ما المسائل التي تتميز فيها الحواسيب الكمومية؟

شاهد فيديو تطبيقات الحوسبة الكمومية من تقديم أوليفيا لينز، أو افتح الفيديو في نافذة منفصلة على YouTube.

مقدمة

في الدرس السابق، تناولنا مسألة واحدة بعمق — حل مشكلة القطع الأقصى (Max-Cut) باستخدام صياغة QUBO. اليوم سنتبع نهجاً مختلفاً ونناقش التطبيقات قصيرة المدى بشكل أوسع. سنبدأ بإعطائك فكرة عن كيفية تحديدنا لأنواع المسائل التي قد تستفيد من حل كمومي. ثم سنستعرض بعض الأمثلة الحديثة من أعمال مجتمعنا. سيساعدك هذا على بناء حدسك تجاه أنواع المسائل المناسبة للحوسبة الكمومية وكيفية التعامل معها.

الصعوبة الكلاسيكية مقابل الكمومية

قبل الخوض في الأمثلة، دعنا نناقش أولاً كيف ندرس صعوبة المسائل المختلفة ونصنفها. بعض المسائل يُحل بسهولة على الحاسوب الكلاسيكي ولا نحتاج حاسوباً كمومياً لحلها. في المقابل، هناك مسائل بالغة الصعوبة تستلزم الحواسيب الكمومية لحلها. من أشهر الأمثلة إيجاد العوامل الأولية للأعداد الصحيحة الكبيرة. يعتمد تشفير RSA على صعوبة هذه المشكلة، وصُمِّمت خوارزمية شور لحلها على حاسوب كمومي. مثال آخر هو إيجاد حل في مجموعة بيانات غير مرتبة — يمكن حل ذلك نظرياً بخوارزمية جروفر الكمومية. غير أن معظم الخبراء يتفقون على أن هذه الأنواع من الخوارزميات تستلزم تطبيق تصحيح الأخطاء، والتكنولوجيا لم تصل إلى ذلك المستوى بعد.

لذا نبحث عن مسائل يمكننا معالجتها في منطقة التوازن بين السهل جداً والصعب جداً — مسائل يستطيع حلّها حواسيب اليوم الكمومية لكنها تُعيق الحواسيب الكلاسيكية.

فئات التعقيد

تُصنَّف صعوبة هذه المسائل وتُحلَّل في فرع من علوم الحوسبة يُسمى نظرية تعقيد الحوسبة. يوجد عدد كبير من فئات التعقيد في الحوسبة الكلاسيكية، لكن أبرزها:

• P: المسائل التي يمكن حلها في وقت متعدد الحدود مع تزايد حجم المسألة. هي مسائل سهلة الحل.
• NP: تعني "غير حتمية متعددة الحدود". هذه المسائل لا يمكن بالضرورة حلها في وقت متعدد الحدود، لكن يمكن التحقق من صحة إجاباتها في وقت متعدد الحدود.
• NP-كاملة: أصعب المسائل في NP وليس لها حل متعدد الحدود معروف. هنا تعيش مسائل شهيرة كمسألة البائع المتجول ولعبة السودوكو.
• BPP، أو المسائل متعددة الحدود محدودة الخطأ، وهي مسائل يمكن حلها ضمن عتبة خطأ معينة بحاسوب كلاسيكي احتمالي في وقت متعدد الحدود.

عندما اختُرع مفهوم الحوسبة الكمومية، بذل الناس جهوداً كبيرة لمعرفة أي فئة من المسائل ستستطيع هذه الأنواع الجديدة من الحواسيب حلها بكفاءة. فاختُرعت فئة جديدة من المسائل:

• BQP، أو المسائل الكمومية متعددة الحدود محدودة الخطأ. هذا المكافئ الكمومي لـBPP: هي فئة مسائل القرار التي يمكن لحاسوب كمومي حلها في وقت متعدد الحدود باحتمال خطأ صغير.

كل هذه الفئات تقع ضمن فئة أكبر نسميها PSPACE. أعلاه مخطط يوضح العلاقات المفترضة بين بعض فئات التعقيد، وإن كان إثبات ذلك رياضياً بصورة قاطعة أمراً بالغ الصعوبة. ستلاحظ أن BQP لا تتداخل بالضرورة مع NP-كاملة. لكنك ربما رأيت بعض مناهج الحوسبة الكمومية التي تسعى إلى حل مسائل NP-كاملة.

