رایانش کوانتومی؛ از مبانی مکانیک کوانتومی تا الگوریتم‌های نوین محاسباتی

رایانش کوانتومی یکی از حوزه‌های پیشرفته علوم کامپیوتر است که با بهره‌گیری از اصول مکانیک کوانتومی، رویکرد متفاوتی برای ذخیره‌سازی و پردازش اطلاعات ارائه می‌کند. مفاهیمی مانند برهم‌نهی و درهم‌تنیدگی کوانتومی، مبنای طراحی الگوریتم‌هایی هستند که در برخی مسائل محاسباتی، ظرفیت‌هایی فراتر از روش‌های کلاسیک فراهم می‌کنند. این حوزه همچنین ارتباط نزدیکی با موضوعاتی مانند پیچیدگی محاسبات، نظریه اطلاعات و رمزنگاری دارد.

درس رایانش کوانتومی با هدف آشنایی نظام‌مند با مبانی نظری این حوزه طراحی شده است. در این درس، ابتدا با مفاهیم پایه مکانیک کوانتومی و ابزارهای ریاضی موردنیاز، به‌ویژه جبر خطی، آشنا می‌شوید. سپس نحوه نمایش و پردازش اطلاعات کوانتومی، اصول اندازه‌گیری، درهم‌تنیدگی، گیت‌ها و مدارهای کوانتومی را بررسی می‌کنید و با الگوریتم‌های شناخته‌شده‌ای مانند الگوریتم شور و الگوریتم گروِر آشنا می‌شوید.

در ادامه، موضوعاتی مانند پیچیدگی محاسبات کوانتومی، دینامیک سیستم‌های کوانتومی و رمزنگاری کوانتومی بررسی می‌شوند. این مباحث کمک می‌کنند تصویری منسجم از توانایی‌ها، محدودیت‌ها و مبانی نظری رایانش کوانتومی به دست آورید و ارتباط آن را با الگوریتم‌ها و نظریه محاسبات بهتر درک کنید.

در پایان این درس چه توانایی‌هایی کسب می‌کنید؟

• درک مفاهیم پایه رایانش کوانتومی و آشنایی با تفاوت‌های اصلی پردازش اطلاعات کوانتومی و کلاسیک
• استفاده از ابزارهای پایه جبر خطی، از جمله فضای برداری، ضرب تانسوری و عملگرهای خطی، برای مطالعه سیستم‌های کوانتومی
• شناخت اصول مکانیک کوانتومی، شامل فضای حالت، تحول زمانی، اندازه‌گیری و درهم‌تنیدگی
• درک نحوه نمایش و پردازش اطلاعات کوانتومی با استفاده از کیوبیت‌ها، گیت‌ها و مدارهای کوانتومی
• آشنایی با سازوکار و ایده اصلی الگوریتم‌های کوانتومی مهم، از جمله الگوریتم‌های سایمون، شور و گروِر
• شناخت مفاهیم پایه پیچیدگی محاسبات کوانتومی و ارتباط آن با مدل‌های محاسبات کلاسیک و احتمالاتی
• آشنایی با دینامیک سیستم‌های کوانتومی، اثر محیط و نقش اندازه‌گیری در تحول حالت‌های کوانتومی
• درک مبانی رمزنگاری کوانتومی و اصول توزیع کلید کوانتومی و امنیت آن

این درس برای دانشجویان و دانش‌آموختگان علوم کامپیوتر، مهندسی کامپیوتر، ریاضیات و رشته‌های مرتبط مناسب است؛ به‌ویژه افرادی که به الگوریتم‌ها، نظریه محاسبات، اطلاعات کوانتومی یا مبانی فناوری‌های نوین علاقه‌مندند. آموخته‌های این درس می‌تواند زمینه مناسبی برای مطالعه پیشرفته‌تر رایانش کوانتومی، الگوریتم‌های کوانتومی و رمزنگاری کوانتومی فراهم کند.

آشنایی با جبر خطی، به‌ویژه مفاهیمی مانند فضای برداری، ماتریس‌ها، ضرب داخلی و مقادیر ویژه، برای درک بهتر مطالب این درس ضروری یا بسیار کمک‌کننده است. همچنین آشنایی مقدماتی با الگوریتم‌ها و مبانی علوم کامپیوتر می‌تواند به فهم ارتباط مباحث کوانتومی با نظریه محاسبات کمک کند. از آنجا که بخشی از درس به مبانی مکانیک کوانتومی اختصاص دارد، آشنایی قبلی با این حوزه لزوماً لازم نیست؛ بااین‌حال، آمادگی برای کار با مفاهیم ریاضی و انتزاعی اهمیت دارد.

1. مفاهیم اولیه
   • مقدمه و تاریخچه رایانش کوانتومی، مفهوم کیوبیت
2. مروری بر جبر خطی
   • فضای برداری، ضرب داخلی، فضای دوگان، ضرب تانسوری
   • عملگرهای خطی، الحاقی، تجزیه به مقادیر منفرد (SVD)
3. اصول مکانیک کوانتومی
   • معادله شرودینگر، مکانیک همیلتنی، کمیت‌های فیزیکی
   • فضای حالات، تحول زمانی، اندازه‌گیری، سیستم‌های ترکیبی، درهم‌تنیدگی
4. اصول رایانش کوانتومی
   • اندازه‌گیری کوانتومی، دورنوردی (Teleportation)، کدگذاری ابرچگال
   • ماتریس چگالی، اثر جزئی، اثر کلی (ensemble)
   • خالص‌سازی، پارادوکس EPR، قضیه بل
5. مدارهای کوانتومی
   • گیت‌های کوانتومی، اجزای مدارهای کوانتومی، اصل به تاخیر انداختن اندازه‌گیری
6. الگوریتم‌های کوانتومی
   • الگوریتم سایمون
   • الگوریتم تجزیه شور (Shor)
   • الگوریتم جست‌وجوی گروِر (Grover) و کاربردهای آن
7. پیچیدگی محاسبات کوانتومی
   • رده‌های پیچیدگی کوانتومی، ارتباط با رده‌های کلاسیک، مقایسه با محاسبات احتمالاتی
8. دینامیک سیستم‌های کوانتومی
   • برهم‌کنش محیطی، اندازه‌گیری به عنوان یک دینامیک، نگاشت‌های مثبت و حافظ اثر
9. رمزنگاری کوانتومی
   • رمزنگاری مبتنی بر کلید خصوصی، توزیع کلید کوانتومی، امنیت توزیع کلید کوانتومی

• تمرین: سه تمرین نظری و سه تمرین برنامه‌سازی (۴۰٪ کل نمره)
• آزمون: آزمون پایانی (۶۰٪ کل نمره)