New proof marks the exact point where a shaky quantum computer fails to break codesاثبات ریاضی تازه‌ای نشان می‌دهد یک کامپیوتر کوانتومی لرزان دقیقاً از چه نقطه‌ای در شکستن کدها ناکام می‌ماند
To run the famous code-breaking method, a quantum computer must make extremely tiny, precise turns. A new mathematical proof marks the exact amount of random error in those turns that makes the method fail on large numbers.برای اجرای آن روش معروف رمزشکنی، یک کامپیوتر کوانتومی باید چرخش‌هایی بسیار ریز و دقیق انجام دهد. یک اثبات ریاضی جدید مشخص می‌کند دقیقاً چه میزان خطای تصادفی در این چرخش‌ها باعث می‌شود این روش برای اعداد بزرگ شکست بخورد.
ترجمهٔ ماشینی است؛ برای دقت به متن اصلی انگلیسی مراجعه کنید.
Why it matters
Much of the privacy on the internet rests on one bet: that normal computers cannot take a huge number and find the two prime numbers (numbers divisible only by themselves and 1) that were multiplied to make it. Shor's method is the reason many people expect a future quantum computer to win that bet and read protected messages. This proof shows that the machine's smallest turning steps must become more and more precise as the numbers get bigger, and it gives the exact rate. It does not say code-breaking is impossible; the authors say so themselves, and engineers have error-fixing methods that this proof leaves out. But it does put a hard number on the steadiness such a machine would need.بخش بزرگی از حریم خصوصی در اینترنت بر یک شرط‌بندی استوار است: اینکه کامپیوترهای معمولی نمی‌توانند یک عدد بسیار بزرگ را بگیرند و دو عدد اول (اعدادی که فقط بر خودشان و 1 بخش‌پذیرند) را که در هم ضرب شده و آن عدد را ساخته‌اند، پیدا کنند. روش Shor دلیل اصلی این انتظار است که یک کامپیوتر کوانتومی در آینده بتواند این شرط‌بندی را ببرد و پیام‌های محافظت‌شده را بخواند. این اثبات نشان می‌دهد کوچک‌ترین گام‌های چرخشی این ماشین باید هرچه اعداد بزرگ‌تر می‌شوند دقیق‌تر و دقیق‌تر شوند، و نرخ دقیق آن را هم ارائه می‌دهد. این اثبات نمی‌گوید رمزشکنی غیرممکن است؛ خود نویسندگان هم همین را می‌گویند، و مهندسان روش‌هایی برای تصحیح خطا دارند که این اثبات آن‌ها را در نظر نگرفته است. اما این اثبات عددی قطعی برای میزان پایداری‌ای که چنین ماشینی به آن نیاز دارد به دست می‌دهد.
Who's behind it: Jin-Yi Cai and Ben Young, University of Wisconsin–Madison. Funded by a European Research Council grant and a Cisco Fellowship.
Summary by the Lemma AI · how we grade