هوش مصنوعی کلود از آنتروپیک مدارهای کوانتومی کم‌هزینه‌تری طراحی کرد؛ کاهش تعداد گیت‌ها تا ۱۷ برابر
مدل کلود مایتوس ۵ در هفت مورد از هشت وظیفه آزمایشی، با حداقل کمک انسان، از طرح‌های پیشرفته قبلی برای مدارهای کوانتومی بهتر عمل کرد.
نویسنده: دیگو آلمادا لوپز
۱۶ اکتبر ۲۰۲۶
رایانه‌های کوانتومی با محدودیت منابع روبه‌رو هستند. الگوریتم‌هایی که پژوهشگران می‌خواهند اجرا کنند، اغلب به تعداد عملیات و کیوبیت‌هایی نیاز دارند که تأمین آن‌ها با توانایی‌های عملی دستگاه‌های امروزی دشوار است.
شرکت آنتروپیک می‌گوید هوش مصنوعی کلود توانسته است تا حدی این مشکل را برطرف کند. این شرکت در ۱۶ اکتبر ۲۰۲۶ اعلام کرد مدل کلود مایتوس ۵ به‌صورت خودکار مدارهای کوانتومی طراحی کرده است که در هفت مورد از هشت وظیفه معیار، از طرح‌های پیشرفته پیشین عملکرد بهتری داشتند. در یکی از این موارد، تعداد گیت‌های موردنیاز تا ۱۷ برابر کمتر بود.
کلود دقیقاً چه چیزی طراحی کرد؟
مدار کوانتومی در واقع دستورالعملی است که رایانه کوانتومی برای انجام محاسبات دنبال می‌کند. این دستورالعمل از مجموعه‌ای از عملیات منطقی تشکیل شده است که روی کیوبیت‌ها، یعنی معادل کوانتومی بیت‌ها در رایانه‌های معمولی، اعمال می‌شوند. هرچه این دستورالعمل ساده‌تر و تعداد عملیات و اجزای آن کمتر باشد، اجرای آن روی سخت‌افزار واقعی آسان‌تر خواهد بود.
آنتروپیک هشت وظیفه محاسباتی از حوزه‌های علمی مختلف را به کلود سپرد. این وظایف زمینه‌هایی مانند شیمی، بهینه‌سازی، شبیه‌سازی فیزیکی و نظریه اعداد را در بر می‌گرفتند.
فرایند کار بر اساس یک چارچوب تکاملی حلقه‌بسته طراحی شده بود: کلود مداری را پیشنهاد می‌کرد، یک ارزیاب به آن امتیاز می‌داد و مدل با استفاده از بازخورد دریافتی، طرح بعدی را ارائه می‌کرد.
هر وظیفه در قالب توضیحی به زبان طبیعی در اختیار کلود قرار گرفت. سپس مدل به‌تنهایی طرح‌های مدار را نوشت و اصلاح کرد. پس از دریافت دستورهای اولیه، دخالت انسان در ادامه فرایند به حداقل رسید.
ارزیاب خودکار دو وظیفه داشت. نخست، بررسی می‌کرد که هر مدار واقعاً نتایج درست تولید می‌کند یا خیر. دوم، طرح‌ها را بر اساس تعداد گیت‌های توفولی و شمار کیوبیت‌های موردنیاز ارزیابی می‌کرد.
گیت توفولی یک عملیات منطقی است که روی سه کیوبیت انجام می‌شود و تعداد این گیت‌ها یکی از معیارهای اصلی سنجش هزینه محاسباتی در این آزمایش بود. هرچه تعداد گیت‌های توفولی و کیوبیت‌های موردنیاز کمتر بود، طرح امتیاز بهتری می‌گرفت.
نتایج به روایت اعداد
مدارهای طراحی‌شده توسط کلود در هفت مورد از هشت وظیفه، از نظر عملکرد از طرح‌های پیشرفته قبلی بهتر بودند. این طرح‌ها هم تعداد گیت‌های توفولی و هم نیاز به کیوبیت را کاهش دادند.
