X بستن تبلیغات
X بستن تبلیغات
header
متن مورد نظر

محدودیت های حال حاضر محاسبه های کامپیوتری کدامند

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

در آن روزگار، دو ریاضیدان برجسته دانشگاه پرینستون به نام های «آلونزو چرچ» و «آلن ترینگ» نشان دادند که هر محاسبه یا پردازشی را که در آن بیت ها و بایت ها به عنوان واحدهای داده های اطلاعاتی نقش آفرینی می کنند می توان روی یک رایانه تکامل یافته به نام ماشین ترینگ (Turing machine) انجام داد. با نشان دادن اینکه همه کامپیوترهای کلاسیک ذاتاً همانند یکدیگر هستند، دانشمندان و ریاضیدانان با تکیه بر این اکتشاف توانستند پرسش های بنیادینی را پیرامون محاسبات و پردازش های رایانه ای طرح کنند، بدون آنکه اساساً جزئیات عملکرد رایانه ها یا اصطلاحاً معماری آنها را مورد توجه و بررسی دقیق قرار دهند. به عنوان مثال اکنون نظریه پردازان قادرند مسائل محاسباتی (Computational problems) را به دسته های کلی تر تقسیم کنند. مسائل P به آن دسته از مسائل محاسباتی اطلاق می شود که عملاً می توان در سریع ترین زمان ممکن به حل آنها پرداخت. مثلاً، مرتب کردن فهرستی از نام ها بر اساس حروف الفبا جزء این دسته مسائل به شمار می رود. راه حل مسائل NP دشوارتر است، اما کنترل پاسخ آنها (برای حصول اطمینان از درستی آن) به محض یافتن پاسخ آنها نسبتاً آسان است. یک نمونه از این مسائل به داستان ملوانی برمی گردد

در نگاه نخست، به نظر می رسد که حد نهایی پردازش رایانه ای (Computation یک موضوع مهندسی باشد.


