64. محاسبات کوانتومی از یک لپ‌تاپ
64.1شبیه‌سازهای حالت-برداری
تراکتور کار (فصل ۱۷ خودتان را ساخت): دامنه‌های دقیق، مشاهده‌پذیری کامل، سقف ~۳۰ کیوبیت روی لپ‌تاپ مجهز، ~۵۰ روی ورک‌استیشن چاق یا گرهٔ HPC. آنچه یکتا می‌دهد: حقیقت مرجع — احتمالات دقیق، مقدارهای انتظاری دقیق، یونیتی‌های مدار دقیق — داورِ هر روش دیگر. الگوهای حرفه‌ای: چک‌های Statevector/Operator به‌عنوان ادعا در مجموعه‌آزمون (16.15)، منحنی‌های مرجع دقیقی که نتایج نویزی و سخت‌افزاری با آن‌ها مقایسه می‌شوند (نردبان خط مبنا 54.2) و اشکال‌زدایی در سطح دامنه (بازبینی فازها، نه فقط احتمالات — 16.14). حدود قابل احترام: حافظهٔ نمایی، صفر نویز (هم ویژگی و هم دروغ — «نتایج» شما فیزیکی که سخت‌افزار را سخت می‌کند ندارد) و مرگ بی‌صدا در swap-to-disk بعد از n≈32. آن را اتاق تمیز آزمایشگاهتان بدانید: جایی که چیزهای کامل اندازه‌گیری می‌شوند.
64.2شبیه‌سازهای شبکه-تانسوری
بازوی دسترسی: حالت‌ها را به‌صورت شبکه‌های تانسوری منقبض‌شده بازنمایی کنید (MPS/PEPS — 17.15 معرفی کرد، اینجا عملیاتی) و مدارهایی را که *درهم‌تنیدگی*شان محدود می‌ماند شبیه کنید، فارغ از شمار کیوبیت. ابزارها: quimb (پایتون، عالی)، ITensor (جولیا)، روش "matrix_product_state" ایرو. آنچه روی لپ‌تاپ می‌گشاید: مدارهای کم‌عمق ۵۰ تا ۱۰۰+ کیوبیتی (آنساتزهای اندازهٔ VQE/QAOA بخش سیزدهم، مدارهای تصادفی کم‌عمق، مدارهای استخراج سندروم QEC — نمایش‌های d=3 و d=5 فصل ۳۵ راحت جا می‌شوند)، تحول زمانی زنجیره‌های اسپین یک‌بعدی (فیزیک فصل ۴۷ در اندازه‌هایی که حالت-برداری به آن‌ها نمی‌رسد). هزینه‌اش: بُعد پیوند با درهم‌تنیدگی رشد می‌کند — مدارهای عمیق روی مسائل همه-به-همه به دیوار می‌خورند و صادقانه می‌میرند (انفجار حافظه) نه نادقیق؛ بُعد پیوند را آگاهانه بگذارید و گزارشش کنید. قاعدهٔ سرانگشتی: اگر مدارتان ساختار دارد (موضعیت، تقارن، عمق کم)، پیش از ناممکن‌پنداشتن، شبکهٔ تانسوری را امتحان کنید.
64.3شبیه‌سازهای پایدارنده
طبقهٔ کلیفورد (نظریهٔ 17.14، مستقرشده): مدارهای {H, S, CX, اندازه‌گیری} را روی هزاران کیوبیت در میکروثانیه‌ها شبیه کنید — ابزاری که تصحیح خطا را لپ‌تاپ-دسترس می‌کند. موتور: stim (گوگل، استاندارد حوزه — شبیه‌سازی جدول با نرخ نمونه‌گیری میلیون‌ها شات بر ثانیه روی مدارهای هزاران کیوبیتی). آنچه می‌گشاید: کل برنامهٔ درسی QEC بخش دهم به‌صورت دست‌برداز — آزمایش‌های حافظهٔ کد سطحی، مطالعات آستانه (پروژهٔ فصل ۳۷ d=3→d=15 را با آمار کامل در دقیقه‌ها اجرا می‌کند)، بهینه‌سازی مدار سندروم، ارزیابی رمزگشا در برابر نویز دقیق مداری. مرز: بدون دروازهٔ غیرکلیفورد (T می‌شکندش — ساختار فصل ۲۷ دوباره)، پس مدارهای مقیاس الگوریتمی طبقات دیگر را می‌خواهند. شتاب‌دهندهٔ آزمایشگاه شما: stim به‌اضافهٔ رمزگشای فصل ۳۷ یک ابزار پژوهشی واقعی است، باارزش‌تر از آنچه بیشتر آزمایشگاه‌های دانشگاهی یک دهه پیش داشتند.
