Quantum Programming

محققان IBM و دانشگاه شیکاگو موفق به انجام یک محاسبه کوانتومی شده‌اند که با روش‌های کلاسیک برتر، به‌طور عملی قابل‌تکرار نیست. این سیستم با استفاده از ۷۰ کیوبیت منطقی تصحیح‌شده، این کار را در حدود ۱۵ دقیقه به پایان رساند و در عین حال، شواهد آماری برای تأیید قابلیت اطمینان نتیجه ارائه داد. این دستاورد که در مقاله‌ای با عنوان « Sampling hard circuits with verifiably high fidelity» منتشر شده، نشان‌دهنده یکی از بزرگ‌ترین نمایش‌های برتری کوانتومی (Quantum Advantage) تا به امروز است. محققان با استفاده از یک استراتژی جدید تصحیح خطا، توانستند ۷۰ کیوبیت منطقی را کدگذاری کرده و به مسئله‌ای بپردازند که برای روش‌های کلاسیک پیشرو، غیرعملی تلقی می‌شود. بیشتر بخوانید

ظرفیت دوره تکمیل شده است. عزیزانی که ثبت‌نام کردند حتما در گروه دوره که لینک آن با ایمیل ارسال شده است عضو شوند. (پوشه اسپم چک شود) با توجه به درخواست ثبت نام، در صورت امکان ظرفیت جدید اعلام خواهد شد.

⚛️ انویدیا پلتفرم متن باز CUDA-Q را برای رایانش کوانتومی مقاوم به خطا گسترش داد انویدیا از افزودن CUDA-Q Logical به پلتفرم CUDA-Q خبر داد؛ یک لایه ارکستراسیون برنامه پذیر و قابل راستیآزمایی که به صنعت کوانتوم امکان میدهد برنامه های کاربردی مقاوم به خطا خطا را در حوزه هایی مثل کشف دارو، مدلسازی مالی و توسعه مواد طراحی و آزمایش کنند. چرا مهم است؟ پردازنده های کوانتومی تحمل پذیر خطا با کیوبیت های منطقی برای رایانش کوانتومی مفید ضروری اند، اما توسعه برنامه برای آنها چالش زمانبری است: تغییر در الگوریتم، کد تصحیح خطا یا معماری سخت افزار میتواند منابع مورد نیاز را کاملاً تغییر دهد. CUDA-Q Logical این فرآیند را ساده میکند. دستاوردها: 🔹 آزمایشگاه فرمی (Fermilab): توسعه معماری تحمل پذیر خطا را از ۵ ماه به ۳ هفته کاهش داد — تسریع ۷ برابری. 🔹 Iceberg Quantum: نشان داد ۱۰۰۰ کیوبیت منطقی با تنها ۱۵۰,۰۰۰ کیوبیت فیزیکی قابل ساخت است — حدود ۱۰ برابر کمتر از برآورد قبلی Diraq. بنچمارک QUOPS: آزمایشگاه ملی سندیا بنچمارک جدید QUOPS را معرفی کرد که آمادگی سخت افزار کوانتومی مقاوم به خطا را برای کاربردهای عملی میسنجد. نتایج اولیه برای QPUهای Google، IBM و Quantinuum منتشر شده و پیادهسازی مرجع آن در CUDA-Q در دسترس است. #انویدیا #کوانتوم #CUDA_Q

مقاله جدید: The cost of simulating classically tractable quantum circuits and dynamics نویسندگان Chang, Thanasilp, Holmes, Cerezo (LANL, CERN, EPFL) می‌دونیم بعضی مدارهای کوانتومی (مثل مدارهای Clifford) رو می‌شه با یک الگوریتم کلاسیکِ «زمان چندجمله‌ای» شبیه‌سازی کرد. اما این مقاله می‌پرسه: آیا این یعنی در عمل هم شبیه‌سازی کلاسیک ارزون‌تره؟ جواب: نه همیشه! نویسنده‌ها با تخمین‌های واقعی سخت‌افزاری، سه معیار رو مقایسه کردن: 🔹 تعداد نمونه‌های کوانتومی لازم 🔹 زمان اجرای کوانتومی 🔹 زمان الگوریتم کلاسیک نتیجه: در بعضی رژیم‌ها، اجرای مستقیم روی سخت‌افزار کوانتومی سریع‌تره — حتی وقتی یک الگوریتم کلاسیکِ چندجمله‌ای وجود داره! در رژیم‌های دیگه، کلاسیک همچنان برنده‌ست. پیام کلیدی: «قابل‌شبیه‌سازی بودن از نظر تئوری» با «مقرون‌به‌صرفه بودن در عمل» فرق می‌کنه. صرفاً کلاس پیچیدگی (P vs BQP) کافی نیست — باید ثابت‌های پنهان، هزینه‌ی پیش‌پردازش و محدودیت‌های واقعی سخت‌افزار رو هم حساب کرد. https://arxiv.org/pdf/2609.11847 🆔 @QuantumProgramming 🆔 http://instagram.com/Quantum.Programming