با پیشرفت‌های فناوری کوانتومی در قرن بیست‌ویکم به نظر می‌رسد که بشر در آستانه تحول بزرگ دیگری است. تحولی که در آن کوانتوم و مسائل مرتبط با آن هر روز بیشتر و بیشتر به زوایای زندگی روزمره بشر وارد می‌شود؛ آیا کوانتوم زندگی ما را دستخوش تحولی بزرگ خواهد کرد؟
روز جمعه نشریه ساینس نوشت که پژوهشگران گوگل توانسته‌اند فرآیند ایزومری مولکول دیازین را با یک پردازشگر «شانزده کوانتوم‌بیتی» محاسبه کنند. این برای نخستین بار است که تیم پژوهشی نشان داده چگونه می‌توان یک فرآیند شیمیایی را با دقتی بالا محاسبه کرد؛ آنچه که یک رکورد علمی جهانی را برایشان به ارمغان آورده است.
پدرام روشن، یکی از پژوهشگران عضو تیم کوانتوم گوگل است. جوانی که پس از پایان تحصیلات متوسطه‌اش در ایران به دلیل بهایی بودن حتی به دانشگاه راه نیافت. رادیوفردا درباره با این دانشمند ایرانی درباره این دستاورد گفت‌وگو کرده است.
او در این باره می‌گوید: «کاری که ما کردیم این است؛ از پردازشگرهای کوانتومی، که چندین سال است روی آنها کار می‌کنیم، استفاده کردیم تا یک محاسبه کوچک شیمی را انجام دهیم. ولی محاسبه‌ای که انجام دادیم، بزرگترین محاسبه‌ای است که تا حالا انجام شده و پیچیده‌ترین محاسبه‌ای است که روی پردازشگرهای کوانتومی صورت گرفته است».
آقای روشن، اصلاً پردازشگرهای کوانتومی چه هستند؟
اجازه دهید قدری تاریخ این قضیه را مرور کنیم. در حدود صد سال پیش، توسعه اصول کوانتوم مکانیک به ارائه نظریه کوانتوم مکانیک منجر شد ونزد فیزیکدان‌ها و شیمیدان‌ها مقبولیت پیدا کرد. آنها متوجه شدند این بهترین نظریه‌ای است که ما برای توضیح پدیده‌هایی با ابعاد و اندازه‌های کوچک داریم.
خیلی زود، شاید ۱۰ سال بعد یا چندین سال بعد، متوجه شدند درست است که ما این نظریه را داریم که می‌گوید الکترون‌ها و پروتون‌ها و ذرات بنیادی و با ابعاد کوچک چطور رفتار می‌کنند و می‌شود این معادلات را نوشت، ولی حل این معادلات، که ببینیم چطور دو اتم، مولکول هیدروژن را درست می‌کنند یا مولکول‌های بزرگتر، محاسبات بسیار پیچیده‌ای هستند و صرف اینکه ما معادلات را بدانیم، دلیل بر این نیست که حالا مثلا مولکولی بزرگ مثل مولکول بنزن را بتوانیم سریع محاسبه کنیم.
ما یک سری معادلاتی پیش روی خودمان داریم که حل کردنشان پیچیده است. اینکه بدانیم معادلات درستی هستند، این صرفاً کافی نیست و از همان سال‌های ۱۹۳۰ روش‌های متعدد و زیادی برای حل این معادلات توسعه پیدا کرد و شیمیدان‌های کوانتومی یا کوانتوم-کِمیست‌ها این‌ها را استفاده می‌کردند تا بتوانند داروهای جدید پیدا کنند، خواص مواد جدید را پیش‌بینی کنند، یا پیش بینی کنند چطور مواد را با هم مخلوط کنند و به مواد جدیدی دست پیدا کنند. این یک شاخه بسیار معتبر و ریشه‌دار علم است که قدمتی حدود صد سال دارد و بسیار هم موفق عمل کرده است.
