به عنوان برنده جایزه تورینگ ۲۰۲۱ (که به عنوان جایزه نوبل محاسبات نیز شناخته میشود) و یکی از بنیانگذاران فهرست ۵۰۰ ابررایانه برتر که قدرتمندترین ابررایانههای جهان را رتبهبندی میکند، دیدگاههای دونگارا در مورد آینده ابررایانهها، راهنماهای مهمی برای جامعه علمی و صنعت به طور کلی است.
کامپیوترهای هیبریدی - راهکارهایی برای آینده
به گفته دونگارا، نسل بعدی ابررایانهها صرفاً یک ارتقاء سختافزاری سنتی نخواهند بود، بلکه ترکیبی هوشمندانه از سیستمهای محاسباتی کلاسیک با فناوری کوانتومی و هوش مصنوعی (AI) خواهند بود.
این یک گام تعیینکننده برای غلبه بر محدودیتهای فعلی قانون مور محسوب میشود، زمانی که کوچکسازی ترانزیستور تقریباً به یک مانع فیزیکی رسیده است.
دونگارا تأکید میکند که آیندهی ابررایانهها نه در جایگزینی کامل سیستمهای کلاسیک با کامپیوترهای کوانتومی، بلکه در ترکیبی هماهنگ از هر دو نهفته است.
او این سیستم ترکیبی را به عنوان یک ماشین محاسباتی چندلایه توصیف میکند که در آن هر جزء وظایفی را که به بهترین وجه با ویژگیهای آن مطابقت دارد، بر عهده میگیرد.
در چشمانداز دونگارا، پردازندههای کوانتومی (QPU) به عنوان «شتابدهندههای تخصصی» برای مسائل بهینهسازی پیچیده، به ویژه در شبیهسازیهای مولکولی برای کشف داروها یا مواد جدید، عمل خواهند کرد.
این مسائل به صورت تصاعدی پیچیده هستند و حتی برای قدرتمندترین ابررایانههای امروزی نیز قابل حل نیستند. با این حال، رایانههای کوانتومی که میتوانند از اثرات برهمنهی کوانتومی و درهمتنیدگی بهره ببرند، میتوانند آنها را بسیار کارآمدتر حل کنند.
در همین حال، پردازندههای مرکزی (CPU) و پردازندههای گرافیکی (GPU) سنتی همچنان وظایف اصلی محاسباتی، پردازش دادههای بزرگ و اجرای الگوریتمهای هوش مصنوعی را بر عهده خواهند داشت. این تقسیم کار معقول نه تنها عملکرد را بهینه میکند، بلکه به بهرهبرداری حداکثری از نقاط قوت هر نوع پردازنده نیز کمک میکند.
یکی از منحصر به فردترین دیدگاههای دونگارا، نقش هوش مصنوعی در سیستم ابررایانههای آینده است. او هوش مصنوعی را نه صرفاً یک برنامه کاربردی که روی یک ابررایانه اجرا میشود، بلکه به عنوان «چسبی» میبیند که کل سیستم را به هم متصل و هماهنگ میکند.