در نگاه نخست، به نظر می رسد که حد نهایی پردازش رایانه ای (Computation یک موضوع مهندسی باشد. چقدر انرژی را می توانید در یک تراشه (Chip) قرار دهید بدون آنکه ذوب شود؟ با چه سرعتی می توان یک بیت (واحد داده) را در حافظه سیلیکونی مورد نظرتان جابه جا کرد؟ چقدر می توانید رایانه را بزرگ بسازید و در عین حال آن را در فضای مورد نظرتان جای دهید؟ به نظر نمی رسد که این پرسش ها چندان ژرف و مستلزم تعمق باشند.
در حقیقت، پردازش رایانه ای (Computation) انتزاعی تر و بنیادی تر از آن است که بتواند ما را قادر سازد بهترین راه برای ساختن یک کامپیوتر ارائه دهیم. این درک از ماهیت پردازش رایانه ای در اواسط دهه ۱۹۳۰ تجسم عینی یافت. در آن روزگار، دو ریاضیدان برجسته دانشگاه پرینستون به نام های «آلونزو چرچ» و «آلن ترینگ» نشان دادند که هر محاسبه یا پردازشی را که در آن بیت ها و بایت ها به عنوان واحدهای داده های اطلاعاتی نقش آفرینی می کنند می توان روی یک رایانه تکامل یافته به نام ماشین ترینگ (Turing machine) انجام داد. با نشان دادن اینکه همه کامپیوترهای کلاسیک ذاتاً همانند یکدیگر هستند، دانشمندان و ریاضیدانان با تکیه بر این اکتشاف توانستند پرسش های بنیادینی را پیرامون محاسبات و پردازش های رایانه ای طرح کنند، بدون آنکه اساساً جزئیات عملکرد رایانه ها یا اصطلاحاً معماری آنها را مورد توجه و بررسی دقیق قرار دهند. به عنوان مثال اکنون نظریه پردازان قادرند مسائل محاسباتی (Computational problems) را به دسته های کلی تر تقسیم کنند. مسائل P به آن دسته از مسائل محاسباتی اطلاق می شود که عملاً می توان در سریع ترین زمان ممکن به حل آنها پرداخت. مثلاً، مرتب کردن فهرستی از نام ها بر اساس حروف الفبا جزء این دسته مسائل به شمار می رود. راه حل مسائل NP دشوارتر است، اما کنترل پاسخ آنها (برای حصول اطمینان از درستی آن) به محض یافتن پاسخ آنها نسبتاً آسان است. یک نمونه از این مسائل به داستان ملوانی برمی گردد که تلاش می کند تا کوتاه ترین مسیر ممکن را برای رسیدن به یک مقصد معین از طریق مکان های بین راهی مختلف بیابد. همه الگوریتم های شناخته شده برای یافتن یک پاسخ دقیق برای این مسئله نیازمند صرف توان محاسباتی فراوانی است که حتی حل نمونه های ساده تر آن را برای کامپیوترهای کلاسیک ناممکن می سازد.
ریاضیدانان نشان داده اند که اگر بتوانید با یک میانبر سریع و آسان هر یک از دشوارترین نوع مسائل NP را حل کنید، آنگاه قادر به حل همه آنها خواهید بود. در عمل، مسائل NP تبدیل به مسائل P خواهند شد. اما معلوم نیست که چنین میانبری وجود داشته باشد: آیا P = NP. دانشمندان فکر نمی کنند که این گونه باشد، اما یکی از پرسش های بزرگ بی پاسخ مانده در دانش ریاضیات ثابت کردن آن است.
در دهه ،۱۹۴۰ دانشمندی به نام «کلود شانون» که در آزمایشگاه های تحقیقاتی Bell Labs فعالیت داشت نشان داد که بیت ها فقط برای کامپیوترها نیستند، بلکه واحدهای بنیادین تشریح کننده اطلاعاتی هستند که از موضوعی به موضوع دیگر جریان می یابند. قوانین فیزیکی ای وجود دارند که سرعت جابه جایی یک بیت از مکانی به مکان دیگر، حجم اطلاعات قابل تبادل از طریق یک کانال شناخته شده ارتباطی و حتی میزان انرژی مورد نیاز برای پاک کردن یک بیت از حافظه را تعیین می کنند. همه ماشین های کلاسیک پردازش اطلاعات از این قوانین تبعیت می کنند. اما آیا فقط با استناد به اینکه اطلاعات موجود در مغز ما به ظاهر دائماً در حال جابه جا شدن یا به عبارتی «تبادل دائمی» هستند می توان اندیشه های ذهنی ما را قابل تبدیل به بیت ها و بایت های اطلاعاتی دانست؟ آیا ما چیزی بیش از کامپیوتر نیستیم؟ این تصوری ابهام آور و البته هیجان انگیز است.
اما قلمرو دیگری بر فراز کامپیوترهای کلاسیک خودنمایی می کند: کوانتوم. ماهیت احتمالاتی تئوری کوانتوم به اتم ها و سایر اجزای کوانتومی اجازه می دهد تا اطلاعاتی را که فقط به یکی از دو حالت ۰ یا ۱ تئوری اطلاعات محدود نمی شوند، بلکه در آن واحد می توانند ۰ و ۱ نیز باشند، در خود ذخیره کنند. فیزیکدانان سراسر جهان در حال حاضر برای ساخت نسل اولیه رایانه های کوانتومی تلاش می کنند تا با بهره برداری از این ویژگی منحصر به فرد (هم صفر و هم یک) و سایر آثار و مفاهیم کوانتومی به انجام کارهایی بپردازند که اثبات شده است انجام آنها از حد توان رایانه های معمولی بیرون است. مثلاً، یافتن یک فایل هدف در یک پایگاه ذخیره سازی داده ها با آگاهی داشتن از نشانه های بسیار معدود در زمره توانایی های این رایانه ها پیش بینی شده است. اما دانشمندان هم اینک برای یافتن پاسخ این پرسش تلاش می کنند که کدام ویژگی های منحصر در حیطه مکانیک کوانتوم به رایانه های کوانتومی اجازه می دهند که تا این اندازه در انجام محاسبات و پردازش های رایانه ای توانمند ظاهر شوند. دانشمندان همچنین تلاش می کنند که رایانه هایی به اندازه کافی بزرگ برای انجام محاسبات بسیار پیچیده و دشوار تولید کنند.با آموختن منطق غریب جهان کوانتوم و بهره برداری از آن برای انجام پردازش های رایانه ای، دانشمندان در تلاش بسیارند تا پرده از رازهای شگفت این جهان و قواعد حاکم بر روابط ذرات بسیار ریز اتم و اجزای آن بردارند. شاید روزی فرا برسد که با دستیابی به توان انجام محاسبات بسیار پیچیده و دشوار بتوان به فهم تازه ای از قلمرو کوانتوم دست یافت. به امید آن روز!


چارلز سیف
ترجمه: علی عبدالمحمدی

ارسال نظر