از سال ۱۹۸۰ به این طرف، از یک پارادیم و ایده جدیدی صحبت شد که شاید بشود مدل دیگری را پردازش کرد، شاید بشود طور دیگری به این مسائل نگاه کرد. آن هم این است که ما بیاییم و پردازشگر کوانتومی درست کنیم. یعنی مثلاً فرض کنید شما می‌خواهید یک مولکول را مورد مطالعه قرار بدهید و یک چیزی درست کنید که خیلی مشابه همان مولکول باشد؛ همان خواص مولکولی را دارد، همان خواص کوانتومی را دارد، معادلات حاکم بر آن هم همان است، و ما اگر بتوانیم این‌ها را کنترل کنیم، توانسته‌ایم پردازشگری داشته باشیم که بتواند کار محاسبه را برای ما بسیار سریع انجام بدهد.
چون محاسبات معادلات حاکم، اگر با پردازشگرهای کوانتوم باشند، توانایی پردازش کردنشان برای این مسائل خاص، بسیار سریع‌تر خواهد بود. این می‌شود تاریخچه این رشته، که از ۱۹۸۰ به این طرف، این ایده در بحث‌های تئوری مطرح شده است. بعد در ۱۹۹۰چند الگوریتم خاص و چند روش محاسبه خاص اثبات شد و از سوی فیزیکدان‌ها و ریاضیدان‌ها ارائه شده که نشان می‌دهد بله، واقعاً در مسائل خیلی خاص، اگر یک پردازشگر کوانتومی در کار باشد، می‌شود این کارهای محاسباتی را بسیار سریع‌تر انجام داد.
از سال ۲۰۰۰ تقریباً، حالا یکی دو سال این طرف‌تر یا آن طرف‌تر، ایده ساخت این پردازشگرها قوت گرفت و [دانشمندان] شروع به ساختن‌شان در ابعاد بسیار کوچک کردند، در حد یک بیت. فرض کنید یک چراغی که... شما توی کامپیوترتان میلیون یا میلیارد ترابایت حافظه دارید -که این‌ها کلاً خرده حافظه‌هایی هستند که می‌توانند از صفر تا یک باشند-، حالا در حد همین میلیاردی که ما داریم در گوشی همراه‌مان با خودمان حمل می‌کنیم، فرض کنید یک واحد آن را ما توانسته‌ایم در آزمایشگاه با پردازشگر کوانتومی درست کنیم. خب ممکن است شما بگویید بین یک تا یک میلیارد ساختن خیلی فاصله زیاد است؛ داستان این است که آن یک میلیاردی که ما پردازشگر کلاسیک داریم، با قوانین دیگری کار می‌کند.
آقای روشن، چه چیز این دستاورد و فناوری شما و تیم‌تان را بی‌بدیل می‌کند؟ دقیقاً چه تفاوتی هست میان این کار جدید و آنچه که قبلاً عرضه شده؟
ببینید، پردازشگرهای کوانتومی برای اینکه به آن عدد نهایی‌شان برسند، -به آن مرحله نهایی برای محاسبات شیمی مخصوصاً شیمی مواد-، ما مثلاً به چیزی حدود ۱۰۰ تا ۱۲۰ پردازشگر کوانتوم بیت احتیاج داریم. و البته باید برای این‌ها الگوریتم‌هایی توسعه داده شود که میزان خطا در آنها پایین باشد، تا کار را با خطای پایین صورت بدهیم.
کارهایی که تا حالا صورت گرفته از نظر تعداد کوانتوم‌بیت‌ها و محاسباتی که انجام شده در ابعاد کمتر و
پایین‌تری بوده، نسبت به اینکه ما امروز توانسته‌ایم با ۱۶ کوانتوم‌بیت یک محاسبه شیمی انجام بدهیم که ۱۶ کوانتوم‌بیت ما را استفاده کرده است. از این جهت رکوردی را ثبت کرده‌ایم در زمینه تعداد و پیچیدگی محاسبه کوانتومی که با این پردازشگرها صورت گرفته است.
