50٪ أن تتحلل المادة المشعة وتطلق غازا ساما لقتل القطة ، وفي الوقت نفسه ، هناك احتمال بنسبة 50٪ ألا تتحلل المادة المشعة وأن القطة ستبقى على قيد الحياة. قبل فتح الصندوق ، لا أحد يعرف ما إذا كانت القطة حية أم ميتة ، ولا يمكن وصفها إلا بأنها “في تراكب الحياة والموت”.

!

العالم الكمي، مثل “قطة شرودينغر”، في حالة تراكمية غير محسومة؛ نظرية الحوسبة الكمية المقابلة هي “الحوسبة الكمية”، بينما تتجلى الطبقة العتادية على شكل رقائق الكم وأجهزة الحوسبة الكمية.

يتميز الحوسبة الكمومية بنقطتين قويتين:

أولاً ، قدرة تخزين البيانات القوية. الحوسبة التقليدية تعتمد على البت كوحدة أساسية ، بينما تعتمد الحوسبة الكمية على البت الكمي كوحدة أساسية.

في الحوسبة الكلاسيكية، يكون حالة البت محددة، إما 0 أو 1؛ بينما يكون البت الكمي في حالة تراكم بين 0 و 1، بمعنى آخر، يمكنه تخزين 0 و 1 في نفس الوقت.

1 رقاقة تقليدية مع n بت يمكنها تخزين n البيانات في نفس الوقت ؛ يمكن للشريحة التي تحتوي على n qubits تخزين بيانات 2 ^ n في نفس الوقت.

الثاني، يظهر قدرة توازن قوية على المشاكل المحددة

الكمبيوتر الكموني يحسب عن طريق تسلسل العمليات، حيث يتم تحويل قيمة واحدة فقط في كل مرة إلى قيمة أخرى، وهذا يعني أنه يجب أن يتم الحساب وفق تسلسل معين. بينما يمكن للكمبيوتر الكموني بفضل عملية واحدة تحويل 2^n بيانات إلى 2^n بيانات جديدة في وقت واحد.

3.هل يمكن لرقائق الكم في المستقبل أن تحل محل وحدة معالجة الرسومات (GPU) وتعزز تطور الذكاء الاصطناعي؟

تطورت تقنيات الذكاء الاصطناعي وتطبيقاتها بشكل سريع في السنوات الأخيرة، مما أدى إلى زيادة متسارعة في الطلب على قدرات الحساب.

من النظرية، فإن قدرة الحوسبة الكمومية على المعالجة المتوازية تجعلها لديها ميزة طبيعية عند التعامل مع خوارزميات الذكاء الاصطناعي المعقدة، وتستطيع أن تزيد بشكل كبير من سرعة ودقة تدريب النماذج. قد يوفر ظهور رقاقة Willow قوة حسابية قوية لمزيد من تطوير الذكاء الاصطناعي.

في الواقع، كانت وحدات المعالجة الرسومية (GPU) المستخدمة على نطاق واسع في الذكاء الاصطناعي في الأصل مصممة لتسريع معالجة الرسومات. على سبيل المثال، تقديم مشاهد ثلاثية الأبعاد في الألعاب، ونمذجة ومعالجة الأثر في صناعة الرسوم المتحركة، وتأثيرات الرؤية في صناعة الأفلام. ومع ذلك، بسبب قوتها الحسابية، أصبحت وحدات المعالجة الرسومية GPU مستخدمة على نطاق واسع في الحوسبة العلمية ومجال الذكاء الاصطناعي، خاصة في تدريب وتفسير الشبكات العصبية في التعلم العميق، حيث تظهر أداءً ممتازًا في معالجة مجموعات البيانات الكبيرة والمهام الحسابية ذات التوازي العالي.

من هذا الزاوية ، ستتطور أيضًا رقاقات الكم في المستقبل بشكل تدريجي ، وتكسر القيود الحسابية ، وتسرع عملية تدريب جميع خوارزميات التعلم الآلي للذكاء الاصطناعي المختلفة. تُستخدم رقاقات الكم حاليًا بشكل رئيسي في بعض المجالات المحددة التي تتطلب تعقيدًا حسابيًا عاليًا ، مثل اختراق خوارزميات التشفير في علم المكافحة (مثل التهديد المحتمل لطرق التشفير التقليدية القائمة على خوارزمية RSA) ، ومحاكاة نظام الكم (محاكاة الخصائص الفيزيائية والكيميائية للجزيئات والمواد على مستوى الكم) ، وحل مشاكل الأمثلة المعقدة (مثل تخطيط النقل وتوزيع الموارد ومشاكل الأمثلة المعقدة الأخرى). في هذه المجالات ، يمكن أن يحقق الحوسبة الكمية ميزتها بشكل كامل ، وقد تمكن من حل المهام التي لا يمكن للكمبيوتر التقليدي إكمالها في الوقت المقبول.