من المفاهيم الخاطئة الشائعة أنه لا جدوى من استكشاف الحلول الكمومية لأي مسائل لم يُثبت فيها رياضياً وجود تسريع كمومي. لكن إثبات أن خوارزمية كمومية أسرع من نظيرتها الكلاسيكية أمر عسير. خوارزميتا شور وجروفر من الأمثلة القليلة جداً التي تحقق ذلك حتى الآن. في الواقع، إثبات أن P وNP مختلفتان بدقة هو من أبرز الأسئلة المفتوحة في الرياضيات، رغم أن الحدس يوحي بأنهما مختلفتان بالتأكيد.

لكن أسلوب تعامل الخوارزمية مع التحجيم عند زيادة حجم المسألة — وهو ما تعكسه فئة التعقيد — ليس دائماً السمة الأهم في الخوارزمية. كثيراً ما يمثل هذا التحجيم السيناريو الأسوأ. من الممكن تماماً أن السيناريو الأسوأ ليس الأكثر شيوعاً في الواقع العملي.

عدم وجود براهين على الصعوبة لا يعني أننا عاجزون عن التقدم. هنا تأتي فكرة الحلول الاستدلالية. إذا كنت تجريبياً بطبعك فأنت على الأرجح تعرف هذه الأنواع من الحلول وتحبها. الأسلوب الاستدلالي هو أي نهج عملي لحل مسألة، وليس بالضرورة أمثلياً، لأن الحلول لا تحتاج إلى أن تكون أمثلية كي تكون مفيدة. فكّر مثلاً في التطبيقات المالية. لم نجد بعد تسريعاً أسياً لمعظم الخوارزميات المالية التي يمكن استخدام الحوسبة الكمومية فيها، لكننا لا نحتاج إلى الحل الأمثل. في المال والأعمال، حتى حل أكفأ بنسبة 0.1% يمكن أن يعادل مليارات الدولارات من الأرباح.

حواسيب اليوم الكمومية وحدودها

إذن، كيف نعرف حالات الاستخدام والمسائل التي قد تكون مناسبة للحوسبة الكمومية الآن؟ هل ثمة سبب وجيه للاعتقاد بإمكانية تحقيق الفائدة الكمومية أو حتى التفوق الكمومي الآن أو في المستقبل القريب؟

ربما الأسهل أن نُعدِّد أولاً ما يجب ألا تتضمنه المسألة. لا يمكنها أن تتطلب عدداً ضخماً من الكيوبتات. فنحن لا نملك بعد معالجات تحوي آلافاً أو ملايين الكيوبتات. هذا أحد الأسباب الرئيسية لبُعد خوارزمية شور والمشابهات عن التحقق. كما لا يمكن أن تكون الدوائر عميقة جداً. يعتمد حد العمق على عوامل عديدة، لكن بشكل عام إذا كانت تجربتك تتطلب عمقاً لم تشهده في الأدبيات المنشورة، فمن المرجح ألا تنجح. وأخيراً، أي نوع من الخوارزميات نعرف أنه يستلزم تصحيح الأخطاء لا يمكن تطبيقه بعد.

كل هذه القيود تُعالَج في خارطة طريق IBM Quantum® ونتوقع تحقيق تصحيح الأخطاء في أوائل الثلاثينيات من هذا القرن، لكن في الوقت الحالي نحتاج إلى البحث عن تجارب تستخدم أغلب الكيوبتات المتاحة على وحدة المعالجة الكمومية QPU الحالية. نؤكد أيضاً على أهمية التخفيف من الأخطاء وكبتها. وأخيراً، يجب أن تكون هناك امتداد واضح لتطبيقات مستقبلية مهمة للمجتمع يمكن أن تؤدي في نهاية المطاف إلى التفوق الكمومي.