برجسته‌ترین نتیجه به یک معماری برای محاسبه معکوس پیمانه‌ای مربوط می‌شد. این طرح در مقایسه با روش‌های پیشین، تعداد گیت‌های موردنیاز را تا ۱۷ برابر کاهش داد.
البته این دستاورد یک محدودیت جزئی داشت: مدار معکوس پیمانه‌ای برای دستیابی به این کاهش در تعداد گیت‌ها، به تعداد اندکی کیوبیت بیشتر نیاز داشت.
چه کسانی در این پروژه نقش داشتند؟
این پروژه را آندی گو در چارچوب برنامه پژوهشگران علوم، فناوری، مهندسی و ریاضیات (STEM Fellows Program) آنتروپیک هدایت کرد. گو با پژوهشگرانی از ابتکار کوانتومی دانشگاه هاروارد و شرکت کوئرا کامپیوتینگ همکاری داشت.
این روش از توانایی‌هایی بهره می‌گیرد که مدل‌های زبانی بزرگ از پیش در آن‌ها مهارت دارند: نوشتن کد و بررسی گام‌به‌گام مسائل. ارزیاب خودکار نیز دقت و سخت‌گیری لازم را به فرایند اضافه می‌کند تا مداری که صرفاً در ظاهر درست به نظر می‌رسد اما نتیجه نادرستی تولید می‌کند، پذیرفته نشود.
چرا تعداد گیت‌ها اهمیت زیادی دارد؟
سخت‌افزارهای کوانتومی کنونی با نویز و محدودیت منابع روبه‌رو هستند. این دستگاه‌ها تنها می‌توانند تعداد مشخصی عملیات را پیش از انباشته‌شدن خطاها اجرا کنند و کیوبیت‌ها نیز همچنان منبعی کمیاب به شمار می‌روند.
در مسئله شیمیایی FeMoco که هدف آن شبیه‌سازی یک مولکول است، پیشرفت‌های قبلی پژوهشگران انسانی، برآورد منابع موردنیاز را از حدود ۵۰ تریلیون گیت توفولی به نزدیک ۳۴۰ میلیون گیت کاهش داده بود. کار کلود نشان می‌دهد که هوش مصنوعی نیز می‌تواند به ابزاری دیگر در همین تلاش برای بهینه‌سازی تبدیل شود.
این دستاورد چه معنایی دارد؟
مهم‌ترین نتیجه فوری این پروژه برای صنعت محاسبات کوانتومی، بیش از آنکه به یک مدار مشخص مربوط باشد، به شیوه انجام پژوهش بازمی‌گردد. اگر یک مدل هوش مصنوعی بتواند با دخالت اندک انسان، طرح‌های مدار را بارها اصلاح کند و در آزمون‌های تخصصی از روش‌های پیشین بهتر عمل کند، گروه‌های پژوهشی می‌توانند گزینه‌های طراحی بسیار بیشتری را نسبت به آنچه به‌صورت دستی امکان‌پذیر است، بررسی کنند.
بااین‌حال، محدودیت‌های روش نیز روشن است. آزمایش‌ها تنها هشت وظیفه منتخب را شامل می‌شدند و در یکی از آن‌ها طرح جدید نتوانست عملکرد بهتری از طرح‌های موجود ارائه دهد. همچنین، کاهش چشمگیر تعداد گیت‌ها در مدار معکوس پیمانه‌ای با افزایش نیاز به کیوبیت همراه بود؛ مسئله‌ای مهم در سخت‌افزاری که کیوبیت‌های آن کمیاب هستند.
این پروژه برای آنتروپیک پشتوانه‌ای دیگر در حمایت از این دیدگاه فراهم می‌کند که مدل‌های پیشرفته هوش مصنوعی می‌توانند در حل مسائل دشوار علمی نقش داشته باشند. تأکید بر برنامه پژوهشگران STEM نیز نشان می‌دهد که این شرکت می‌خواهد کلود نه‌فقط به‌عنوان یک چت‌بات یا دستیار برنامه‌نویسی، بلکه به‌عنوان همکار پژوهشی شناخته شود.
افشاگری: این مقاله را دیگو آلمادا لوپز ویرایش کرده است. برای اطلاع از شیوه تولید و بازبینی محتوا، به سیاست تحریریه مراجعه کنید.