نمو قدرة الحوسبة للشرائح الكمومية يرتبط أساسًا بزيادة عدد البتات الكمومية وتحسين جودتها. في المستقبل، مع زيادة عدد البتات الكمومية، ستشهد قدرة الكمبيوتر الكمومي نموًا أسيًا. بزيادة بت كمومي واحد، يتضاعف عدد التركيبات الحالية الممكنة. على سبيل المثال، هناك 4 تركيبات حالية ممكنة لـ 2 بت كمومي، وهناك 8 تركيبات حالية ممكنة لـ 3 بتات كمومية، وهكذا. في الوقت نفسه، تؤثر جودة البتات الكمومية (مثل وقت التآزر والدقة وما إلى ذلك) أيضًا على القدرة الحسابية. يمكن للبتات الكمومية عالية الجودة الحفاظ على الحالة الكمومية بشكل أكثر فعالية، مما يتيح إمكانية تنفيذ عمليات حسابية أكثر دقة وتعقيدًا.

** ومع ذلك، في المدى القصير ، فإن رقائق الكم لن تهدد مكانة وحدة معالجة الرسومات (GPU)**. تتمتع رقائق الكم بقدرة حسابية أقوى بالمقارنة مع وحدة معالجة الرسومات (GPU) ويمكن في النظرية أن تحل محلها. ومع ذلك ، حماية وحدة معالجة الرسومات (GPU) تكمن في قدرتها الحسابية فحسب ، ولكن الأهم من ذلك هو: ** الهندسة المعمارية القابلة للبرمجة وميزة البيئة للمطورين وعمر الصناعة وكفاءتها. **

هندسة البرمجة القابلة للتخصيص والبيئة الخاصة بالمطورين لبطاقات الرسومات هي الحاجز الأساسي. لقد وضعت NVIDIA الأساس لـ “ثورة قوة الذكاء الاصطناعي” التي قامت بها بواسطة بطاقات الرسومات منذ أكثر من عقد.

CUDA (Compute Unified Device Architecture) هي أول منصة معمارية لبرمجة وحدة المعالجة الرسومية التي تم تطويرها بواسطة Nvidia في عام 2006. قيمتها تكمن في بناء بيئة مطوري وحدة المعالجة الرسومية، حيث يمكن لمهندسي الخوارزميات استكشاف قدرات وحدة المعالجة الرسومية وفقًا لاحتياجاتهم الخاصة. وهذا يوسع أيضًا مجالات تطبيق وحدة المعالجة الرسومية من تقديم الرسومات إلى المجال العام.

إذا تم تطوير برامج جديدة بناء على أجهزة جديدة ، مثل الرقائق الكمومية ، فيجب أن تكون متوافقة مع الأمام ، لكن برنامج الذكاء الاصطناعي الرئيسي الحالي يعتمد بشكل أساسي على تطوير منصة CUDA ، لذلك من المكلف الابتعاد عن بنية CUDA. إلى جانب تأثير الخندق لمجتمع التطوير ، اكتسب العديد من مطوري الحوسبة عالية الأداء خبرة تطوير في نظام CUDA البيئي ، الذي يصل إلى خمسة ملايين عملية تنزيل سنويا ، وسيكون مشروعا مدته عشر سنوات لدفع مجتمع المطورين للتحول إلى نماذج برمجة أخرى.

!

تكنولوجيا تصنيع شرائح GPU وسلسلة الصناعة ناضجة، ولديها سوق استهلاكية واسعة ودورة صناعية إيجابية.

منذ 25 عامًا وحتى الآن ، تشكلت العديد من سيناريوهات التطبيق التجاري للأسواق الشخصية للكمبيوتر ، والتطوير المخصص ، ومراكز بيانات الذكاء الاصطناعي ، وما إلى ذلك فيما يتعلق بوحدة المعالجة الرسومية (GPU) ، وتستمر هذه السيناريوهات لفترة تتراوح بين 10 و 30 عامًا. في الوقت الحالي ، يستغرق تطوير رقاقة GPU حوالي عام واحد ، ويستغرق الإنتاج الضخم حوالي عام واحد ، ويتفاعل بشكل مترابط مع تطوير معدات التنسيق الضوئي وتكنولوجيا التصنيع للوحة الدوائر المتكاملة (IC) وما شابه ذلك. من الصعب كسر هذه السلسلة الصناعية القوية التي شهدت دورة إيجابية لأكثر من عقدين من الزمان.