مجالات التطبيق وحالات الاستخدام

الآن دعنا نتحدث عن بعض أمثلة حالات الاستخدام، التي تقع في ثلاث فئات رئيسية حددناها باعتبارها الأكثر احتمالاً لتحقيق نتائج إيجابية في المدى القريب إلى المتوسط:

1. محاكاة الطبيعة. تتقيد الطرق الكلاسيكية الحالية لمحاكاة الذرات والجزيئات بأوصاف رياضية غير فعّالة للبنية الذرية. تخزين الحالة الكمومية والتلاعب بها يستلزم موارد أسية على الحاسوب الكلاسيكي لكن يمكن تنفيذه بكفاءة على حاسوب كمومي. قد يُفضي ذلك إلى تطورات في احتجاز ثاني أكسيد الكربون، أو بطاريات بديلة، أو اختراع أدوية جديدة. من الخوارزميات ذات الصلة في هذا المجال: حلّال الاختصاصي الكمومي التغايري (VQE) المستخدم لتقدير خصائص معينة للمادة كحالات التوازن أو أدنى طاقة؛ وخوارزمية محاكاة الديناميكا الزمنية (TDS) المستخدمة لتقدير دوال الاستجابة أو الخصائص الطيفية للمواد؛ والوافد الجديد تقطير الكم القائم على العينات (SQD) الذي نعتقد أننا سنسمع عنه كثيراً في المستقبل القريب.

2. التحسين. هذا المجال في كل مكان في الحوسبة، لذا حالات الاستخدام عديدة ومتنوعة. من الأمثلة التي نسمع عنها كثيراً: تحسين المحفظة المالية، والتصميم الصناعي، والتوزيع وسلاسل التوريد. الخوارزمية الأكثر شيوعاً ذات الصلة بالمجال المالي هي التي تناولناها بالتفصيل: خوارزمية التحسين الكمومي التقريبي أو QAOA.

3. التعلم الآلي الكمومي. هذا المجال أثار حماساً كبيراً في السنوات الأخيرة، لكن من المرجح ألا يصبح QML مفيداً بسرعة المحاكاة. غير أن ثمة خوارزميات مثيرة للاهتمام قيد التطوير لمعالجة حالات استخدام مهمة جداً. بعض هذه الحالات المحتملة هي: معالجة اللغات الطبيعية، وتحليل حركة الشبكة، وحتى كشف الاحتيال في المعاملات المالية. الخوارزميات ذات الصلة في هذا المجال هي: آلة المتجهات الداعمة الكمومية (QSVM)، والشبكات العصبية الكمومية (QNN)، والشبكات التوليدية التنافسية الكمومية.

ضمن هذه المجالات التطبيقية الواسعة، يرى المجتمع فائدة في تعاون مجموعات تركز على موضوعات أكثر تخصصاً. تبنَّت IBM® مبادرة أسمتها مجموعات العمل لمساعدة المتعاونين على التعرف على بعضهم وخلق تآزر منتج في أربعة مجالات محددة: الرعاية الصحية وعلوم الحياة، والمواد والحوسبة عالية الأداء (HPC)، وفيزياء الطاقة العالية، والتحسين. وأُنشئت مؤخراً مجموعة عمل خامسة تُعنى بالاستدامة.

سنتناول الآن عن كثب بعض المسائل التي عالجتها مؤخراً بعض هذه المجموعات. الهدف الرئيسي هنا ليس فهم كل تفصيلة في تجربة ما — قد يكون ذلك مربكاً حتى للخبراء إذا كانت الورقة خارج نطاق تخصصك قليلاً. الهدف ببساطة هو بناء حدسك حول أنواع المسائل التي تتميز فيها الحواسيب الكمومية وكيفية التعامل معها. وإذا كنت مهتماً، نشجعك على قراءة الأوراق البحثية كاملة.

حالة الاستخدام 1: محاكاة ديناميكا الهادرونات

أولاً، سنتعمق في ورقة بحثية لمجموعة مارتن سافاج بجامعة واشنطن بعنوان Quantum Simulations of Hadron Dynamics in the Schwinger Model Using 112 Qubits.

إذا لم تكن فيزيائياً للطاقة العالية، قد تكون مألوفاً بمصطلح "هادرون" كما في مصادم الهادرونات الكبير (LHC)، وهو مسرّع الجسيمات العملاق ذو المحيط البالغ 27 كيلومتراً الذي أتاح رؤية بوزون هيغز أخيراً. الهادرون جسيم مركّب دون ذري مكوَّن من جسيمات أصغر تُسمى الكواركات. من أمثلة الهادرونات: النيوترونات والبروتونات.

لبعض السياق، بُني مصادم LHC لتمكين دراسة الفيزياء الأساسية بتصادم الجسيمات بطاقات عالية جداً. يأمل العلماء من خلاله معرفة المزيد عن الكون المبكر والقوانين الأساسية للطبيعة. من حيث المبدأ، يمكن محاكاة تفاعلات هذه الجسيمات من بدايتها إلى نهايتها بحاسوب كمومي بالغ القدرة. لسنا في ذلك المستوى بعد، لكننا نتقدم.

