رفتن به محتوای اصلی
دوشنبه، ۲۳ شهریور ۱۴۰۵ دنبال‌کردن تازه‌ها از طریق RSS
تازه‌ها
همکاری با من

پیشرفت کوانتومی IBM و دانشگاه شیکاگو

همکاری استراتژیک IBM و دانشگاه شیکاگو به یک نقطه عطف تاریخی در محاسبات کوانتومی منجر شده است. دانشمندان با استفاده از ۷۰ کیوبیت منطقی و روش‌های نوین تصحیح خطا، به «مزیت کوانتومی قابل اعتماد» دست یافته‌اند. این دستاورد نه تنها مرزهای توانایی کامپیوترهای کوانتومی را گسترش می‌دهد، بلکه راه را برای توسعه هوش مصنوعی کوانتومی و حل مسائل پیچیده جهانی هموار می‌کند، در حالی که برتری کوانتومی را با قابلیت اطمینان آماری همراه می‌سازد.

مرداد ۱۰, ۱۴۰۵حسین موذن خوش الحان۱۱۱ دقیقه مطالعه
تصویری مفهومی از همگرایی محاسبات کوانتومی و هوش مصنوعی

همکاری‌های استراتژیک میان غول‌های فناوری و نهادهای آکادمیک پیشرو، همواره موتور محرک نوآوری‌های بنیادین بوده‌اند. در حوزه محاسبات کوانتومی، مشارکت IBM و دانشگاه شیکاگو به تازگی به دستاوردی چشمگیر منجر شده است که مفهوم «مزیت کوانتومی» را به مرحله‌ای جدید ارتقا داده است. این پیشرفت کوانتومی IBM و دانشگاه شیکاگو، با تکیه بر ۷۰ کیوبیت منطقی و روش‌های پیشرفته تصحیح خطا، امکان حل مسائلی را فراهم آورده که پیش از این برای قدرتمندترین ابررایانه‌های کلاسیک نیز غیرقابل دسترس بودند. این دستاورد نه تنها نشان‌دهنده بلوغ فناوری کوانتومی است، بلکه افق‌های جدیدی را در زمینه هوش مصنوعی کوانتومی و کاربردهای عملی محاسبات کوانتومی می‌گشاید و ما را به عصر جدیدی از توانایی‌های محاسباتی نزدیک‌تر می‌کند.

این مقاله به بررسی عمیق این دستاوردها، تفاوت‌های کلیدی بین «برتری کوانتومی» و «مزیت کوانتومی»، نقش هوش مصنوعی کوانتومی و نقشه راه بلندپروازانه IBM در این مسیر می‌پردازد. هدف ما ارائه دیدگاهی جامع و کاربردی برای درک بهتر این تحولات انقلابی است.

همکاری IBM و دانشگاه شیکاگو: ریشه‌ها و اهداف

تصویری از یک تراشه کامپیوتر کوانتومی با کیوبیت‌های منطقی فعال
تصویری از یک تراشه کامپیوتر کوانتومی با کیوبیت‌های منطقی فعال

شراکت میان IBM و دانشگاه شیکاگو، که از سال ۲۰۱۹ با پروژه‌هایی مانند EPiQC (Enabling Practical-Scale Quantum Computing) آغاز شد، ریشه‌ای عمیق در هدف مشترک تسریع دستیابی به محاسبات کوانتومی عملیاتی دارد. این همکاری فراتر از یک پروژه تحقیقاتی ساده، به بستری برای به اشتراک‌گذاری منابع، تبادل دانش و آموزش نسل جدیدی از دانشمندان کوانتوم تبدیل شده است.

Chicago Quantum Exchange و سرمایه‌گذاری‌های مشترک

این همکاری در قالب «Chicago Quantum Exchange (CQE)» نیز ادامه یافته است. CQE یک کنسرسیوم گسترده شامل دانشگاه‌ها، آزمایشگاه‌های ملی و تقریباً ۷۰ شریک صنعتی، بین‌المللی و غیرانتفاعی است که با هدف پیشبرد تحقیقات کوانتومی، توسعه نیروی کار متخصص و نوآوری اقتصادی فعالیت می‌کند. این اکوسیستم گسترده، نقش حیاتی در ایجاد یک محیط حمایتی برای تحقیقات پیشرفته ایفا می‌کند.