جک دونگارا نقش کلیدی در محاسبات با کارایی بالا ایفا میکند (عکس: وزارت انرژی ایالات متحده).
به گفته دونگارا، هوش مصنوعی با استفاده از تکنیکهای مدلسازی پیشبینیکننده برای تخصیص هوشمندانه منابع، ابررایانهها را در زمان واقعی بهینه خواهد کرد. این سیستم قادر خواهد بود به طور خودکار تصمیم بگیرد چه زمانی از پردازندههای کلاسیک استفاده کند، چه زمانی به QPUها تغییر دهد و چگونه آنها را برای کارایی بهینه هماهنگ کند.
این چشمانداز از طریق بسیاری از پروژههای پیشگامانه در حال تحقق است.
غول نیمههادی، انویدیا و کوانتوم ماشینز، به تازگی سیستم DGX Quantum را معرفی کردهاند که یک کنترلر کوانتومی را تنها در چند میکروثانیه به یک ابرتراشه هوش مصنوعی متصل میکند.
این سیستم امکان تصحیح خطای کوانتومی در زمان واقعی و کالیبراسیون پردازنده کوانتومی مبتنی بر هوش مصنوعی را فراهم میکند و امکانات جدیدی را برای کاربردهای ترکیبی کوانتومی-کلاسیک فراهم میکند.
چالشهای جدید در رقابت جهانی فناوری
دونگارا همچنین از بحث در مورد چالشهای پیش روی صنعت ابررایانه، مانند کمبود بودجه تحقیقاتی و فشار رقابتی بینالمللی، به ویژه از سوی چین، طفره نرفت.
پیشرفتهای اخیر چین در این زمینه، مانند کامپیوتر کوانتومی جیوژانگ که میتواند وظایف را ۱۸۰ میلیون برابر سریعتر از قدرتمندترین ابررایانه انجام دهد، یا پردازنده کوانتومی زوچونگژی ۳.۰ با ۱۰۵ کیوبیت، زنگ خطری را برای کشورهای غربی به صدا درآورده است.

کامپیوتر کوانتومی جیوژانگ چین میتواند وظایف را ۱۸۰ میلیون برابر سریعتر از قدرتمندترین ابررایانه انجام دهد (عکس: اسپکتروم)
اعطای جایزهی امسالِ «جک دونگارا» برای دوران اولیهی شغلی به دکتر لین گان از دانشگاه تسینگهوا (چین) به خاطر مشارکتهایش در الگوریتمهای HPC که پلی بین سیستمهای کلاسیک و کوانتومی ایجاد میکنند، ماهیت جهانی این مسابقه را بیش از پیش تأیید میکند.
دونگارا خواستار افزایش همکاریهای بینالمللی از طریق سازمانهایی مانند هوش مصنوعی آمریکای شمالی (NAAI)، که اخیراً به آن پیوسته است، برای ارتقای ادغام اخلاقی هوش مصنوعی در ابررایانهها شد.
دونگارا به چالشهای به همان اندازه مهم در توسعه منابع انسانی اشاره میکند. هنوز کمبود زیادی از استعدادهای متخصص در رشتههای مختلف در هوش مصنوعی، محاسبات کوانتومی و HPC وجود دارد.
در حالی که ابتکاراتی مانند برنامهی کوانتومی تگزاس در حال گسترش مجموعهی استعدادها هستند، آمادگی گسترده هنوز راه درازی در پیش دارد.
علاوه بر این، ادغام فناوریهای هوش مصنوعی، محاسبات با کارایی بالا (HPC) و کوانتومی در گردشهای کاری یکپارچه، نیازمند هماهنگی پیچیده زیرساختی است که استقرار را کند میکند. مسائل امنیت سایبری نیز پیچیدهتر میشوند زیرا این سیستمهای ترکیبی میتوانند از جهات مختلف مورد هدف قرار گیرند.
برنامههای کاربردی پیشرو در انتظارند
پتانسیل سیستمهای ابررایانهای هیبریدی فقط در حد تئوری نیست. کاربردهای عملی با سرعت زیادی در حال توسعه هستند، از کشف دارو گرفته تا مدلسازی آب و هوا، از بهینهسازی مالی گرفته تا توسعه مواد پیشرفته.
در حوزه پزشکی، سیستمهای هیبریدی میتوانند واکنشهای مولکولی پیچیده را شبیهسازی کنند تا ترکیبات دارویی جدید را سریعتر و دقیقتر کشف کنند.
برای تغییرات اقلیمی، توانایی پردازش مدلهای اقلیمی جهانی با وضوح بالا به دانشمندان کمک میکند تا رویدادهای شدید آب و هوایی را بهتر پیشبینی و به آنها پاسخ دهند.
در امور مالی، الگوریتمهای بهینهسازی کوانتومی میتوانند تحلیل ریسک و مدیریت سبد سرمایهگذاری را متحول کنند. در تحقیقات مواد، توانایی شبیهسازی ساختار اتمی در سطحی بیسابقه میتواند راه را برای مواد ابررسانا، باتریهای پرانرژی و آلیاژهای پیشرفته هموار کند.
دونگارا برای تحقق این چشمانداز، بر اهمیت ساخت زیرساخت مناسب تأکید کرد. این زیرساخت نه تنها شامل سختافزار پیشرفته، بلکه شامل میانافزارهایی برای ادغام مدارهای کوانتومی با منابع محاسباتی کلاسیک نیز میشود.

