اخبار و مقالات

کامپیوترهای کوانتومی و تحولی در مدیریت داده‌ها

حسین سبزیان دنیای اقتصاد : در سال ۲۰۱۷، هر روز بالغ بر ۵/ ۲ اگزابایت داده تولید شده است. این حجم داده چیزی به اندازه‌ ۲۵ هزار کتابخانه‌ کنگره‌ آمریکا یا محتوای ۵ میلیون لپ‌تاپ است. در هر دقیقه ۲/ ۳ میلیارد کاربر جهانی اینترنت حجم عظیمی از داده را تولید می‌کنند که قسمت زیادی از آن به‌صورت عکس و به‌خصوص فیلم است. با توجه به محدودیت‌های پردازشی کامپیوترهای فعلی به وضوح می‌توان فهمید که در این زمینه ما با محدودیت جدی روبه‌رو هستیم و این در حالی است که داده به سرعت خیره‌کننده‌ای در حال افزایش است (خلق کلان‌داده). رفع چنین چالشی دانشمندان را به سوی نوع نوینی از محاسبات رهنمون ساخته است که شاید برجسته‌ترین آنها محاسبات کوانتومی(Quantum Computing) باشد که توسعه چنین فناوری‌ای، مقصود اصلی مهندسی کوانتومی (Quantum Engineering) است.

 در دنیای علم، آنچه که به‌عنوان مهندسی کوانتومی یاد می‌شود به معنای این است که اتم‌ها به‌عنوان موجودات کوانتومی منفرد دستکاری و کنترل می‌شوند یعنی حالت کوانتومی(Quantum state) آنها به‌صورت کنترل شده و برای مقاصد معین دستکاری می‌شود. با مهندسی کوانتومی می‌توان اتمی را که در حالت پایه است به یک حالت معین و مشخص یا حتی به یک برهم نهی از حالت‌های مشخص برد این امر اصطلاحا به این معناست که می‌توان یک گیت کوانتومی یک کیوبیتی (One-Qubit Quantum Gate) را بر یک اتم اعمال کرد. می‌توان حتی حالت یک اتم معین را بسته به حالت اتم دیگری که در نزدیکی آن است تغییر داد. به عبارت دیگر می‌توان گیت‌های دو کیوبیتی (Two-Qubit Quantum Gate) را روی اتم‌ها اثر داد. تمام این موارد به این معنی است که قرن بیست و یکم قرنی است که در آن انسان قادر به کنترل حالت‌های کوانتومی اتم‌های منفرد خواهد بود و از این دانش و توانایی نه تنها برای مقاصد فناوری که گستره آن هنوز روشن نیست بلکه برای فهم مرزها و محدودیت‌های مکانیک کوانتومی استفاده خواهد کرد. مهندسی کوانتومی جایی است که رشته‌هایی مانند مهندسی مکانیک و الکترونیک بر پایه‌ مکانیک کوانتومی در یک نقطه به هم پیوند می‌خورند. مانند هر اتفاق عظیمی در دنیای مهندسی، فناوری محاسبات کوانتومی هم اثرات عظیمی بر زندگی بشر خواهد گذاشت که در ادامه به یکی از آنها خواهیم پرداخت.

مزیت بی‌بدیل

گوگل به‌عنوان یکی از پیشگامان این حوزه اخیرا موفق به ساخت کامپیوتری کوانتومی شده است که ۱۰۰ میلیون بار سریع‌تر از کامپیوترهای فعلی است. چنین تکنولوژی‌ای زمانی بسیار اهمیت خواهد یافت که ما بخواهیم حجم بسیار عظیمی از داده را تحلیل و مسائل با سطح پیچیدگی بالا را به سرعت حل کنیم. در حال حاضر رایج‌ترین مدل محاسبه مدل مداری است که در آن داده‌ها در رشته‌ای از بیت‌های کلاسیک صفر و یک ذخیره می‌شوند و مدارهای منطقی (logical circuits) کلاسیکی که از گیت‌های کلاسیک ساخته شده‌اند این داده‌ها را پردازش می‌کنند. این مدارهای منطقی می‌توانند توابع قابل محاسبه (Computable Functions) را با ترکیبی از گیت‌های منطقی AND، OR و NOT محاسبه کنند. یک بیت کلاسیک می‌تواند تنها در یکی از دو حالت صفر و یک قرار بگیرد حال آنکه یک کیوبیت (بیت کوانتومی) می‌تواند در ترکیبی از این دو حالت نیز قرار بگیرد. بنابراین یک حافظه کوانتومی که دارای K کیوبیت است می‌تواند در ترکیبی از ۲K قرار بگیرد. قرار گرفتن یک کیوبیت در ترکیبی از دو حالت متفاوت محصول خاصیت برهم نهی کوانتومی (Quantum Superposition) است.