در سال ۲۰۲۳، IBM، دانشگاه توکیو و دانشگاه شیکاگو یک سرمایه‌گذاری مشترک ۱۰۰ میلیون دلاری را برای توسعه فناوری‌ها و کاربردهای نوین در راستای ایجاد یک ابررایانه کوانتوم‌محور در مقیاس بزرگ برای علم و تجارت اعلام کردند. این ابتکار نشان‌دهنده تعهد جدی به ادغام سیستم‌های محاسباتی کوانتومی و کلاسیک برای پیشگامی در عصر جدید محاسبات با کارایی بالا است.

۷۰ کیوبیت منطقی و عصر مزیت کوانتومی: دستاورد انقلابی

نمایش بصری پلتفرم رهگیر مزیت کوانتومی IBM
نمایش بصری پلتفرم رهگیر مزیت کوانتومی IBM

یکی از مهم‌ترین و به‌روزترین دستاوردهای این همکاری، نمایش «مزیت کوانتومی» توسط IBM و محققان دانشگاه شیکاگو در جولای ۲۰۲۶ (۸ مرداد ۱۴۰۵) است. در این آزمایش تاریخی، دانشمندان با استفاده از یک روش نوین تصحیح خطا، موفق به رمزگذاری ۷۰ کیوبیت منطقی شدند و یک مسئله غیرقابل حل به روش کلاسیک را با موفقیت حل کردند.

این محاسبه کوانتومی تقریباً ۱۵ دقیقه به طول انجامید، در حالی که انجام همین کار با روش‌های پیشرو محاسبات کلاسیک به زمان غیرممکنی نیاز داشت. این دستاورد به عنوان ورود به «عصر مزیت کوانتومی» توصیف شده است، جایی که کامپیوترهای کوانتومی نه تنها توانایی‌های نظری خود را نشان می‌دهند، بلکه در عمل نیز بر محدودیت‌های محاسبات کلاسیک غلبه می‌کنند.

تصحیح خطا و کاهش نرخ خطای منطقی

دستیابی به ۷۰ کیوبیت منطقی با استفاده از روش جدید تصحیح خطا، گامی حیاتی در غلبه بر یکی از بزرگترین چالش‌های محاسبات کوانتومی است. کیوبیت‌ها به شدت به نویز و تغییرات محیطی حساس هستند و خطاهای کوانتومی می‌توانند به سرعت محاسبات را بی‌اعتبار کنند. این تیم با اجرای ۲۴۱۵ عملیات دو کیوبیتی منطقی و ۴۶۸ گیت T منطقی، نرخ خطای منطقی را حدود ده برابر کمتر از نرخ خطای فیزیکی کاهش داد. این کاهش چشمگیر خطا، امکان انجام محاسبات پیچیده و قابل اعتماد را فراهم می‌آورد و صحت نتایج را با اطمینان آماری بالا تأیید می‌کند.

برتری کوانتومی در مقابل مزیت کوانتومی قابل اعتماد

مفاهیم «برتری کوانتومی» (Quantum Supremacy) و «مزیت کوانتومی» (Quantum Advantage) اغلب با یکدیگر اشتباه گرفته می‌شوند، اما تفاوت‌های کلیدی دارند. برتری کوانتومی به نقطه‌ای اشاره دارد که یک کامپیوتر کوانتومی می‌تواند وظیفه‌ای را انجام دهد که حتی قدرتمندترین ابررایانه‌های کلاسیک نیز قادر به انجام آن در یک بازه زمانی معقول نیستند. در گذشته، شرکت‌هایی مانند گوگل ادعاهایی در این زمینه داشتند، اما همواره بحث‌هایی در مورد کاربردی بودن و قابلیت تأیید نتایج آنها وجود داشته است.

IBM و دانشگاه شیکاگو با معرفی «مزیت کوانتومی قابل اعتماد» (trusted quantum advantage) به این انتقادات پاسخ داده‌اند. تأکید بر «قابل اعتماد بودن» به این معنی است که علاوه بر انجام محاسباتی فراتر از توانایی کلاسیک، روشی برای تأیید آماری صحت نتایج نیز ارائه شده است. این رویکرد ساختاریافته به جای نمونه‌برداری مدار تصادفی (RCS)، امکان شناسایی خطاها را در طول محاسبه فراهم می‌کند و اطمینان بیشتری به نتایج می‌دهد.