رکوردهای چندسال پیش دوتا، سه‌تا کیوبیت بود، مال ما و بعد رکورد آی‌بی‌ام که تعداد بیشتری کیوبیت بود و محاسبه‌ای پیچیده‌تر. حالا دوباره ما توانستیم رکورد جدیدی را ثبت کنیم. اگر ما بتوانیم ۱۰۰ کوانتوم بیت -که کیوبیت به آن می‌گویند- اگر چیزی حدود ۱۰۰ کیوبیت، نه یک میلیارد را، کنار هم بگذاریم، می‌توانیم کارهایی بکنیم که بزرگترین ابرکامپیوترهای دنیا هم نمی‌توانند انجام بدهند.
در حال حاضر در این کار اخیر ما، ۱۶ کیوبیت پردازشگر فعلی ماست و در مقصد نهایی برای این مسائل خاص در شیمی هم چیزی حدود ۱۰۰ یا ۱۲۰ کیوبیت است. بنابراین ما قدم بزرگی در جهت رسیدن به مقصد نهایی برداشته‌ایم و برای همین است که مجله ساینس این مقاله را انتخاب کرد.
شما یکی از اعضای تیمی هستید که به این موفقیت بی‌نظیر دست یافته. چند نفر در این تیم فعال بودند و چقدر برای رسیدن به آنچه امروز ارائه شده هزینه شد؟
تیم ما چیزی حدود ۸۰ نفر است، هسته مرکزی‌اش مهندسین سخت‌افزار و کسانی هستند که در سانتاباربارا در کالیفرنیا زندگی می‌کنند. قسمت تئوری و محاسبات و کارهای نظری‌اش در لس‌آنجلس صورت می‌گیرد. چندتا از همکاران‌مان هم در مونیخ زندگی می‌کنند، یک نفر در ژنو و چند نفر در سیاتل آمریکا. تیم ما هسته‌اش در جنوب کالیفرنیاست ولی در سراسر دنیا پخش است.
هزینه‌اش مشابه هزینه‌های کارهای تحقیقاتی مشابه است که در سراسر دنیا صورت می‌گیرد. من عدد دقیق را نمی‌توانم بگویم ولی می‌شود حدس زد، مشابه همین تحقیقاتی که صورت می‌گیرد. باید به این نکته توجه کرد که این‌ها شاید تنها دستاورد تیم ما نیست، بلکه دستاورد یک جمعیت است؛ خیلی‌های دیگر، که مستقیماً عضو تیم گوگل نیستند و در دانشگاه و مراکز دیگری کار می‌کنند و بالاخره ما با این‌ها تعامل داریم، ارتباطات فکری و مکاتبه‌ای داریم، و آنها هم عضو تیم بزرگتر ما محسوب می‌شوند به یک معنی، و این دستاورد بزرگی است برای کل افرادی که دارند در این زمینه کار می‌کنند.
به نظر من فقط محدود به افراد استخدام شده گوگل نیست. همکارانی در دانشگاه داریم و از نظراتشان بهره‌مند می‌شویم و... کل افرادی که هستند، خانواده‌ای چندصد نفری است که به طور خاص کار می‌کند و خانواده‌ای چندهزار نفری که کلاً روی محاسبات کوانتوم کار می‌کند. من فکر می‌کنم در این زمینه همه ما با هم هستیم.
آقای روشن، آینده‌ای که شما برای این دستاوردتان متصور هستید چیست؟ چه وقت وارد بازار صنعت خواهد شد و چه وقت از آن استفاده خواهد شد و دقیقاً در کجا؟
پیش‌بینی اینکه دقیقاً چه زمانی وارد بازار می‌شود، کار سختی است. بنده و همکارانم شب و روز کار می‌کنیم و مسئله بسیار سختی است. عرض کردم، گروه بزرگتری هست از افرادی که در گوگل کار می‌کنند، همه مشغول کار هستند. ولی حدس می‌زنیم با این روندی که جلو می‌رود شاید در چند سال آینده بتوانیم مسائل بزرگتری را حل کنیم که کم‌کم مورد توجه صنعت هم قرار بگیرد. چون کاربرد آن در صنعت، احتمالاً داروسازی و کشف مواد جدید، کشف و درک خواص مواد جدید و داروسازی است. به طور کلی شیمی مواد، حالا از کود شیمیایی گرفته تا داروهایی که ما مصرف می‌کنیم.