64.4شبیه‌سازهای نویزی
طبقهٔ واقع‌نمایی: فیزیکی را که سخت‌افزار را سخت می‌کند شبیه کنید — دِکوهرنس، خطای دروازه، خطای خوانش — با حقیقت مرجع برای مقایسه. موتورها: Aer با NoiseModel (قطبی‌شونده، واخزش حرارتی، خطای خوانش به‌ازای کیوبیت/دروازه؛ from_backend اسنپ‌شات دستگاه واقعی می‌گیرد — طبقهٔ مبتنی‌بر-کالیبراسیون 54.6) و نویز مداری stim (کانال‌های پائولی با خطاهای اندازه‌گیری — مدل استاندارد QEC). انضباط آزمایشی ممکن: تحلیل شکاف پیش‌بینی-در-برابر-واقعی (ایده‌آل → شبیه‌سازی نویزی → سخت‌افزار؛ دو شکاف «اثر نویز» و «ناسازگاری مدل» را جدا کمّی می‌کنند — درخت تصمیم 54.5 محقق)، اعتبارسنجی رفع خطا (آیا ZNE روی شبیه‌ساز نویزی کمک می‌کند پیش از خرج شات‌های سخت‌افزاری — فصل ۳۱) و مطالعات حساسیت به نویز (نرخ خطا را جارو کنید، ببینید الگوریتم‌ها چگونه زوال می‌یابند — آزمایش‌های فلات 49.8). تونل باد آزمایشگاهتان: هیچ‌چیز اینجا پرواز نکند که نجاتش نداده باشد.
64.5نمایش مدارها
ابزارهای آزمایشگاه شامل چشم‌هایش هم هستند: نقشه‌های مدار (16.12 — draw('mpl')، هم‌پوشانی چیدمان، نماهای خط‌زمانی)، نمایش حالت (بلوخ، QSphere، نمای شهر — 16.13) و نماهای خاص QEC که به آن‌ها رشد می‌کنید (نمودارهای مدل خطای آشکارساز stim، نمودار گراف تطبیق رمزگشا به‌صورت شکل). رویهٔ حرفه‌ای: نمایش اشکال‌زدایی است نه تزئین — پیش از اجرا رسم کنید (قاعدهٔ ۳۰ ثانیه) و توزیع‌ها روی پارامترها را رسم کنید (فرنج‌ها و نوسان‌های 16.13) نه تک‌شات‌ها. برای گزارش‌های آزمایشگاه (نوت‌بوک‌های 62.4): هر شکل رژیم (ایده‌آل/نویزی/سخت‌افزار)، شمار شات و میلهٔ خطایش را بیان کند — شکل بی‌میله‌خطا طرح است، نه اندازه‌گیری. پیش‌فرض‌های matplotlib بد نیست؛ قراردادهای صداقت (فصل ۵۴) حرفه‌ای بودن است.
64.6آزمایش‌های عددی
طبقات شبیه‌ساز، منظم‌شده در روش‌شناسی — انضباط فصل ۵۴، شبیه‌ساز-بومی. الگوهایی که مطالعه‌های لپ‌تاپی را در حد نشر می‌کنند: جاروی پارامتری با بذرهای ثابت و توزیع‌های گزارش‌شده (هرگز یک مسیر)؛ تحلیل مقیاس (مشاهده‌پذیرها را بر n برازش کنید؛ توان‌ها با بازهٔ اطمینان — آشکارساز پرتگاه-مقیاس 55.4)؛ نقشه‌های رژیم (همان آزمایش روی مدل‌های نویز — قطبی‌شونده → مبتنی‌بر-کالیبراسیون → مداری — نتایجی که روی رژیم‌ها بمانند ادعایشان را می‌خرند) و حسابداری بودجهٔ محاسبه (ساعت-CPU را مثل ساعت-دستگاه گزارش کنید — ارز صداقت حوزه برای کار شبیه‌سازی). ابزار: پشتهٔ ردیابی 54.10 (گزارش SQLite/MLflow، هر اجرا هش‌شده)؛ نوت‌بوک برای اکتشاف، اسکریپت برای اجراهای تولیدی — و این دو جدا می‌مانند، چون نوت‌بوک‌هایی که مقاله را اجرا کردند فقط وقتی تکرارپذیرند که اسکریپت هر شکل را بازتولید کند.