پلتفرم رهگیر مزیت کوانتومی IBM

برای افزایش شفافیت و قابلیت تأیید، IBM یک پلتفرم باز به نام «رهگیر مزیت کوانتومی» (Quantum Advantage Tracker) را راه‌اندازی کرده است. این پلتفرم به کاربران امکان می‌دهد تا نتایج کوانتومی و کلاسیکی را نظارت، مقایسه و تأیید کنند. این ابتکار نه تنها به اعتبار بخشیدن به دستاوردهای کوانتومی کمک می‌کند، بلکه جامعه علمی و صنعتی را قادر می‌سازد تا پیشرفت‌ها را به صورت مداوم پیگیری کنند.

هوش مصنوعی کوانتومی: همگرایی دو فناوری پیشرو

هوش مصنوعی کوانتومی (Quantum AI) حوزه‌ای هیجان‌انگیز است که قدرت محاسبات کوانتومی را با الگوریتم‌های هوش مصنوعی ترکیب می‌کند. IBM در حال پیشگامی در ادغام فناوری‌های هوش مصنوعی و کوانتومی از طریق ساخت زیرساخت‌های محاسبات کوانتومی مقیاس‌پذیر برای کاربردهای هوش مصنوعی است. این رویکرد نوآورانه پتانسیل بازتعریف نحوه حل چالش‌های پیچیده را دارد و می‌تواند منجر به پیشرفت‌هایی در زمینه‌های بهینه‌سازی، یادگیری ماشین و مدل‌سازی داده‌ها شود.

Qiskit Machine Learning و کاربردها

محققان IBM در حال انجام تحقیقات بنیادی در یادگیری ماشین کوانتومی (Quantum Machine Learning) برای تقویت الگوریتم‌های کوانتومی هوشمند آینده هستند. کتابخانه Qiskit Machine Learning، که بخشی از اکوسیستم Qiskit است، بلوک‌های ساختاری محاسباتی اساسی مانند هسته‌های کوانتومی (Quantum Kernels) و شبکه‌های عصبی کوانتومی (Quantum Neural Networks) را برای کاربردهای مختلف از جمله طبقه‌بندی و رگرسیون معرفی می‌کند.

هوش مصنوعی کوانتومی می‌تواند در حوزه‌هایی مانند طراحی مواد جدید با پیش‌بینی خواص مولکولی، امنیت سایبری با توسعه الگوریتم‌های رمزنگاری مقاوم در برابر حملات کوانتومی، و بهینه‌سازی شبکه‌های حمل‌ونقل با یافتن کوتاه‌ترین و کارآمدترین مسیرها، کاربردهای انقلابی داشته باشد. این همگرایی، پتانسیل حل مسائلی را دارد که با روش‌های کلاسیک غیرممکن یا بسیار زمان‌بر هستند.

نقشه راه IBM برای محاسبات کوانتومی آینده

IBM دارای یک نقشه راه بلندپروازانه برای محاسبات کوانتومی است که شامل توسعه پردازنده‌های کوانتومی پیشرفته و دستیابی به محاسبات کوانتومی مقاوم در برابر خطا تا سال ۲۰۲۹ می‌شود. این نقشه راه، گام‌های مشخصی را برای افزایش تعداد کیوبیت‌ها، کاهش نرخ خطا و بهبود اتصال‌پذیری پردازنده‌ها ترسیم می‌کند.

پردازنده‌های کوانتومی فعلی و آینده IBM

پردازنده‌های فعلی IBM شامل Eagle (۱۲۷ کیوبیت)، Heron (نسخه‌های ۱۳۳، ۱۵۶ کیوبیتی) و Nighthawk (۱۲۰ کیوبیت با اتصال‌پذیری بالاتر) هستند. پردازنده Heron به عنوان پایه و اساس طرح IBM برای مقیاس‌بندی کامپیوترهای کوانتومی عمل می‌کند و امکان اتصال چندین پردازنده کوچک‌تر به یکدیگر را فراهم می‌آورد.

