در محاسبات کوانتومی معمولاً تمرکز اصلی روی الگوریتم‌هاست، انگار که مزیت کوانتومی مستقیماً از خود الگوریتم به‌دست می‌آید. اما در عمل، الگوریتم فقط نقطه‌ی شروع است و تفاوت واقعی بسیار دیرتر و در مرحله‌ی اجرا روی سخت‌افزار ظاهر می‌شود.
یک الگوریتم کوانتومی واحد می‌تواند روی دو سیستم واقعی رفتار کاملاً متفاوتی داشته باشد. دلیلش این است که عملکرد نهایی به عواملی مثل نحوه‌ی نگاشت کیوبیت‌ها روی توپولوژی سخت‌افزار، روش تجزیه‌ی گیت‌ها، زمان‌بندی اجرای آن‌ها، و نحوه‌ی اعمال بازخورد کلاسیک و کاهش خطا وابسته است. این جزئیات معمولاً در توصیف تئوریک الگوریتم دیده نمی‌شوند، اما روی دستگاه واقعی تعیین‌کننده‌اند.
روی کاغذ، دو پیاده‌سازی ممکن است کاملاً معادل به‌نظر برسند؛ عمق مشابه، تعداد گیت برابر، و حتی همان خروجی مورد انتظار. اما روی سخت‌افزار نویزی، یکی ممکن است پایدار همگرا شود و دیگری به‌دلیل انباشت خطا عملاً فروبپاشد. این تفاوت مستقیماً از نحوه‌ی کامپایل و زمان‌بندی می‌آید، نه از خود الگوریتم.
به همین دلیل است که محاسبات کوانتومی به‌سرعت در حال تبدیل شدن به یک مسئله‌ی مهندسی سیستم است. سؤال کلیدی دیگر این نیست که «آیا این الگوریتم بهینه است؟»، بلکه این است که «آیا کل زنجیره‌ی اجرا — از الگوریتم و کامپایلر گرفته تا سخت‌افزار و کنترل کلاسیک — می‌تواند به‌صورت قابل‌اعتماد و انتها‌به‌انتها کار کند؟».
با مقیاس‌پذیر شدن سخت‌افزار، برندگان کسانی نخواهند بود که صرفاً الگوریتم‌های زیباتر دارند، بلکه آن‌هایی هستند که لایه‌ی ترجمه بین تئوری و ماشین را بهتر کنترل می‌کنند. مزیت کوانتومی دقیقاً در همین لایه و به‌صورت تدریجی، به یک توان عملی و قابل استفاده تبدیل می‌شود.
🆔 @QuantumProgramming
🆔 http://instagram.com/Quantum.Programming
Post #688
1.11K