نموذج شوينجر نموذج بسيط مشهور يُستخدم لمحاكاة بعض هذه الديناميكيات. يصف سلوك الإلكترونات والبوزيترونات المتفاعلة عبر الفوتونات في 1+1 بُعداً، أي الزمن وبُعد مكاني واحد. يتشابه النموذج كثيراً مع كرومو ديناميكا الكم (QCD) التي تصف كيفية تفاعل الكواركات والهادرونات، لكن QCD بالغة الصعوبة في المحاكاة. لذا يُستخدم نموذج شوينجر كثيراً نموذجاً مبسطاً للتحقيق في بعض الظواهر المشتركة بينهما.

لفهم سبب تناولهم هذه المسألة، دعنا نطرح سلسلة من الأسئلة.

أولاً، لماذا كان لديهم سبب للاعتقاد بأن محاكاة هذا النموذج على حاسوب كمومي ستنجح أصلاً؟ في هذه الحالة، للإلكترونات والبوزيترونات في نموذج شوينجر تأثير حجب يجعل الترابطات بين الفرميونات البعيدة تتناقص أسياً مع المسافة. هذا يعني أن التفاعلات بعيدة المدى بين كيوبت في أحد طرفي الشريحة وآخر في الطرف الآخر — وهو أمر معروف بأنه عرضة جداً للأخطاء — تكون أقل ضرورة. وهذا رائع للأجهزة المتاحة اليوم.

ثانياً، لماذا يهم هذا الموضوع؟ فيزياء الطاقة العالية ذات اهتمام بالغ عموماً. أنفق الناس مليارات الدولارات لبناء LHC، وكرّس آلاف العلماء والتقنيين حول العالم مسيرتهم المهنية لهذا المجال. رغم أن نموذج شوينجر مبسَّط ولم يُصمَّم ليشمل ثلاثة أبعاد مكانية، إلا أنه تبسيط مفيد للنظرية الكاملة.

أخيراً، كيف أُنجز هذا العمل، أو كيف سنتعامل مع المسألة إذا أردنا متابعته؟ في تجارب المحاكاة، VQE أحد أكثر الأساليب شيوعاً، والخطوة الأولى دائماً تقريباً هي نفسها: تحضير الحالة الأساسية. في هذه الحالة هي حالة الفراغ. في هذه التجربة، استخدموا نسخة جديدة من VQE تُسمى SC-ADAPT-VQE (اختصار Scalable Circuits - Adaptive Derivative-Assembled Pseudo-Trotter ansatz-VQE) لتحضير كل من الحالة الأساسية وحزمة موجة الهادرون على هذا الفراغ. الخطوة التالية السماح للهادرونات بالتطور عبر الزمن. وأخيراً، تحديد المراصد المراد قياسها وقياسها.

إذا بدت تلك الخطوات مألوفة لك — بصرف النظر عن جزء حزمة موجة الهادرون — فذلك لأنها تتشابه كثيراً مع ما تناولناه في مثال QAOA في الدرس السابق. نبدأ في حالة مألوفة (حالة الفراغ هنا)، ثم نتركها تتطور عبر الزمن بسلسلة من هاميلتونيات مُس َّس. تتبع خوارزميات تغايرية كثيرة هذا النهج العام. لكن الاختلاف الكبير هنا أننا ننشئ حزمة موجة الهادرونات في وسط دائرتنا قبل أن نبدأ بتطويرها.

إذن كيف ننشئ حزمة الموجة؟ على الفراغ، يمكن إثارة هادرون بإنشاء زوج فرميون-مضاد فرميون على مواقع متجاورة. بتحضير تراكب لهادرونات كهذه في مواضع مختلفة، يمكن تحضير حزمة موجة اعتباطية. مركَّز المؤلفون حزمة موجتهم في وسط الدائرة لمراقبة التطور دون الاصطدام بحدود.

لكن تذكر: العبرة عند العمل مع وحدات معالجة كمومية صاخبة هي إبقاء عمق الدائرة في المستوى المقبول. لتحقيق ذلك، يستخدم بروتوكول SC-ADAPT-VQE التناظرات والتسلسلات الهرمية في أطوال المقاييس لتحديد دوائر كمومية ذات عمق منخفض لتحضير الحالة. سيُنشئ هذا أنساتز بعدد أقل من المعاملات وبالتالي عمق أضحل.