این روند مطالعه و کشف این مواد، مطالعه پیچیده‌ای می‌خواهد و اولین جایی را که این پردازشگرها می‌توانند کمک کنند، اینجا خواهد بود. حالا حدس می‌زنم شاید در پنج سال آینده بالاخره بشود راه به جایی باز کرد ولی پیش‌بینی دقیق آن سخت است. گاهی شما با یک مشکلاتی مواجه می‌شوید که می‌بینید دیواری پیش رویت هست که راهی از آن نیست واقعاً؛ به قانونی می‌رسید که به شما می‌گوید واقعاً از اینجا جلوتر نمی‌شود رفت. دست و پنجه نرم کردن با طبیعت همیشه هم جواب نمی‌دهد. این طور نیست که همیشه به نتیجه منجر بشود.
تصور می‌کنید چرا این همه طول خواهد کشید تا این پردازشگرهای کوانتومی به نتیجه برسند؟
منظورم از ذکر پنج سال این بود که تأکیدی کنم بر سختی و دشواری این محاسبات. یعنی دقت بسیار بالایی می‌خواهد.
اگر شما می‌خواستید این کار و این محاسبه را انجام بدهید و اگر خطایی در محاسبه صورت می‌گرفت اینقدر نتیجه آن واکنش شیمیایی و پیش بینی مولکولی، آن که شکل خواهد گرفت یا نه، اگر اینقدر حساس نبود در خطای محاسباتی، قطعاً زمان کمتری طول می‌کشید. ولی دنیایی که ما در آن زندگی می‌کنیم و این اتم‌هایی که بر هم اثر می‌گذارند و مولکول‌های که آیا شکل می‌گیرند یا نمی‌گیرند، آیا این مولکول پایدار هست یا نه؟
این‌ها سؤال‌های بسیار دقیقی است. دانش بسیار بالایی از شکل اوربیتال‌ها و محل قرارگرفتن اوربیتال‌ها را لازم دارد که ما باید بدانیم تا بتوانیم محاسبه دقیق را انجام بدهیم. هر گونه تقریب و تخمینی که بزنیم، نتیجه بسیار غلط و بی‌فایده می‌شود و کسی توجه نمی‌کند. دقت بالایی که انجام این محاسبات می‌طلبد، موجب شده ما هم نتوانیم همین طوری و با دقت پایین، کار انجام دهیم.
مثلاً عرض کردم شاید ۱۰۰ کیوبیت کنار هم چیدن کافی باشد تا محاسبه را انجام دهیم. کاری هم ندارد، امروز می‌توانم بروم ۱۰۰ کیوبیت را کنار هم بچینم، ولی اگر نتوانیم این‌ها را با دقت بالا کنترل کنیم هیچ فایده‌ای نخواهد داشت. این دقتی که طبیعت از ما می‌طلبد باعث می‌شود زمانی را که ما لازم داریم تا به آن برسیم. ظرافت خاصی هست در معادلات شیمیایی و فعل‌وانفعالات شیمی که کار را سخت می‌کند.
پدرام روشن از کجا آغاز کرده و چگونه به تیم گوگل راه یافته؟
من از سال ۲۰۰۱ ساکن آمریکا شدم. بعد از دبیرستان به فیزیک علاقه پیدا کردم ولی چون جرم ما بهایی بودن بود، ما را به دانشگاه راه ندادند و من در مؤسسه آموزش عالی بهاییان بودم و چون علاقه‌ام به فیزیک بود، آمدم آمریکا و ابتدا در دانشگاه پیتسبرگ و بعد در دانشگاه پرینستون فیزیک خواندم.