IBM قصد دارد تا سال ۲۰۲۵ بزرگترین کامپیوتر کوانتومی تاریخ را با اتصال چندین پردازنده کوچک‌تر به یکدیگر و ایجاد یک سیستم ماژولار با ۱۳۸۶ کیوبیت معرفی کند. همچنین برنامه‌هایی برای معرفی تراشه Kookaburra تا سال ۲۰۲۶ با ۴۱۵۸ کیوبیت و Starling تا سال ۲۰۲۹ برای سیستم‌های کاملاً مقاوم در برابر خطا وجود دارد. این پیشرفت‌ها نشان‌دهنده تعهد IBM به تحقق پتانسیل کامل محاسبات کوانتومی در آینده نزدیک است.

چالش‌ها و سوءتفاهم‌های رایج در محاسبات کوانتومی

با وجود پیشرفت‌های چشمگیر، محاسبات کوانتومی همچنان با چالش‌ها و سوءتفاهم‌هایی روبرو است که درک صحیح آن‌ها برای هر علاقه‌مند به این حوزه ضروری است.

یکی از خطاهای رایج، اشتباه گرفتن «برتری کوانتومی» با «مزیت کوانتومی» است. در حالی که برتری کوانتومی صرفاً به توانایی یک کامپیوتر کوانتومی در انجام کاری فراتر از توانایی کلاسیک اشاره دارد، «مزیت کوانتومی» (به ویژه نوع «قابل اعتماد» که IBM بر آن تأکید دارد) بر قابلیت تأیید نتایج و کاربردی بودن آن در حل مسائل واقعی تأکید می‌کند. این تمایز حیاتی است زیرا مزیت کوانتومی به معنای گامی عملی‌تر و قابل اعتمادتر در مسیر توسعه است.

اهمیت تصحیح خطا در غلبه بر نویز

خطای دیگر، نادیده گرفتن چالش‌های تصحیح خطا است. کیوبیت‌ها به شدت به نویز و تغییرات محیطی حساس هستند و خطاهای کوانتومی یکی از بزرگترین موانع در ساخت کامپیوترهای کوانتومی مقیاس‌پذیر و مقاوم در برابر خطا هستند. پیشرفت‌های IBM در زمینه ۷۰ کیوبیت منطقی و کاهش نرخ خطای منطقی، نشان‌دهنده یک گام مهم در غلبه بر این چالش است. بدون تصحیح خطای مؤثر، حتی بزرگترین کامپیوترهای کوانتومی نیز نمی‌توانند محاسبات قابل اعتمادی را انجام دهند.

کار با Qiskit: مقدمه‌ای بر برنامه‌نویسی کوانتومی

برای توسعه‌دهندگان و محققانی که علاقه‌مند به کار عملی با کامپیوترهای کوانتومی IBM هستند، Qiskit (Quantum Information Science Kit) یک کیت توسعه نرم‌افزاری متن‌باز (SDK) است. Qiskit از زبان برنامه‌نویسی پایتون پشتیبانی می‌کند و ابزارهایی برای ساخت، شبیه‌سازی و اجرای الگوریتم‌های کوانتومی بر روی سخت‌افزار واقعی IBM و شبیه‌سازهای محلی فراهم می‌آورد.

مثال عملی: ساخت یک مدار کوانتومی ساده

در ادامه، یک نمونه کد ساده با Qiskit برای ایجاد یک مدار کوانتومی پایه آورده شده است. این مدار، یک کیوبیت را در حالت برهم‌نهی (superposition) قرار داده و سپس آن را با کیوبیت دیگری درهم‌تنیده (entangled) می‌کند.

from qiskit import QuantumCircuit, transpile, Aer
from qiskit.visualization import plot_histogram

# 1. ایجاد یک مدار کوانتومی با 2 کیوبیت و 2 بیت کلاسیک
qc = QuantumCircuit(2, 2)

# 2. اعمال گیت Hadamard به کیوبیت 0 برای ایجاد برهم‌نهی
qc.h(0)

# 3. اعمال گیت CNOT با کیوبیت 0 به عنوان کنترل و کیوبیت 1 به عنوان هدف برای ایجاد درهم‌تنیدگی
qc.cx(0, 1)

# 4. اندازه‌گیری کیوبیت‌ها و ذخیره نتایج در بیت‌های کلاسیک
qc.measure([0, 1], [0, 1])

# 5. انتخاب شبیه‌ساز QASM برای اجرای مدار
simulator = Aer.get_backend('qasm_simulator')

# 6. کامپایل و اجرای مدار بر روی شبیه‌ساز با 1024 شات (تکرار)
job = simulator.run(transpile(qc, simulator), shots=1024)
result = job.result()
counts = result.get_counts(qc)