أُجريت التجربة على جهاز IBM Quantum Heron وتضمنت عدة أنواع من التخفيف من الأخطاء وكبتها: الفصل الديناميكي، واستقراء الضوضاء الصفرية، وتلوية باولي، وتقنية حديثة التطوير تُسمى إعادة التطبيع بإزالة الترابط من العوامل.

أعلاه شكل من الورقة يوضح المرصد المعني، وهو الكثيف الكيرالي، الذي هو في جوهره مرحلة السائل الفائق للهادرونات. نرى حزمة الموجة في وسط المواقع المخصصة لهذه التجربة. الخطوط السوداء هي النتائج الخالية من الأخطاء من المحاكاة الكلاسيكية (المكلفة حسابياً)، بينما النقاط بأشرطة الخطأ هي نتائج الحاسوب الكمومي IBM ذو 133 كيوبتاً المُسمى Torino.

نرى خطوتَي زمن مختلفتين في تطور حزمة الموجة. عند الزمن $t=1$، يمكن ملاحظة أن الكثيف الكيرالي ضيق ومحلّي، ويتوافق أيضاً مع المحاكاة الكلاسيكية توافقاً جيداً. عند $t=14$، يكون أكثر انتشاراً. المقارنة بالمحاكاة ليست مثالية تماماً الآن، لكن لا يزال بوسعك رؤية توافق جيد جداً بين النظرية والبيانات، وهو أمر مشجع.

خلاصة القول، هذا مثال رائع لنوع أعمال المحاكاة التي قد لا تفكر ابتداءً في تطبيق الحوسبة الكمومية عليها، لكنها تُظهر إمكانية حقيقية. ليست مثالية، لكنك لست بحاجة إلى خبرة في فيزياء الجسيمات لترى أن الحاسوب الكمومي يتنبأ بدقة بالانتشار الخارجي لحزمة الموجة، وهو بالضبط ما كنا نتوقع إيجاده. نأمل أن تستمر الأعمال المستقبلية في هذا المجال ويواصل فيزيائيو الطاقة العالية إيجاد طرق لدمج الحوسبة الكمومية في تدفقات عملهم. الهدف هو حل المسائل النظرية الصعبة بدقة أعلى واستخدام التجارب لقبول النظريات أو رفضها بهدف اكتشاف فيزياء جديدة وبناء كاشفات محسّنة والتوصل إلى فهم أعمق للطبيعة في مستواها الأساسي.

حالة الاستخدام 2: تحسين زجاج دوران إيزينج

مثالنا التالي يركز على التحسين وسيكون تعمقاً في ورقة بحثية بعنوان Bias-Field Digitized Counterdiabatic Quantum Optimization، أعدّها أعضاء من فريق Kipu Quantum وجامعة البلد الباسكي في إسبانيا.

في الورقة، طوّر المؤلفون طريقة تحسين جديدة وطبّقوها لإيجاد الحالة الأساسية لزجاج دوران إيزينج. كما ناقشنا سابقاً، يمكن إعادة صياغة كثير من مسائل التحسين التوافقي كحل لحالات الطاقة الدنيا لهاميلتونيات إيزينج. يصف نموذج إيزينج تفاعل مجموعة من الدورانات المجهرية. في بعض الأنظمة، يتنبأ النموذج بأن الدورانات تتصرف كالزجاج حيث تكون العزوم المغناطيسية فوضوية فوق ما يُسمى "درجة حرارة التجمد".

سنبدأ كما فعلنا من قبل بسلسلة من التعريفات. الأول هو اللاديابي المضاد، وهو نوع من التطور يكبت التأثيرات غير الديابية التي يختبرها النظام بصرف النظر عن سرعة تلك العمليات. تذكّر النظرية الديابية من الحلقة السابقة — تحتاج عادةً إلى تطوير نظام ببطء شديد إذا أردته أن يبقى في الحالة الأساسية. هذه مشكلة كبيرة لأن بطء التطور يعني مزيداً من الوقت تحدث فيه الأخطاء. يهدف الإثارة اللاديابية المضادة (CD) إلى مكافحة ذلك بإضافة حدود تعاكس هذه الإثارات غير المرغوبة. الفكرة الأساسية هي تسريع التجربة بأكملها وتقليل عمق الدائرة الكمومية بكبت الإثارات التي قد تتسبب في انتقالات طفيلية.

