في مجال الحوسبة الكمومية، يعد تصحيح الأخطاء الكمومية (Quantum Error Correction - QEC) من المتطلبات الأساسية لضمان الحفاظ على المعلومات المنطقية عبر مجموعة من الكيوبتات (qubits). مع التطورات الأخيرة في مجال التعلم العميق، ظهرت داخل الشبكة العصبية (neural network) أدوات واعدة لتحسين موثوقية هذا النوع من التصحيح.

نقدم لكم اليوم نموذج Transformer المركزي على الكيوبتات (Qubit-Centric Transformer - QCT)، وهو كواحد من الابتكارات المتقدمة في تصحيح الأخطاء الكمومية. يعتمد هذا النموذج على هيكلية الـ Transformer ويتميز بآلية انتباه مركزي ترتكز على الكيوبتات. يقوم QCT بتحويل المدخلات من مجال الاستقرار إلى رموز مخصصة للكيوبتات عبر استراتيجية تشفير متخصصة.

تتم معالجة هذه الرموز من خلال طبقات الانتباه بحيث يتم التعرف بشكل فعّال على الأخطاء المنطقية الكامنة. ومن الجدير بالذكر، أن النموذج يقدم طريقة جديدة تعتمد على رسم بياني كمامة تأخذ بعين الاعتبار الهيكل الطوبوغرافي (topological structure) للشفرة الكمومية، مما يعزز الانتباه نحو التفاعلات ذات الصلة بين الكيوبتات.

خلال التجارب، أظهرت النتائج أن QCT يحقق أداءً رائداً في فك الشفرات، متجاوزاً النماذج الحالية وأنظمة التصحيح باحتمالات مرتبة. وحقق نموذجنا عتبة مرتفعة تصل إلى 18.1% تحت تأثير ضوضاء التخفيف، وهو قريب للغاية من الحد النظري البالغ 18.9%، متجاوزاً بذلك النماذج السابقة.

يمثل هذا النهج المركزي على الكيوبتات إطاراً قوياً وقابل للتوسع لفك شفرة الشيفرات السطحية، مما يعزز الطريق نحو حوسبة كمومية مقاومة للأخطاء.