كشفت مايكروسوفت هذا الأسبوع عن شريحة Majorana 2 الكمومية بأرقام لافتة، من بينها رفع موثوقية الكيوبتات إلى مستوى أعلى بنحو ألف مرة مقارنة بالجيل الأول، وإطالة متوسط عمر الكيوبت إلى 20 ثانية، إضافة إلى تحديث خريطة الطريق التي تستهدف الوصول إلى حاسوب كمومي قابل للتوسع التجاري بحلول 2029. لكن وراء هذه القفزة التقنية يقف عنصر لا يقل أهمية عن الشريحة نفسها: منصة Microsoft Discovery المعتمدة على الذكاء الاصطناعي الوكيلي.
الرسالة التي تريد مايكروسوفت إيصالها واضحة: الأمر لا يتعلق فقط بتحسين مكونات الكم، بل بإعادة تنظيم طريقة البحث العلمي نفسه. فالذكاء الاصطناعي هنا لا يعمل كبديل للباحث، بل كطبقة تشغيلية تساعد على إدارة التجارب، وتحليل البيانات، وتسريع الوصول إلى نتائج كانت تتطلب سنوات من العمل اليدوي المتكرر.
منصة Discovery تتحول إلى عنصر أساسي في مختبرات الكم
أطلقت مايكروسوفت منصة Discovery للعموم في التوقيت نفسه تقريباً مع الإعلان عن Majorana 2، في إشارة مباشرة إلى أن الشريحة الجديدة تمثل حالة استخدام عملية على قدرة المنصة. وتصف الشركة النظام بأنه بيئة مخصصة لأبحاث العلوم والهندسة، تجمع بين وكلاء ذكاء اصطناعي متخصصين، ومحرك للبحث والاستدلال، وأدوات حوكمة وأمان موجهة للمؤسسات.
هذا التوجه يعكس انتقالاً أوسع في قطاع التقنية: الذكاء الاصطناعي لم يعد محصوراً في توليد النصوص أو كتابة الأكواد، بل بات يدخل في تنظيم التجارب المعملية المعقدة، وربط النتائج عبر قواعد بيانات ضخمة، ومساعدة الفرق العلمية على اتخاذ قرارات أسرع وأكثر دقة.
وبحسب مايكروسوفت، فإن Discovery ساعد في التعامل مع تحديات كانت صعبة في المختبرات التقليدية، خصوصاً عندما يتعلق الأمر بكمّ هائل من البيانات المبعثرة بين مشاريع امتدت لسنوات طويلة. هنا يظهر دور الذكاء الاصطناعي الوكيلي بوصفه أداة قادرة على توحيد هذه البيانات واستخراج أنماط لا يستطيع الباحث الفرد رؤيتها بسهولة.
ما الذي فعله الذكاء الاصطناعي فعلياً في تطوير الشريحة؟
من المهم تفكيك الفكرة الشائعة بأن الذكاء الاصطناعي صمّم الشريحة بالكامل. هذا توصيف مبالغ فيه. التغيير الحاسم في المادة فائقة التوصيل المستخدمة، من الألمنيوم إلى الرصاص، جاء نتيجة بحث مواد تقليدي طويل الأمد. أما دور Discovery فكان في ما يحيط بهذا القرار: تنسيق مسارات التصنيع، أتمتة القياسات، تحليل نتائج التجارب، والبحث عن علاقات غير مرئية بين العوامل المختلفة التي تؤثر في استقرار الكيوبتات.
النتيجة، وفق مايكروسوفت، هي تقليص دورة التجربة والخطأ بشكل ملحوظ. بدلاً من إجراء عدد كبير من المحاولات للوصول إلى بنية بلورية مناسبة على المستوى الذري، يمكن للنماذج والمحاكاة المدعومة بالذكاء الاصطناعي تضييق نطاق الاحتمالات والاقتراب من “الهدف المحتمل” قبل تنفيذ تجربة عملية واحدة أو عدد محدود جداً من التجارب.
هذا التحول مهم في سياق البحث والتطوير، لأن الزمن في المختبرات المتقدمة ليس مجرد تكلفة تشغيلية، بل عامل حاسم في المنافسة بين الشركات والدول. وكلما انخفض عدد الجولات التجريبية، ارتفعت القدرة على الابتكار بسرعة أكبر وبموارد أقل.