** ومن الصعب التداخل بين تصنيع الرقائق الكمومية وسلسلة صناعة وحدة معالجة الرسومات **. إن هندسة تصميم وتصنيع الرقائق الكمومية معقدة للغاية ، وتتطلب بيئة تجريبية نقية للغاية ، وتكنولوجيا تحكم كمومية متطورة وكيوبتات مستقرة ، لذلك لفترة طويلة ، كان عدد قليل من شركات التكنولوجيا الكبرى “تعمل بمفردها” ، ولم يتم تشكيل سلسلة توريد صناعية ناضجة بعد. لذلك ، إنها مشكلة كبيرة لتحقيق الإنتاج الضخم والتطبيق التجاري للرقائق الكمومية على المدى القصير.

4. تأثير رقاقات الكم في أكبر المجالات: العملات المشفرة و “HPC+AI”

4.1 الشريحة الكمومية أو “القاتل” للعملات المشفرة

على سبيل المثال، فإن أمان بيتكوين يعتمد على آليةين رئيسيتين. أولاً، آلية “التعدين”، وإنتاج بيتكوين يعتمد على إثبات العمل الذي يعتمد على وظيفة التجزئة الهاش. كلما ارتفعت معدلات التجزئة الهاش، زادت احتمالية النجاح في التعدين. ثانياً، التوقيع على المعاملات، وهو نوع من خوارزمية التوقيع الرقمي على المنحنى البيضاوي (ECDSA)، وهو ما يعادل “محفظة الهوية” للمستخدم. تصميم هاتين الآليتين يجعل بيتكوين تكاد تكون غير قابلة للاختراق من خلال الحوسبة التقليدية، والشرائح الكمومية قد تشكل تهديدًا مباشرًا لبيتكوين.

أولاً، قدرة الحوسبة الكمومية على كسر آلية التعدين بالقوة. يمكن لخوارزميات الحوسبة الكمومية تسريع حساب وظيفة التجزئة، وبالتالي تسريع سرعة التعدين بنسبة تتجاوز جميع الأجهزة التقليدية السابقة، والنتيجة هي زيادة نسبة نجاح التعدين وزيادة إمدادات العملات المشفرة، مما يؤدي إلى تقلبات كبيرة في أسعار السوق. في 10 ديسمبر، انخفض سعر البيتكوين من 100,000 دولار إلى 94,000 دولار مرة واحدة. وفقًا لبيانات كوينجلاس، تم تصفية 237,000 شخصًا في الفترة من 10 إلى 12 ديسمبر.

التهديد الثاني هو التهديد المباشر للتوقيع الكمي للمعاملات. توجد شهادتان لعمليات تشفير العملات المشفرة ، العنوان العام (المفتاح العام) والمفتاح الخاص (كلمة مرور المحفظة). عادةً ما لا يؤثر كشف العنوان العام على أمان أموال المستخدم ، ولكن يمكن للحوسبة الكمية كشف التوقيع وتزوير المعاملات باستخدام العنوان العام. على سبيل المثال ، خوارزمية شور في الحوسبة الكمية مخصصة لكسر عوامل الأعداد الكبيرة ومشكلة السجل المتفرقة ، وسوف تشكل تهديداً خطيراً لتوقيع المعاملة.

على الرغم من أن ويلو يمثل تهديدًا ضئيلًا للبيتكوين في الوقت الحالي ، إلا أن هناك احتمالية كبيرة لاختراق العملات المشفرة من قبل الحوسبة الكمومية في المستقبل. من النظرية ، يحتاج الهجوم على توقيع البيتكوين وآلية التعدين إلى ملايين البتات الكمومية الفيزيائية تقريبًا ، وهذا يختلف كثيرًا عن 105 بتات الكم الفيزيائية التي تحتوي عليها ويلو حاليًا. ولكن إذا كان ويلو يتكرر مثل وحدة معالجة الرسوميات العامة (GPU) ، ويحقق الإنتاجية والقفزة في القوة الحسابية ، فإن احتمالية اختراق البيتكوين في العقد القادم ليست بالأمر المستحيل.

4.2 ستعزز الرقائق الكمومية “HPC + الذكاء الاصطناعي” وتعزز تطوير الذكاء الاصطناعي عالي المستوى

وفقا لتصنيف OpenAI ل الذكاء الاصطناعي ، من L1 (Chatbot) إلى L5 (AGI) ، فإن تطوير نموذج الذكاء الاصطناعي الحالي هو فقط في مرحلة الانتقال من L1 إلى L2. يتم تعريف المستوى 5 AGI على أنه “كفاءة على المستوى التنظيمي” للحكم والتفكير والتنبؤ والتخطيط للإجراءات في بيئات العالم الحقيقي الديناميكية والمعقدة. ** تعتقد الصناعة أن “HPC + الذكاء الاصطناعي” ستكون خطوة رئيسية في تحقيق AGI **.