در شکل تفاوت یک بیت (قسمت چپ) و کیوبیت (قسمت راست) به نحوی ساده نشان داده شده است. در این شکل که از آن به‌عنوان کره‌ بلاخ (Bloch Sphere)یاد می‌شود برای یک بیت می‌توان دید که یا در قطب شمال (صفر/  زرد) است یا در قطب جنوب (یک/  آبی). حال آنکه یک کیوبیت می‌تواند ترکیبی از این دو باشد. این قابلیت کامپیوترهای کوانتومی را قادر می‌کند مسائلی را حل کنند که حل آنها برای کامپیوترهای کلاسیک زمان بسیار زیادی می‌برد. مشهورترین مساله، تجزیه یک عدد به عامل‌های اول (Prime factors) آن است. تفاوت سرعت این دو تکنولوژی در تجزیه یک عدد ۷۸ رقمی N بیتی به عامل‌های اولش در جدول (۱) نشان داده است.

توان محاسباتی کامپیوترهای کوانتومی تأثیر بسیاری بر هوش مصنوعی، به‌خصوص یادگیری ماشین (Machine Learning)، خواهد گذاشت به این طریق که امکان تحلیل سریع کلان داده‌ها و استخراج الگوهای پیچیده از آنها را بیش از پیش ممکن می‌سازد، ضمن اینکه می‌توان حجم عظیمی از داده‌های استخراج شده از منابع مختلف را با هم جمع کرد و الگوهای نوینی را نیز تحلیل و به دست آورد. این توان محاسباتی عظیم کامپیوترهای کوانتومی علاوه بر مزیت‌های زیادی که دارد، تهدیدهایی جدی نیز ایجاد می‌کند که شاید برجسته‌ترین آنها، قدرت این فناوری در شکستن پروتکل‌های رمزنگاری پیچیده نظیر SHA-۲(مورد استفاده در بیت‌کوین و…) و RSA (مورد استفاده در امضای دیجیتال و…) باشد.

25 (2)

مجتبی بنائی

دانشجوی دکترای نرم‌افزار دانشگاه تهران (yun.ir/smbanaie)، مدرس دانشگاه و فعال در حوزه توسعه نرم‌افزار و مهندسی داده که تمرکز کاری خود را در چند سال اخیر بر روی مطالعه و تحقیق در حوزه کلان‌داده و زیرساخت‌های پردازش داده و تولید محتوای تخصصی و کاربردی به زبان فارسی و انتشار آنها در سایت مهندسی داده گذاشته است. مدیریت پروژه‌های نرم‌افزاری و طراحی سامانه‌های مقیاس‌پذیر اطلاعاتی از دیگر فعالیتهای صورت گرفته ایشان در چند سال گذشته است.

۲ دیدگاه

  1. با سلام خسته نباشید
    واقعاپست شما در  مبحث کوانتوم در علوم کامپیوتر فوق العاده بود
    متشکر از مطالب مفید و ارزشمندتون

  2. ای کاش نویسنده محترم در خصوص ارتباط و کاربرد و تاثیر محاسبات کوانتمی بر منطق فازی علاوه منطق بولی هم بررسی میکرد

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این سایت از اکیسمت برای کاهش هرزنامه استفاده می کند. بیاموزید که چگونه اطلاعات دیدگاه های شما پردازش می‌شوند.

دکمه بازگشت به بالا