✉ خبرنامه
🌐 فارسی
نرم‌افزار۳ دقیقه مطالعه

Pasqal گردش‌کار عامل‌های هوش مصنوعی را عرضه کرد که ایده‌های پژوهشی را به اجرا روی QPUهای اتم خنثی تبدیل می‌کند

مهارت‌های عامل جدید Pasqal در Claude Code، Cursor و Codex کار می‌کنند و از یک مقاله یا ایده تا کارهای شبیه‌سازی‌شده و اجراشده روی QPUهای Pasqal Cloud پیش می‌روند.

این صفحه از انگلیسی ترجمه شده است. نام شرکت‌ها، محصولات و پیوندهای منابع بدون تغییر باقی مانده‌اند. خواندن نسخه اصلی انگلیسی

شرکت اتم خنثی Pasqal (نزدک: PSQL) یک گردش‌کار با پشتیبانی هوش مصنوعی را در Pasqal Cloud در دسترس قرار داده است. این مجموعه‌ای از مهارت‌های عامل است که به‌صورت افزونه در محیط‌های برنامه‌نویسی مبتنی بر عامل مانند Claude Code، Cursor و Codex نصب می‌شود. به گفته Pasqal، این ابزار می‌تواند یک ایده علمی به‌خوبی تعریف‌شده یا یک پروتکل منتشرشده را تا آزمایشی که روی یک واحد پردازش کوانتومی (QPU) اجرا می‌شود پیش ببرد و بخش زیادی از کار مهندسی میان این دو را حذف کند.

چه چیزی اعلام شد

بر اساس اطلاعیه، این گردش‌کار کل زنجیره را پوشش می‌دهد: یک پروتکل آزمایشی را استخراج یا صورت‌بندی می‌کند، آن را به کاری آماده برای سخت‌افزار تبدیل می‌کند، در شبیه‌سازی اعتبارسنجی می‌کند، از طریق ابر ارسال می‌کند و نتایج را به کمیت‌های مشاهده‌پذیر علمی پردازش می‌کند. کاربران می‌توانند روی سه QPU در Pasqal Cloud که برای کاربران بیرونی باز است آزمایش اجرا کنند: Ruby که GENCI آن را در CEA فرانسه اداره می‌کند؛ FC1 در شربروک کبک؛ و SA1 در عربستان سعودی.

واثق بخاری، مدیرعامل، گفت «گلوگاه در محاسبات کوانتومی در حال جابه‌جایی است» — از دسترسی به سخت‌افزار به مهندسی لازم برای استفاده از آن. Pasqal تأکید می‌کند که قضاوت علمی همچنان با کاربر است: اینکه چه چیزی اندازه‌گیری شود و آیا یک نتیجه از یک ادعای فیزیکی پشتیبانی می‌کند یا نه.

چگونه کار می‌کند

Pasqal در یک پست فنی وبلاگ زنجیره‌ای از مهارت‌های اختصاصی را شرح می‌دهد که بر پایه پشته نرم‌افزاری موجودش ساخته شده‌اند: Pulser برای طراحی توالی پالس‌ها، emu-mps برای شبیه‌سازی و Pasqal Cloud SDK برای دسترسی به دستگاه‌ها، داده‌های کالیبراسیون و اجرا.

  • application-to-idea یک مسئله یا شهود را به ایده آزمایشی مشخص تبدیل می‌کند.
  • idea-to-spec پارامترها، کمیت‌های مشاهده‌پذیر، قیدها و فرض‌های سخت‌افزاری را در فایلی به نام experiment_spec.json استخراج می‌کند که پژوهشگر می‌تواند پیش از ادامه آن را بررسی و ویرایش کند.
  • spec-to-sequence یک توالی اجرایی Pulser، شامل ثبات اتم‌ها و راه‌اندازی لیزر، می‌سازد.
  • validate-emu و noise-emulate رفتار ایدئال را با شبیه‌سازی‌های نوفه‌دار که ویژگی‌های دستگاه را در نظر می‌گیرند مقایسه می‌کنند.
  • qpu-submit کار را روی سخت‌افزار اجرا می‌کند و harvest-and-analyze رشته‌بیت‌های خام را به کمیت‌های مشاهده‌پذیر تعریف‌شده تبدیل می‌کند.

Pasqal می‌افزاید که پژوهشگران اتحادیه اروپا می‌توانند به‌رایگان روی QPU آن که در TGCC–GENCI مستقر است آزمایش اجرا کنند و یک مهارت اختصاصی آن‌ها را در فرایند درخواست راهنمایی می‌کند.

جاهایی که عامل کم آورد

Pasqal این گردش‌کار را روی سه مورد آزمایش کرد که در مقاله‌ای منتشرشده در arXiv شرح داده شده‌اند. در مورد نخست، عامل آزمایشی از سال ۲۰۱۹ درباره نظم موج چگالی در آرایه‌های رایدبرگ را بازتولید کرد و همچنین به‌درستی یک رژیم هدف را که خارج از محدودیت‌های سخت‌افزار بود مشخص کرد. در مورد دوم که از یک مقاله نظری درباره مغناطیس ناکام آغاز شد، عامل آزمایش‌های قابل اجرا تولید کرد اما کمیت‌هایی را برگزید که نمی‌توانستند فاز هدف را تأیید کنند و یک متخصص حوزه ناچار شد تحلیل را دوباره هدایت کند. در مورد سوم که بر پایه یک پتنت Pasqal درباره رنگ‌آمیزی گراف بود، عامل گردش‌کاری چندمرحله‌ای اجرا کرد اما در ابتدا نسبت بالای نتایج نامعتبر را به سخت‌افزار نسبت داد. علت واقعی باگی بود که موقعیت اتم‌ها را با رشته‌بیت‌های اندازه‌گیری‌شده به‌اشتباه تطبیق می‌داد.

نتیجه‌گیری خود Pasqal این است که اجرای موفق به معنای نتیجه علمی درست نیست.

چرا اهمیت دارد

همان مقاله ادبیات نظری درباره اتم‌های خنثی را نیز بررسی کرد. از ۵۲۶ مقاله‌ای که گردش‌کار توانست به‌طور قابل اعتماد طبقه‌بندی کند، به گفته Pasqal ۲۵۸ مقاله را می‌توان امروز روی QPUهای عمومی آن، مستقیماً یا با تغییرات محدود، پیاده‌سازی کرد. این شرکت کنترل موضعی تک‌تک اتم‌ها و انواع مختلف برهم‌کنش اتم-اتم را مهم‌ترین قابلیت‌های سخت‌افزاری غایب می‌داند. برای یک ارائه‌دهنده QPU ابری، کاهش تلاش لازم برای هر آزمایش می‌تواند پایگاه کاربران را گسترش دهد. موارد آزمایشی همچنین نشان می‌دهند که بازبینی متخصصان همچنان ضروری است.

منابع

اطلاعات این صفحه از منابع زیر گرفته شده و توسط DesignQuantum گردآوری شده است.

  1. Turning Ideas into QPU Experiments: How Agentic Workflows Make Quantum Computing More Accessible (Pasqal) pasqal.com
  2. Pasqal Launches AI Workflow for Cloud Quantum Experiments (The Quantum Insider) thequantuminsider.com