!

الحوسبة عالية الأداء (HPC) تعني استخدام قدرة حاسوبية قوية لحل مشاكل العلوم والهندسة والتكنولوجيا، وهي إلى حد ما مشابهة لنماذج الذكاء الاصطناعي الكبيرة الحجم في الوقت الحالي، لكن الاتجاه ونقاط التركيز مختلفة.

يركز HPC على “حل المشاكل المعقدة” ، مثل تطبيق أجهزة الكمبيوتر العملاقة في مجالات مثل الأرصاد الجوية والفيزياء والفلك لتحقيق اختراقات علمية كبيرة.

وتركز نماذج الذكاء الاصطناعي على “الاستدلال والإنتاج”، على الرغم من عدم قدرتها على حل النماذج المعقدة، إلا أن لديها قدرة جيدة على التعامل مع النماذج العامة.

تمثل إنتشار رقاقات الكم ثورة في مجال HPC، حيث لم يعد حل المشكلات المعقدة يتطلب الحساب العنيف التقليدي لفترة طويلة في HPC، بل يمكن أن يتطور في اتجاه جديد - دمجه مع الذكاء الاصطناعي للقيام بتدريب عام أكثر تعقيدًا.

أولا ، لا يمكن للتدريب التقليدي على الذكاء الاصطناعي معالجة بيانات الكيوبت ، بينما يمكن للحوسبة الكمومية تحسين نماذج تعلم محددة لا يمكن معالجتها بواسطة الحوسبة التقليدية ، وبناء نماذج نظام حساسة للظواهر الكمومية. بمعنى آخر ، سيكون لدى نماذج الذكاء الاصطناعي المستقبلية القدرة على التفكير والتنبؤ بالعوالم المعقدة ، مما يقلل أو حتى يزيل ظاهرة “الوهم الذكاء الاصطناعي” مقارنة بالنماذج الكبيرة الحالية.

الثاني هو ميزة تقنية تصحيح الأخطاء الكمومية، فقد تغلبت رقاقة Willow على التحدي الرئيسي لتصحيح الأخطاء الكمومية، وحققت انخفاضاً ملحوظاً في معدل الأخطاء. يمكن لتطبيق تقنية تصحيح الأخطاء الكمومية في التدريب المتقدم للذكاء الاصطناعي ضمان دقة النموذج أثناء التدريب ومعالجة كميات كبيرة من البيانات المعقدة، مما يقلل من الأخطاء الحسابية الناتجة عن هشاشة البتات الكمومية وبالتالي يعزز فعالية وموثوقية تدريب الذكاء الاصطناعي.

على الرغم من أن تدريب الذكاء الاصطناعي الحالي لا يزال لا يتوفر على الشروط لاستخدام رقائق الكم في المستقبل ، إلا أنه من المحتمل بشدة أن يكون من الضروري استخدام رقائق الكم كدعم أساسي للقدرة الحسابية. نظرًا لأن البتات الكمية حساسة للغاية وتتأثر بسهولة بعوامل البيئة الخارجية ، بما في ذلك درجة الحرارة والحقل الكهرومغناطيسي ، يمكن أن تؤدي هذه العوامل إلى تدهور حالة الكم وبالتالي تأثير دقة النتائج الحسابية. على الرغم من أن شركة ويلو (Willow) حققت تقدمًا معينًا في تقنية تصحيح الأخطاء الكمية ، إلا أن استقرارية النظام الكمي وأداؤه المقاوم للتشويش لا تزال تحتاج إلى تحسينات إضافية من أجل تحقيق تشغيل مستقر لفترة زمنية طويلة في تطبيقات تدريب الذكاء الاصطناعي الفعلية.**

أثار إطلاق شركة جوجل لشريحة الحوسبة الكمومية الجديدة ويلو الجيل القادم ضجة كبيرة في المجتمع التكنولوجي العالمي. إنها ليست فقط انجازاً كبيراً في مجال الحوسبة الكمومية، ولكنها أيضًا في الصدارة لأحدث التقنيات عالميًا.

طريق تطور تقنية الحساب الكمي في المستقبل لا يزال به عقبات، وهناك العديد من التحديات التي يجب حلها قبل أن يتم تطبيقها على نطاق واسع في تدريب الذكاء الاصطناعي.

تقدم التكنولوجيا ليس دائمًا سهلاً ، كما هو الحال مع GPU الذي يظهر بشكل مبهر.