ابررایانه ABCI-Q ژاپن (عکس: Wccftech).
مراکز ابررایانه در سراسر جهان به طور فعال در حال استقرار این زیرساخت ترکیبی هستند. مرکز جهانی تحقیق و توسعه فناوری تجاری هوش مصنوعی کوانتومی (G-QuAT) ژاپن با ابررایانه ABCI-Q خود که مجهز به 2020 پردازنده گرافیکی Nvidia H100 است، با پردازندههای کوانتومی ابررسانای فوجیتسو، پردازندههای اتم خنثی QuEra و پردازندههای فوتونی OptQC ادغام شده است.
به طور مشابه، پروژههایی در اروپا مانند ابررایانه ژوپیتر آلمان، فوگاکو ژاپن و PSNC لهستان همگی ادغام سختافزار محاسبات کوانتومی را آغاز کردهاند. اعلام دانمارک مبنی بر برنامههایی برای ساخت ابررایانه کوانتومی مگنه با ۵۰ کیوبیت منطقی اولیه، با همکاری مایکروسافت و اتم کامپیوتینگ، نیز منعکس کننده این روند جهانی است.
برای دوران جدیدی که در حال آغاز است آماده شوید
دونگارا پیشبینی میکند که دوره ۲۰۲۵ تا ۲۰۳۰ شاهد انفجار کاربردهای ترکیبی کوانتومی-هوش مصنوعی خواهیم بود.
موارد استفاده اولیه شامل شبکههای رقابتی مولد کوانتومی برای کشف دارو، یادگیری تقویتی مبتنی بر زیرروالهای کوانتومی و حلکنندههای بهینهسازی بهبودیافته کوانتومی برای مسائل لجستیک دنیای واقعی خواهد بود.
آیبیام، با نقشه راه کوانتومی خود، انتظار دارد امسال به پیشرفتهای چشمگیری دست یابد و برخی از بزرگترین موانع بر سر راه مقیاسپذیری سختافزار کوانتومی را از میان بردارد.
تا سال ۲۰۲۶، تراشه کوکابورای IBM سیستمی متشکل از ۴۱۵۸ کیوبیت ایجاد خواهد کرد که نشاندهندهی پیشرفتی در قابلیتهای محاسبات کوانتومی است.

چشمانداز جک دونگارا از آیندهی ابررایانهها، نه تنها یک پیشبینی علمی، بلکه فراخوانی برای اقدام است. ترکیب محاسبات کلاسیک، کوانتومی و هوش مصنوعی، قابلیتهای محاسباتی بیسابقهای را ایجاد خواهد کرد و فرصتی را برای حل بزرگترین چالشهای بشریت فراهم خواهد کرد.
همانطور که جک دونگارا گفته است، ما در حال ورود به عصر جدیدی از محاسبات هستیم که در آن مرزهای بین آنچه ممکن است و آنچه ممکن نیست، کاملاً از نو تعریف خواهد شد. سوال این نیست که آیا این اتفاق خواهد افتاد یا خیر، بلکه این است که آیا ما آمادهایم تا از آن استفاده کنیم یا خیر.
منبع: https://dantri.com.vn/khoa-hoc/cach-ai-luong-tu-va-tinh-toan-co-dien-dinh-hinh-lai-sieu-may-tinh-20250807140924177.htm






نظر (0)