# 7. نمایش نتایج اندازه‌گیری
print("نتایج اندازه‌گیری:", counts)
# plot_histogram(counts) # برای نمایش هیستوگرام نتایج (نیاز به matplotlib)

توضیح کد:

  • QuantumCircuit(2, 2): یک مدار کوانتومی با دو کیوبیت (برای انجام عملیات کوانتومی) و دو بیت کلاسیک (برای ذخیره نتایج اندازه‌گیری) ایجاد می‌کند.
  • qc.h(0): گیت آدامار (Hadamard) را به کیوبیت شماره ۰ اعمال می‌کند. این گیت کیوبیت را در حالت برهم‌نهی قرار می‌دهد، به این معنی که همزمان در حالت ۰ و ۱ با احتمال برابر قرار می‌گیرد.
  • qc.cx(0, 1): گیت CNOT (Controlled-NOT) را اعمال می‌کند. کیوبیت ۰ به عنوان کیوبیت کنترل و کیوبیت ۱ به عنوان کیوبیت هدف عمل می‌کند. اگر کیوبیت کنترل (۰) در حالت ۱ باشد، حالت کیوبیت هدف (۱) برعکس می‌شود. این کار باعث ایجاد درهم‌تنیدگی بین دو کیوبیت می‌شود.
  • qc.measure([0, 1], [0, 1]): هر دو کیوبیت را اندازه‌گیری کرده و نتایج را به ترتیب در بیت‌های کلاسیک ۰ و ۱ ذخیره می‌کند. اندازه‌گیری باعث فروپاشی حالت برهم‌نهی به یکی از حالت‌های پایه (۰ یا ۱) می‌شود.
  • بخش‌های بعدی کد، مدار را روی یک شبیه‌ساز (qasm_simulator) اجرا می‌کنند و نتایج اندازه‌گیری را (که نشان‌دهنده توزیع احتمالات حالت‌های نهایی است) چاپ می‌کنند.

Qiskit همچنین ابزارهایی برای یادگیری ماشین کوانتومی (Qiskit Machine Learning) و بهینه‌سازی مدارها ارائه می‌دهد. دستیار کد Qiskit (Qiskit Code Assistant) که بر پایه مدل‌های زبان بزرگ (LLMs) آموزش دیده است، به توسعه‌دهندگان کمک می‌کند تا کدهای کوانتومی با کیفیت بالا تولید کنند و فرآیند کدنویسی را ساده‌تر سازند. مستندات رسمی Qiskit و کانال‌های Slack منابع عالی برای یادگیری و دریافت پشتیبانی هستند.

نتیجه‌گیری: آینده‌ای کوانتومی و قابل اعتماد

پیشرفت کوانتومی IBM و دانشگاه شیکاگو با دستیابی به ۷۰ کیوبیت منطقی و نمایش «مزیت کوانتومی قابل اعتماد»، یک گام بلند و تعیین‌کننده در مسیر تحقق پتانسیل کامل محاسبات کوانتومی است. این دستاورد نه تنها مرزهای آنچه را که کامپیوترهای کوانتومی می‌توانند انجام دهند جابجا می‌کند، بلکه با تأکید بر قابلیت اطمینان و تصحیح خطا، راه را برای کاربردهای عملی و گسترده‌تر هموار می‌سازد.

همگرایی هوش مصنوعی و محاسبات کوانتومی، نویدبخش حل چالش‌های پیچیده‌ای است که در حال حاضر فراتر از توانایی ما هستند. با ادامه سرمایه‌گذاری‌ها و همکاری‌های استراتژیک، و با تکیه بر نقشه راه بلندپروازانه IBM، می‌توان انتظار داشت که در آینده‌ای نزدیک، شاهد ظهور نسل جدیدی از فناوری‌ها باشیم که زندگی ما را از جنبه‌های مختلف متحول خواهند کرد. عصر کوانتوم در حال شکل‌گیری است و این پیشرفت‌ها، سنگ بنای آن را تشکیل می‌دهند.

