🟠 پژوهشگران و عامل‌های هوش مصنوعی هزینه تخمینی حمله کوانتومی به رمزنگاری بیت‌کوین را ۸۶ درصد کاهش دادند

🔹یک پروژه تحقیقاتی متن‌باز با ترکیب تلاش دانشمندان انسانی و عامل‌های هوش مصنوعی، برآورد منابع کوانتومی موردنیاز برای اجرای یک مرحله کلیدی از حمله به رمزنگاری شبکه‌های بلاکچین را به میزان چشمگیر ۸۶٫۱ درصد کاهش داده است.

🔸این پژوهش نشان می‌دهد که هرچند اجرای این حمله در حال حاضر و با سیستم‌های موجود عملی نیست، اما مسیر دستیابی به آن روی کامپیوترهای کوانتومی مقاوم در برابر خطای آینده بسیار بهینه‌تر از پیش‌بینی‌های گذشته شده است.

🔹تمرکز اصلی این پروژه روی بهینه‌سازی یک مدار کوانتومی برای «جمع نقطه‌ای منحنی بیضوی» (elliptic-curve point addition) بوده است؛ یک عملیات ریاضی حیاتی که برای اجرای #الگوریتم_شور علیه رمزنگاری منحنی بیضوی — از جمله منحنی secp256k1 که در #بیت‌کوین و #اتریوم استفاده می‌شود — ضروری است.

🔸کاهش چشمگیر هزینه‌های این عملیات به توسعه‌دهندگان #بلاکچین نشان می‌دهد که زمان‌بندی برای مهاجرت به سیستم‌های رمزنگاری مقاوم در برابر کوانتوم باید جدی‌تر گرفته شود، چرا که این فرآیند ارتقا سال‌ها زمان می‌برد و نمی‌توان آن را عطف به ماسبق کرد.

🔹 در این چالش که با نام ECDSA.Fail توسط پلتفرم Eigen Labs در می ۲۰۲۶ راه‌اندازی شد، مدار اولیه به ۲۷۱۵ #کیوبیت_منطقی و به‌طور میانگین بیش از ۳٫۹ میلیون گیت توفولی (Toffoli) نیاز داشت.

❗️در پایان مهلت رسمی پروژه، بهترین مدار ارائه‌شده توانست این نیاز را به ۱۱۵۱ کیوبیت منطقی و حدود ۱٫۳ میلیون گیت توفولی برساند که معادل ۵۷٫۶٪ کاهش در تعداد کیوبیت‌ها و ۶۷٫۲٪ کاهش در تعداد گیت‌ها است.

🔹این امتیاز نهایی حدود ۵۰ درصد پایین‌تر (بهینه‌تر) از رکورد مشابهی است که پیش‌تر توسط پژوهشگران گوگل ثبت شده بود؛ هرچند تفاوت در مفروضات و روش‌های ارزیابی، مقایسه مستقیم آن‌ها را دشوار می‌کند. پس از پایان مهلت نیز، تلاش‌های تکمیلی توانست تعداد کیوبیت‌های منطقی را با افزایش تعداد عملیات‌ها به ۸۱۳ عدد کاهش دهد.

🔸 یکی از ویژگی‌های برجسته این دستاورد، استفاده از مدل «پژوهش خودکار باز» (open autoresearch) است که در آن بیش از ۱۰۰ مشارکت‌کننده با بهره‌گیری از عامل‌های #هوش_مصنوعی به تست و بهبود کدها پرداختند.

🔹در این رویکرد نوین، انسان‌ها وظیفه تعیین اهداف، تأمین دانش ریاضی و نظارت را بر عهده داشتند، در حالی که عامل‌های هوش مصنوعی در پیاده‌سازی، آزمایش تغییرات تدریجی تکرارشونده و ترکیب ایده‌ها برای خلق ساختارهای مداری جدید نقش محوری ایفا کردند. این همکاری نشان داد که هوش مصنوعی در کنار تلاش جمعی محققان می‌تواند سرعت نوآوری در حل مسائل پیچیده الگوریتمی را به‌شدت افزایش دهد.

🔸 با وجود این پیشرفت، پژوهشگران تأکید می‌کنند که این نتایج معادل یک حمله کامل و موفق به بیت‌کوین نیست. این بنچمارک تنها بخش «جمع نقطه‌ای» را پوشش می‌دهد و اجرای کامل الگوریتم شور را شامل نمی‌شود.

🔹همچنین هزینه‌های عملیاتی مربوط به تصحیح خطای فیزیکی کوانتومی، کامپایل سخت‌افزاری و چالش‌های اجرای هم‌زمان عملیات‌ها (Circuit depth) در این برآورد لحاظ نشده‌اند و تضمین ریاضی قطعی برای درستی عملکرد مدار در تمامی ورودی‌های ممکن ارائه نشده است.

🔸گام بعدی این تیم، ادغام این مدار بهینه‌شده در پیاده‌سازی کامل و پنجره‌بندی‌شده (windowed) الگوریتم شور خواهد بود تا ارزیابی دقیق‌تری از هزینه نهایی این حمله به دست آید.

📎لینک خبر

🔸🔸🔸🔸🔸🔸
🔗 Website
🔗 Telegram
🔗 LinkedIn

#اخبار #محاسبات_کوانتومی