Kuantum Kaynak Tahmini

Kuantum algoritması kurmak ile kuantum bilgisayar inşa etmek arasında büyük bir boşluk vardır; kuantum kaynak tahmini bu boşluğun üstüne kurulur. Bu derste bir algoritmanın gerçek donanımda kaç kübit, kapı ve zaman isteyeceğinin, makine var olmadan hesaplanmasını öğreneceksin: mantıksal–fiziksel kübit ayrımı, hata bütçesi ve adım adım bir tahmin akışı. Serinin tamamı için Kuantum Hesaplama dersleri sayfasına bakabilirsin; temel kavramları görmediysen Kuantum Hesaplama 101 dersiyle başlaman iyi olur.

Kaynak Tahmini Neyi Hesaplar?

Kaynak tahmini, “bu algoritma gerçekten çalışır mı?” sorusunu sayılarla yanıtlar: belirli bir girdi boyutu seçilir (örneğin 2048 bitlik bir RSA sayısı) ve algoritmanın donanımdan ne isteyeceği hesaplanır. Çıktı tek sayı değil, bir tablodur:

• Kübit sayısı: mantıksal kübit ihtiyacı ve hata düzeltme sonundaki fiziksel karşılığı.
• Kapı sayısı: özellikle T sayısı (T-count) ve Toffoli sayısı; hataya dayanıklı makinede en pahalılar bunlar.
• Devre derinliği: işlemlerin kaç zaman adımına yayılacağı; sürenin sınırlarını belirler.
• Çalışma süresi: saat hızı ve düzeltme döngüsü varsayımlarıyla saat/gün cinsinden tahmin.
• Hata bütçesi: hesabın toplamda en fazla ne kadar yanılacağı; bu hedef, diğer bütün sayıları belirler.

Tahminin omurgası üç katmanlıdır: ön yüz devresi (algoritmik kapılar), mantıksal devre (hata düzeltmeden geçmiş) ve fiziksel devre (çipteki gerçek kübitler). Yaygın bir araç olan Azure Quantum kaynak tahmincisi de aynı şemayla çalışır: uygulama, donanım mimarisi, hata düzeltme + damıtma fabrikası modeli ve hata bütçesi ister. Ön yüzle mantıksal devre arasındaki boşluğu kapatmak ise Kuantum Derleme dersinin konusudur.

Mantıksal Kübit ile Fiziksel Kübit Arasındaki Fark

Bir mantıksal kübit, hata düzeltme kodunun koruduğu soyut kübittir; fiziksel kübit ise çipteki gürültülü donanımdır. Yüzey kodunda uzaklığı d olan mantıksal kübit, d×d veri kübiti ve benzer sayıda ölçüm kübiti ister; toplam kabaca 2d² fiziksel kübit eder (veri kübiti sayısı d², toplam 2d²−1). Google’ın Willow çipi uzaklık-7 kodla 101 fiziksel kübitten (49 veri + 48 ölçüm) tek mantıksal kübit üretir.

Karşımıza hata bütçesi çıkar: toplam başarısızlık şansını üçte birin altında tutup izni tüm işlemlere bölüştürürüz: işlem başına izin ≈ hata bütçesi ÷ işlem sayısı. 10¹² işlem için bu, işlem başına ~3×10⁻¹³ demektir; uzaklık bu hedefe göre seçilir. Genel yol haritasını Hata Toleranslı Kuantum Hesaplamaya Giden Yol dersinde, mimari sonuçları ise Hata Toleranslı Mimari Tasarımı dersinde bulursun.

Küçük Bir Tahmin Akışı: Adım Adım

Uydurma ama gerçekçi bir örnekle akışı görelim; amaç mutlak doğruluk değil, tahminin nasıl kurulduğudur.