الآن المصطلح الآخر في العنوان: حقل التحيز. تأخذ الخوارزميات التكرارية الأخرى كـVQE معاملات كلاسيكية في الحالات وتستخدم مُحسِّنات كلاسيكية للبحث في فضاء المعاملات متعدد الأبعاد عن مجموعة المعاملات التي تعطي أدنى قيمة متوقعة لهاميلتوني ثابت. في هذه الحالة، يُغيَّر الهاميلتوني في كل مرة بدلاً من ذلك، بالانتقال الديابي من حالة معروفة إلى الحالة المطلوبة. لتغيير الهاميلتوني، يُطبَّق مباشرةً القيمة المتوقعة لـPauli-Z من تكرار ما كحقل تحيز في هاميلتوني التكرار التالي. وبهذا يوجّهون الديناميكيات نحو الحل الفعلي دون الحاجة إلى مُحسِّنات كلاسيكية.

إذن، لماذا تهم هذه التجربة؟ زجاجات دوران إيزينج ذات أهمية أساسية في الفيزياء، لكن هذا النهج الجديد أعم من ذلك. يمكن تطبيقه على مسائل تحسين كثيرة، لذا الورقة ذات اهتمام واسع.

ولماذا اعتقدنا أن هذا سينجح؟ الخوارزمية التي يقترحها تسرّع التطور لتقليل عمق الدائرة، مع كبت الانتقالات غير الديابية. علاوة على ذلك، لا تعتمد على أي روتين تحسين كلاسيكي، الذي يمكن أن يُشكّل مشكلة تُفضي إلى سهول منبسطة والوقوع في حدود دنيا موضعية. وأخيراً، حرص المؤلفون على محاذاة التفاعلات في هاميلتوني المسألة مع اتصالات الأجهزة في وحدات المعالجة الكمومية الحقيقية، وهو أمر بالغ الأهمية دائماً.

إذن، كيف تعمل هذه الطريقة؟ كما ذكرنا، لا تستخدم أي مُحسِّنات كلاسيكية على خلاف معظم الخوارزميات الكمومية التكرارية الأخرى. بدلاً من ذلك، بتغذية حل كل تكرار كمدخل للتكرار التالي، تُنقّح خوارزمية التحسين الكمومي الرقمي ذات حقل التحيز الحالةَ الأساسية تدريجياً، مقربةً إياها من الحالة المطوَّرة النهائية. وبالتزامن مع البروتوكولات اللاديابية المضادة، يمكن تحقيق ذلك حتى مع دوائر كمومية ذات عمق قصير يجب أن تعمل بسلاسة على الأجهزة الصاخبة.

عند إجراء التجربة، اختار المؤلفون تشغيل الخوارزمية على الحاسوب الكمومي IBM بريزبن ذو 127 كيوبتاً. أدناه شكل يوضح التكرار الثامن لخوارزمية التحسين لنموذج زجاج دوران مُولَّد عشوائياً لأقرب الجيران على 100 كيوبت. يقارنون نتائج المحاكاة الكلاسيكية المثالية لـDCQO وBF-DCQO، إضافة إلى النتيجة التجريبية على الحاسوب الكمومي. ويعرضون أيضاً نتيجة حلّال كلاسيكي يُسمى Gurobi كمرجع. بعشرة تكرارات فحسب، يُقدِّم BF-DCQO تحسيناً جذرياً مقارنةً بـDCQO. رغم أن النتيجة التجريبية تختلف قليلاً عن النتيجة المثالية بسبب الضوضاء، لا يزال الأداء أفضل من DCQO المثالية. هذا يُظهر أن التقدم الممتاز مستمر في التحسين الكمومي وتُبلَّغ عن نتائج جيدة على أكثر من 100 كيوبت لأول مرات قليلة.

حالة الاستخدام 3: التنبؤ بالبنية الثانوية لـmRNA

أخيراً، سنناقش ورقة بحثية من شركة Moderna Pharmaceuticals بعنوان mRNA Secondary Structure Prediction Using Utility-Scale Quantum Computers.