سؤالات متداول

«مزیت کوانتومی» که IBM و دانشگاه شیکاگو به آن دست یافته‌اند، دقیقاً به چه معناست؟

مزیت کوانتومی به این معناست که یک کامپیوتر کوانتومی می‌تواند وظیفه‌ای را انجام دهد که برای قدرتمندترین ابررایانه‌های کلاسیک نیز در یک بازه زمانی معقول غیرممکن است. دستاورد اخیر IBM و دانشگاه شیکاگو با ۷۰ کیوبیت منطقی، این مزیت را با تأکید بر «قابل اعتماد بودن» و تأیید آماری صحت نتایج، به مرحله عملیاتی رسانده است.

تفاوت بین «برتری کوانتومی» و «مزیت کوانتومی قابل اعتماد» چیست؟

برتری کوانتومی به توانایی صرف یک کامپیوتر کوانتومی در انجام کاری فراتر از توانایی کلاسیک اشاره دارد. اما مزیت کوانتومی قابل اعتماد (Trusted Quantum Advantage) علاوه بر این توانایی، بر ارائه روش‌هایی برای تأیید آماری صحت نتایج و کاربردی بودن آن‌ها در حل مسائل واقعی نیز تأکید دارد، که آن را از ادعاهای صرف فراتر می‌برد.

نقش ۷۰ کیوبیت منطقی در این پیشرفت چیست؟

۷۰ کیوبیت منطقی به معنای استفاده از ۷۰ کیوبیت واقعی (فیزیکی) است که با تکنیک‌های پیشرفته تصحیح خطا، به صورت یکپارچه عمل کرده و نرخ خطای کلی سیستم را به طور چشمگیری کاهش می‌دهند. این امر امکان انجام محاسبات پیچیده‌تر و قابل اعتمادتر را فراهم می‌آورد که با کیوبیت‌های فیزیکی بدون تصحیح خطا غیرممکن است.

هوش مصنوعی کوانتومی (Quantum AI) چه کاربردهایی دارد؟

هوش مصنوعی کوانتومی پتانسیل حل مسائل پیچیده در بهینه‌سازی (مانند بهینه‌سازی شبکه‌های حمل‌ونقل)، یادگیری ماشین (مانند طبقه‌بندی و رگرسیون پیشرفته)، طراحی مواد جدید (با پیش‌بینی خواص مولکولی) و امنیت سایبری (با توسعه الگوریتم‌های رمزنگاری مقاوم) را دارد.

آیا می‌توانم به عنوان یک توسعه‌دهنده با کامپیوترهای کوانتومی IBM کار کنم؟

بله، IBM یک کیت توسعه نرم‌افزاری متن‌باز به نام Qiskit (Quantum Information Science Kit) را ارائه می‌دهد که به توسعه‌دهندگان امکان می‌دهد مدارهای کوانتومی را طراحی، شبیه‌سازی و حتی بر روی سخت‌افزار واقعی IBM اجرا کنند. Qiskit از زبان پایتون پشتیبانی می‌کند و دارای مستندات و ابزارهای آموزشی گسترده‌ای است.

حسین موذن خوش الحان

من حسین مؤذن خوش‌الحان، طراح و توسعه‌دهنده وب هستم و تمرکزم روی ساخت وب‌سایت‌های سریع، حرفه‌ای، سئو‌شده و کاربرپسند است. در پروژه‌هایم از ابزارهای هوش مصنوعی مانند ChatGPT، Claude، Codex و Bolt.new برای تحلیل بهتر، توسعه سریع‌تر، تولید محتوا، خودکارسازی فرایندها و حل مسائل پیچیده استفاده می‌کنم. ترکیب تجربه فنی، طراحی دقیق و ابزارهای هوش مصنوعی به من کمک می‌کند ایده‌ها را به محصولات دیجیتال کاربردی و قابل توسعه تبدیل کنم. از طراحی سایت‌های اختصاصی و وردپرسی تا توسعه افزونه، بهینه‌سازی سرعت و پیاده‌سازی سیستم‌های هوشمند، هدفم ارائه راهکاری تمیز، قابل اعتماد و نتیجه‌محور برای هر پروژه است.

گفت‌وگو

اولین دیدگاه را بنویس

تجربه، سؤال یا نظر مرتبطت را با احترام بنویس.

نظر تو چیست؟

ایمیل شما منتشر نمی‌شود. فیلدهای ضروری مشخص شده‌اند.