أخبار ar.wedoany.com، أعلنت شركة Aegiq البريطانية المتخصصة في الحوسبة الكمومية الفوتونية عن تحقيق سلسلة من الإنجازات التقنية، من خلال دمج الذكاء الاصطناعي ورياضيات الشبكات التنسورية في أجهزتها ومنصة البرمجيات الخاصة بالحوسبة عالية الأداء (HPC). تم تطبيق هذه النتائج على الجيل الأول من وحدات المعالجة الكمومية (QPU) التابعة للشركة ومكتباتها البرمجية الهجينة، مما أدى إلى معالجة الاختناقات الحرجة في استقرار الأجهزة وقابلية التوسع في ديناميكا الموائع الحسابية (CFD). من خلال الاستفادة من أطر عمل NVIDIA المتخصصة في الذكاء الاصطناعي وهياكلها المتسارعة، أظهرت الشركة قدرة على التحسين التلقائي للنظام ونماذج ذات مقياس لوغاريتمي قادرة على معالجة بيانات هندسية فائقة الضخامة.
تتعرض منصات الحوسبة الكمومية هيكليًا لتداخل الضوضاء البيئية والانحراف في الأجهزة، الأمر الذي يتطلب تقليديًا ضبطًا يدويًا من قبل مهندسين متخصصين للحفاظ على خط الأساس للأداء. لتحقيق الصيانة التلقائية للأجهزة، قامت Aegiq بدمج نماذج الذكاء الاصطناعي مفتوحة المصدر من سلسلة NVIDIA Ising في سير العمل اليومي لحاسوبها الكمومي الفوتوني Artemis المثبت في المركز الوطني البريطاني للحوسبة الكمومية (NQCC). في إطار بنية قائمة على الوكلاء، تستخدم المنصة نماذج رؤية لغوية (VLM) مدربة مسبقًا تعمل على أنظمة NVIDIA المحلية لاستكشاف فضاء معلمات الأجهزة. يتيح التكوين متعدد الوكلاء تحليل التعليمات النصية الطبيعية، مما ينسق التعديلات الفورية على الأجهزة لموازنة مؤشرات النقاط الكمومية الرئيسية مثل السطوع والنقاء وعدم التمييز، مع تقليل النفقات الهندسية الأسبوعية للتشغيل والصيانة بمقدار 3 أضعاف.
على صعيد البرمجيات، تتعاون Aegiq مع مركز EPCC بجامعة إدنبرة، وجامعة ماساتشوستس في أمهرست، ومختبر أوك ريدج الوطني (ORNL) لمواجهة مشكلة الحدود القصوى لتخزين البيانات في محاكاة الموائع فائقة الضخامة. تنتج برامج CFD الحديثة عالية الدقة مئات التيرابايت من البيانات، حيث يصل الطلب على الذاكرة للقطة واحدة من تدفق الموائع إلى 275 جيجابايت. قدم الفريق في ورقة بحثية نُشرت على arXiv طريقة ضغط مستوحاة من الحوسبة الكمومية، تقوم بتعيين بيانات الموائع عالية الأبعاد إلى شبكات تنسورية أحادية البعد، وتحديدًا حالات حاصل الضرب المصفوفي (MPS). يستفيد هذا الإطار الرياضي من البنية الفيزيائية لديناميكا الموائع المضطربة: على غرار تأثيرات التشابك الكمومي قصير المدى، يحدث التبادل الرئيسي للطاقة في عملية الشلال المضطرب بين مقاييس الدوامات المتجاورة، مما يحقق نسبة ضغط غير مدمرة للبيانات بمعدل 10 أضعاف على الأجهزة التقليدية.
لترجمة مزايا التوسع هذه إلى تطبيقات صناعية، قامت Aegiq بدمج مكتبة NVIDIA cuTensorNet (المكون الأساسي لمجموعة NVIDIA cuQuantum SDK) لدفع خوارزميات CFD الجاهزة للحوسبة الكمومية. عند تطبيق طرق الشبكات التنسورية على الأشكال الهندسية الفعلية، يُعد تكوين الشبكة الحسابية الأساسية عقبة رئيسية. طورت Aegiq مخططًا خاصًا لتوليد الشبكات يهدف إلى محاذاة الحدود الفيزيائية مع البنية التنسورية. عند النشر على وحدات معالجة الرسوميات NVIDIA L40S، تمكن هذه البنية الشبكية المتخصصة النظام من إظهار وقت تشغيل واستهلاك ذاكرة يتغيران وفقًا لقانون لوغاريتمي، مع القدرة على توليد شبكات حسابية تتجاوز مليار عقدة، لتلبية متطلبات التصميم الصناعي القياسي على الأجهزة التقليدية الحالية.
تتمثل الميزة التشغيلية الرئيسية لإطار Aegiq التنسوري في قدرته على تنفيذ معادلات الموائع غير الخطية المعقدة مباشرة داخل تنسيق البيانات المضغوطة، دون الحاجة إلى فك ضغط الحالة بالكامل. أثبت فريق البحث أن العمليات الحسابية عالية الكثافة مثل الالتواء المكاني المستخدم في حلول معادلات نافييه-ستوكس التقليدية يمكن تنفيذها ضمن إطار تمثيل حالات حاصل الضرب المصفوفي. عند التعامل مع مجموعات البيانات الضخمة، تحقق طريقة المعالجة داخل نطاق الضغط تسارعًا ملحوظًا مقارنة بطرق تحويل فورييه السريع (FFT) التقليدية. نظرًا لأن الميزة الحسابية تتناسب طرديًا مع حجم وتعقيد المحاكاة، فإن هذا الإطار يغير بشكل جوهري خصائص التوسع للمعادلات التفاضلية الجزئية عالية الأبعاد، مما يجعل المشكلات الهندسية التي كانت صعبة سابقًا قابلة للإدارة.
يؤدي دمج الضبط التلقائي بالذكاء الاصطناعي مع مكتبات التنسور الجاهزة للحوسبة الكمومية إلى تشكيل مسار تطور مستمر يربط بين أجهزة الكمبيوتر العملاقة الحالية المزودة بوحدات معالجة رسومية وأجهزة الحوسبة الكمومية المستقبلية المقاومة للأخطاء. إن البنية الخوارزمية المتسارعة بواسطة منصة NVIDIA هي بطبيعتها جاهزة للحوسبة الكمومية، مما يعني أن حالات الموائع المضغوطة يمكن تعيينها مباشرة إلى السجلات الكمومية عبر بروتوكولات إعداد الحالة المعمول بها. يتيح ذلك للمستخدمين من الشركات في مجالات مثل هندسة الطيران وأبحاث الطاقة النظيفة ونمذجة المناخ، الحصول على تحسين فوري في الأداء على مجموعات وحدات المعالجة الرسومية التقليدية (مثل نظام Frontier في ORNL)، مع ضمان إمكانية انتقال خطوط أنابيب البرمجيات الخاصة بهم إلى وحدات QPU فوتونية واسعة النطاق ومزودة بتصحيح الأخطاء مع تطور الأجهزة الأساسية. يمكن الاطلاع على التفاصيل التقنية والنتائج الأكاديمية عبر القنوات التالية: تقرير ضبط Aegiq Artemis بالذكاء الاصطناعي، وموجز Aegiq cuQuantum CFD، وبوابة Aegiq للشبكات التنسورية، ومستودع المراجعة الشامل للأقران arXiv:2606.17064.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