64.7رایانه‌های کوانتومی ابری
چیز واقعی، از میز شما: دسترسی باز IBM Quantum (سطح مجانی، پردازنده‌های ابررسانا واقعی، صف‌محور — تنها منبع بازترین برای خوانندهٔ ساکن ایران؛ نیازی به ریل پرداخت نیست)، AWS Braket و Azure Quantum (پلتفرم‌های پرداخت-به-استفاده با میزبانی IonQ، Quantinuum، Rigetti، Pasqal — پرداخت جای‌کارِ 63.10 را می‌خواهد، اما برنامه‌های اعتبار مجانی هست) و برنامه‌های دسترسی مستقیم QuEra/Quantinuum برای پژوهش. آنچه دسترسی ابری می‌دهد و شبیه‌سازی نمی‌تواند: رانش (داده‌های کالیبراسیون روزانه عوض می‌شوند — نتایج مدار شما تابع زمان‌اند)، کراس‌تاک و خطاهای همبسته (فیزیکی که مدل‌های 54.6 نمی‌گیرند)، اقتصاد واقعی صف (طراحی دسته‌ای مهم می‌شود — 16.9) و مهارت حرفه‌ای استخراج سیگنال از ماشین سرکش. هر دستگاه ابری را همکار دور دستتان بدانید: درخشان، بدمزاج، و فقط تقریباً مستند.
64.8سخت‌افزار دور
کار با پردازنده‌های واقعی، حرفه‌ای: انضباط‌های کاری که زمان صف را به نتیجه تبدیل می‌کنند. پیش‌پرواز همه‌چیز — شبیه‌سازی ایده‌آل، نویزی، اعتبارسنجی سخت‌افزاری n-کوچک پیش از تعهد کار بزرگ (درخت 54.5، به‌حکم سهمیه‌ها)؛ بی‌رحمانه دسته‌ای — مدارهای زیاد در هر جاب، جاروهای پارامتری بسته‌شده با هم، چون سربار صف غالب است؛ همه را سنجاق کنید — بذرهای ترنسپایل، انتخاب چیدمان، تاریخ اسنپ‌شات کالیبراسیون (backend.properties() با هر اجرا بکشید — آگاهی رانش 45.9)؛ بیش‌نمونه — شات‌ها نسبت به انتظار صف ارزان‌اند؛ خام آرشیو — شمار خام + فرادادهٔ هر جاب به گزارشتان، چون دادهٔ ابری منقضی می‌شود (نتایج بعد از روزها پاک می‌شوند؛ دادهٔ کالیبراسیون توضیح‌دهنده‌شان هم). مزیت پژوهندهٔ سخت‌افزار-دور، انضباط فراداده است: مهندسی که می‌تواند توضیح دهد چرا نتیجهٔ سه‌شنبه از جمعه فرق دارد در حال مترولوژی است؛ بقیه سوغات جمع می‌کنند.
64.9محک سخت‌افزار دور
ماشین را خودتان بسنجید — باارزش‌ترین مهارت لپ‌تاپ-و-ابر، چون اعداد محک منتشرشده زود کهنه می‌شوند و معیارهای فروشنده بازی می‌دهند (احتیاط 57.7 روی دستگاه‌ها هم اعمال می‌شود). جعبه‌ابزار، قابل اجرا روی سطح‌های مجانی: بنچمارک تصادفی‌سازی (RB درهم‌تنیده برای نرخ خطای به‌ازای-کلیفورد — پروتکل استاندارد، در یک روز پیاده‌پذیر)، ماتریس‌های خطای خوانش (هر حالت پایه را آماده-اندازه کنید؛ در پس‌پردازش وارون کنید — رفع خطای فوراً مفید)، برآورد T1/T2 (آزمایش‌های اسکن-تأخیر — بازیابی وارونگی و رمزی؛ نظریهٔ فصل ۳۰، اندازه‌گیری‌شده)، میرش GHZ بر حسب فاصله (کیفیت درهم‌تنیدگی به‌صورت تابع فاصلهٔ کیوبیتی — کاوشگر کراس‌تاک) و مدارهای سلامت دویچ–جوزا/QAOA-ریزه (پاسخ‌های معلوم، سنجش ماشین در برابر نظریه). مجموعه را روی دستگاه اختصاصی‌تان پیش از سپردن آزمایش‌ها اجرا کنید — یک بعدازظهر محک، هفته‌ها نتیجهٔ آشفته نجات می‌دهد، و گزارش کالیبراسیون حاصل یک قطعهٔ پوشه (62.2) است که تقریباً هیچ‌کس ندارد.