از سال ۲۰۱۱ هم برای پسادکترا با همسرم وارد کالیفرنیا شدیم و سال ۲۰۱۴ بود که وارد تیم گوگل شدم. آن موقع تیم کوچکی بود، ما با همان همکاران پسادکترای خودم هسته مرکزی این تیم را شکل می‌دادیم. یک تیمی در دانشگاه سانتا باربارای کالیفرنیا بود، از آنجا این تیم رشد پیدا کرد به اندازه کنونی‌اش که حدود ۸۰ نفر هستند. هسته مرکزی‌اش ۱۰ نفر یا کمتر بودیم. تحقیقی که برای دانشگاه می‌کردیم مورد توجه گوگل قرار گرفت و پروفسوری که برایش کار می‌کردیم همه تیم را استخدام کرد و از آن به بعد هم همه تیم رشد کرد تا اندازه کنونی‌اش.
علاقه من به تحقیق فیزیک بود، نه لزوماً فیزیک کوانتوم یا مهندسی کوانتوم. ولی خب دست تقدیر است، اول یک جوری کار معادلات مکانیک سیالات را می‌کردم، بعد کم‌کم روی فیزیک مواد کار کردم در دوره دکترا، و بعد هم کم‌کم به این سمت کشیده شدم. آدم ممکن است علایقی داشته باشد ولی خب، خیلی هم کنترلی نیست روی این که دقیقاً کاری را که می‌خواهی پی بگیری. ولی گاهی هم تقدیر طوری است که کاری که دوست داری هم برایت مهیا می‌شود.
آقای روشن، حالا شرکت گوگل با این دستاورد بی‌بدیل شما چه خواهد کرد و چگونه از آن استفاده خواهد کرد؟
علاقه شرکت گوگل به این تحقیق در این است که در آینده با رشد آن و رساندنش به مرحله بعدی‌اش، بتواند کارهای محاسباتی انجام دهد و مسائل زیادی در زمینه بهینه‌سازی یا جستجو و مسائلی از این قبیل را هم می‌تواند با این پردازشگرها انجام دهد.
ما در گوگل چند برنامه را هدف‌گذاری کرده‌ایم؛ یکی اینکه بتوانیم همین محاسبات را انجام دهیم. پلتفرم را در اختیار محققان قرار بدهیم تا کارهای تحقیقاتیشان را روی این پلتفرم انجام بدهند. هدف این تحقیق این است که کارهای شیمی و آپتیمیزیشن را بهتر انجام دهند.
عرض کردم، مسائل بهینه سازی که در هسته مرکزی قرار دارد، مسائلی است که گوگل بهره مستقیم از آن می‌برد و کلاً هم در اختیار داشتن این پردازشگرها و دسترسی دادن و ارائه خدمات محاسباتی به تیم‌های تحقیقاتی هم هدف دیگری است که گوگل و اغلب کمپانی‌های بزرگی که در این زمینه سرمایه گذاری می‌کنند، دنبال می‌کنند.
آقای روشن، این دستاورد بی‌نظیر علمی حالا در نهایت دستاورد مالی بی‌نظیری هم خواهد بود؟
در نهایت انشالله دستاورد مالی هم خواهد بود. در حال حاضر طبعاً نیست و زیرساخت‌هایش را توسعه می‌دهیم... نه، طبعاً در حال حاضر منفعت مالی برای شرکت ندارد. برای بقیه کمپانی‌هایی هم که این کارها را می‌کنند، ندارد. ولی چشم‌اندازش و برآوردی که می‌شود، اگر این پردازشگرها به آن پتانسیلی که صحبتش شد برسند، طبعاً بهره مالی زیادی خواهد داشت.
در حال حاضر بیشتر صحبت جلب مشتری است. و صحبت اینکه اگر گوگل را به عنوان پیشرو در این صنعت معرفی کند. وقتی که پردازشگر آماده شد -که چند سالی طول می‌کشد-، انشالله آن موقع بهره مالی مستقیمی به شرکت می‌رسد.