أولاً، مراجعة سريعة لـmRNA. الحمض النووي الريبوزي المرسال نوع من RNA يشارك في تركيب البروتين. يقرأ أساساً التعليمات الواردة من DNA. البنية الثانوية لـmRNA هي كيفية انطواء السلسلة كما يوضح الرسم البياني أدناه. ومشكلة التنبؤ بالبنية الثانوية لـRNA هي مشكلة إيجاد الطية الأكثر استقراراً لتسلسل القواعد أو النوكليوتيدات المكوِّنة لـRNA: الأدينين (A)، والسيتوزين (C)، واليوراسيل (U)، والجوانين (G). تُظهر الصورة أدناه بعض بنى الطي الشائعة في mRNA؛ كل لون يمثل نوعاً مختلفاً من البنية الثانوية. ما يجعل بنية ما أفضل من غيرها ليس مفهوماً تماماً؛ كل ما يمكننا فعله هو حساب أي بنية تعطي أدنى طاقة حرة مقارنةً بالحالة غير المنطوية. وهنا يأتي دور الحواسيب الكمومية.

لماذا تهم البنى الثانوية لـmRNA؟ التنبؤ الدقيق بها بالغ الأهمية ليس فحسب لفهم DNA وجيناتنا، بل أيضاً لتصميم العلاجات القائمة على RNA كلقاح COVID-19.

اشتُهر هذا الموضوع منذ أمد بعيد بأنه مسألة تحسين عسيرة للحواسيب الكلاسيكية بسبب العدد الهائل من التشكيلات الممكنة. في بعض التشكيلات، تُعرف على أنها مسألة NP-كاملة. غير أنه على حاسوب كمومي يمكن صياغة التنبؤ بالبنية الثانوية كمشكلة تحسين ثنائية — شيء نعرف كيف نتعامل معه. فضلاً عن ذلك، وُجدت بالفعل في الأدبيات أدلة على تنبؤات دقيقة بـRNA على أجهزة كمومية صغيرة الحجم ومحاكيات كمومية. لكن هل سينجح هذا على أجهزة أكبر؟

أُجريت هذه التجربة باستخدام ما يُسمى حلّال الاختصاصي الكمومي التغايري ذي القيمة المشروطة المعرضة للخطر، وهو تعديل لخوارزمية VQE التقليدية يُتوقع منه تحقيق تقارب أفضل.

يُظهر الرسم البياني أعلاه توزيع احتمالات قياس سلاسل البت المستعيَّنة مع طاقاتها المقابلة لنموذج 42 نوكليوتيداً و80 كيوبتاً. تُمثّل سلاسل البت هنا أزواجاً من النوكليوتيدات. يُظهر أن أدنى سلسلة بت طاقةً وجدها الحاسوب الكمومي تطابق تلك الخاصة بالحلّال الكلاسيكي المقارن، وهو رائع. ويُظهر أيضاً بنية الطي المثلى لتلك السلسلة النوكليوتيدية استناداً إلى أدنى سلسلة بت طاقةً وجدها الحاسوب الكمومي.

الخلاصة

نأمل أن تكون هذه الحالات الثلاث قد أعطتك ما يكفي من السياق لفهم ما تبدو عليه الأعمال الرائدة في هذا المجال حالياً، وزادت من ثقتك بتجربة تجارب كمومية جديدة ربما لم تفكر فيها من قبل.

تذكر: الحوسبة الكمومية ليست مناسبة لكل مسألة. وهذا في حقيقته شهادة على مدى جودة ما وصلنا إليه في الحوسبة الكلاسيكية. مجرد التفكير في إمكانية تطبيق الحوسبة الكمومية على مسألة لا يعني أنها ستُعطي نتائج مثيرة؛ يجب مراعاة التحجيم.

عمق الدائرة سلاح ذو حدين. نحتاجه كبيراً بما يكفي للقيام بأعمال مثيرة لا تستطيع الحواسيب الكلاسيكية فعلها، لكننا الآن لا نستطيع زيادة العمق كثيراً لأن ضوضاء الأجهزة ستُقلل من الأمانة. الأمر كله يتعلق بإيجاد تلك المنطقة الذهبية ومعرفة أنها هدف متحرك. لذا خصص وقتاً بين الآن والدرس القادم للتفكير في مسألة صادفتها في بحثك، وكيف يمكنك مقاربتها بما تعلمناه حتى الآن. وقد لا تُجدي حلولك نفعاً، وهذا أمر طبيعي. هذا هو البحث العلمي.