1. Algoritmayı ve girdi boyutunu sabitle. Mantıksal devremiz 2000 mantıksal kübit ve 10¹² Toffoli kapısı istesin (Toffoli’yi T biriminde sayıyoruz).
2. Hata bütçesini bölüştür. Başarısızlığı üçte birin altında tutmak için işlem başına izin ≈ (1/3) ÷ 10¹² ≈ 3×10⁻¹³; güvenli hedef 10⁻¹³.
3. Uzaklığı seç. p = 10⁻³ fiziksel hata ve ~%1 kod eşiği için d = 25, işlem başına ~10⁻¹³ mantıksal hata verir; kural: d’yi 2 artırmak hatayı ~10 kat küçültür, 2 azaltmak ~10 kat büyütür.
4. Kübiti çarp. 2d² = 2 × 25² = 1250 fiziksel kübit; 2000 mantıksal kübit için yalnızca veri tarafında ~2,5 milyon fiziksel kübit.
5. Fabrikaları ve süreyi ekle. T damıtma fabrikaları kübit ve zaman ekler; çoğu mimaride maliyetin büyük dilimini onlar kaplar. Kaba üst sınır: 10¹² döngü × 1 μs = 10⁶ s ≈ 11,5 gün; paralel fabrikalar bunu saatlere indirebilir.

Gerçek kıyas: Gidney ve Ekerå’nın 2019 tahmini, 2048 bitlik RSA sayısını 8 saatte, ~20 milyon gürültülü fiziksel kübitle çarpanlarına ayırmayı hedefliyor. Haberlerdeki “birkaç bin kübit yeter” sayıları mantıksal kübittir; fiziksel karşılığı milyonlarla ölçülür. Kaynak tahmini, bu iki sayı arasına savunulabilir varsayımlarla köprü kurar.

Sık Yapılan Hatalar ve Yanılgılar

En sık düşülen beş yanılgı:

• Mantıksal ile fiziksel kübiti karıştırmak: algoritma literatürü mantıksal kübit konuşur, haberler fiziksel kübit sayar; iki sayı kat kat farklıdır.
• T fabrikalarını unutmak: yalnızca veri kübitlerini saymak maliyeti küçümser; damıtma fabrikaları sıkça toplam kübitin büyük bölümünü kaplar.
• NISQ ölçütlerini hataya dayanıklı ölçütlerle karıştırmak: bugünün cihazlarında CNOT sayısı ve derinlik ön plandadır (NISQ Dönemi); hataya dayanıklı tahminde T sayısı esastır. Gürültüyü devre düzeyinde yumuşatan Hata Azaltma Teknikleri bugünün hesaplarını kurtarır ama milyonluk ihtiyacı ortadan kaldırmaz.
• Derinliği süre sanmak: derinlik zaman adımı sayısıdır; “kaç saniye” diyebilmek için saat hızı ve döngü süresi varsayımı gerekir.
• Tek bir “doğru sayı” beklemek: tahmin, varsayımların (hata oranı, kod seçimi, saat hızı) fonksiyonudur; varsayım değişince sonuç kat kat oynar. Doğrusu aralık ve duyarlılık analizi vermektir.

Özet: Bu Dersten Akılda Kalanlar

Kaynak tahmini, algoritma ile donanım arasındaki sözleşmedir: mantıksal kübit ve T sayısı ihtiyacını, hata bütçesiyle birlikte fiziksel kübit ve süreye çevirir. Akış hep aynıdır: girdi boyutunu sabitle, bütçeyi bölüştür, uzaklığı seç, kübiti çarp, fabrikaları ve süreyi ekle. Sayılar varsayımlarla değişir; doğru cevap tek rakam değil, aralık ve duyarlılıktır.

Bu ders, Araştırma Yönleri ünitesinin bir halkasıdır; diğer dersler mimariyi ve derlemeyi derinleştirir. Tüm dersler için içindekiler sayfasına, komşu alanlar olarak Yapay Zekâ ve Yazılım sayfalarımıza bakabilirsin.

Kaynaklar ve İleri Okuma

Polynomial-Time Algorithms for Prime Factorization and Discrete Logarithms on a Quantum Computer (P. Shor) — Çarpanlara ayırma probleminin algoritmik ihtiyacını tanımlayan klasik makale.

How to factor 2048 bit RSA integers in 8 hours using 20 million noisy qubits (C. Gidney, M. Ekerå) — Derste adım adım izlediğimiz akışın tam ölçekli, gerçek dünyadaki örneği.

Introduction to the resource estimator (Microsoft Learn) — Katmanlı modellemeyi (uygulama + mimari + hata düzeltme + hata bütçesi) uygulayan gerçek bir tahmin aracının resmi tanıtımı.

Surface code (Wikipedia) — Uzaklık parametresi ile kübit oranı (d², 2d²) için temel başvuru.

IBM Quantum Learning — Kübit, hata düzeltme ve devre ölçütlerinin temelleri için ücretsiz, uygulamalı materyal.