أتمتة القياسات كانت نقطة التحول الأكثر وضوحاً
أحد أكثر الجوانب العملية في القصة يتعلق بقياس حالات الكيوبت. هذا النوع من القياسات يتطلب تحديد ما إذا كان هناك عدد زوجي أو فردي من مليارات الإلكترونات على سلك شبه موصل، وهي عملية حساسة ومعقدة تستغرق وقتاً طويلاً عندما تُنفذ يدوياً. وتقول مايكروسوفت إنها حاولت سابقاً أتمتة هذه المهمة باستخدام أدوات تعلم آلي أقدم، لكن النتيجة لم تكن كافية.
مع Discovery، طورت الشركة وكيلاً متخصصاً بات يشغّل العملية بشكل مستمر، ويجري تعديلات متوازية على الفولتية عبر مئات المتغيرات في وقت واحد، ثم يبني خرائط ثلاثية الأبعاد لحالة الكيوبتات. هذا النوع من التنفيذ لا يختصر الوقت فقط، بل يغير طبيعة العمل العلمي نفسه، لأن الباحث لم يعد مضطراً لمتابعة كل خطوة بشكل خطي كما في الأساليب التقليدية.
وتصف قيادة برنامج الكم في مايكروسوفت هذا التغيير بأنه أصبح جزءاً طبيعياً من سير العمل اليومي داخل الفريق. بمعنى آخر، لم يعد الذكاء الاصطناعي مجرد مشروع جانبي، بل أداة مدمجة في البنية البحثية للمختبر.
دلالة أوسع لقطاع الذكاء الاصطناعي والتقنية
تأتي هذه التطورات في لحظة تحاول فيها شركات التقنية الكبرى إثبات أن الذكاء الاصطناعي يمكن أن يضيف قيمة قابلة للقياس خارج التطبيقات الاستهلاكية المعتادة. وفي هذا السياق، تمثل أبحاث الكم ساحة اختبار مثالية: بيانات كثيرة، تجارب مكلفة، ومتغيرات متعددة يصعب على البشر تتبعها منفردين.
إذا نجحت هذه المقاربة على نطاق أوسع، فقد نشهد انتقال الذكاء الاصطناعي الوكيلي من كونه مساعداً رقمياً إلى كونه بنية أساسية للبحث العلمي في الصناعات المتقدمة، مثل المواد الجديدة، والأدوية، والطاقة، والتصنيع الدقيق. وهذه بالفعل القطاعات التي تشير مايكروسوفت إلى أنها بدأت تتبنى المنصة، بما في ذلك علوم الحياة، والمواد الكيميائية، والطاقة، والتصنيع.
كما أن الشركة فتحت الباب أمام استخدام أوسع عبر نسخة تطبيقية مجانية في مرحلة تجريبية مبكرة، يمكن تشغيلها محلياً مع حساب GitHub Copilot، وهو ما قد يسهّل وصول الباحثين الأفراد والفرق الصغيرة إلى نماذج عمل كانت في السابق حكراً على المؤسسات الكبرى.
الهدف التجاري لا ينفصل عن الرسالة العلمية
من الطبيعي أن يكون وراء هذا الإعلان بعد تجاري واضح. فإظهار نجاح Discovery في مشروع Majorana 2 يمنح مايكروسوفت قصة قوية تروّج بها لمنصتها لدى الشركات التي تنفق مبالغ كبيرة على البحث والتطوير. والرسالة التسويقية هنا مبنية على دليل عملي: إذا كان الذكاء الاصطناعي الوكيلي قد ساعد في تسريع أبحاث الكم المعقدة، فمن الممكن أن يفعل الشيء نفسه في مختبرات الأدوية والمواد والرقائق والأنظمة الصناعية.
غير أن التقييم المهني يفرض قدراً من الحذر. فخريطة الطريق الجديدة للوصول إلى كمبيوتر كمومي قابل للتوسع بحلول 2029 طموحة، لكنها تظل رهينة بتقدم تقني لم يثبت بعد على نطاق صناعي. كذلك فإن نسبة التحسن المعلنة، رغم أهميتها، تتعلق بمقارنة داخلية مع الجيل السابق من شريحة مايكروسوفت، وليست حكماً نهائياً على تفوق المسار بأكمله على باقي الاتجاهات في الصناعة الكمومية.
مع ذلك، فإن الأهمية الحقيقية للإعلان ربما تكمن في نقطة أبعد من التوقيت أو الوعود المستقبلية. فالمشهد الأهم هو أن الذكاء الاصطناعي لم يعد فقط أداة تسرّع الشرح أو البرمجة أو التلخيص، بل بات يدخل مرحلة جديدة بوصفه شريكاً في البحث العلمي نفسه، يختصر الزمن ويعيد تشكيل طريقة اكتشاف المعرفة في القطاعات عالية التعقيد.