Parallel variational quantum algorithms with gradient-informed restart to speed up optimisation in the presence of barren plateaus

رحلة البحث عن الكنز الكمي العظيم

تخيل أنك تحاول العثور على أعمق وادٍ في سلسلة جبال ضخمة يغطيها الضباب. هذه ليست مجرد سلسلة جبال عادية؛ إنها تضاريس "خوارزمية كمية تباينية" (VQA)، وهي نوع خاص من المسائل الرياضية المصممة للعمل على أحدث وأقوى الحواسيب الكمية. هذه الحواسيب تشبه المستكشفين الأذكياء للغاية الذين يمكنهم حل الألغاز المعقدة في الكيمياء والفيزياء والخدمات اللوجستية بشكل أسرع من أي حاسوب تقليدي. ولكن هناك مشكلة؛ فالخريطة التي يستخدمونها للعثور على الحل غالبًا ما تكون مليئة بـ "الهضاب القاحلة".

فكر في الهضبة القاحلة ليس كقمة جبل، بل كسهل شاسع، مسطح، وخالٍ من المعالم. إذا كنت تسير في جبل عادي، يمكنك الشعور بانحدار الأرض واتباع المسار نحو الأسفل. ولكن في الهضبة القاحلة، تكون الأرض مسطحة للغاية لدرجة أن بوصلتك (المنحدر/التدرج) تدور بجنون أو لا تشير إلى أي اتجاه. ستجد نفسك عالقًا في الضباب، تخطو خطوات لا تؤدي إلى شيء، وتضيع الوقت والطاقة. هذه مشكلة كبيرة؛ لأنه إذا علق الحاسوب فوق هذه السهول المسطحة، فلن يتمكن أبدًا من العثور على "الاستمثال العالمي" (global optimum)—أي الحل الأمثل المطلق للمسألة. وقد حاول العلماء جاهدين إيجاد طريقة لإخراج المستكشفين من هذه السهول المسطحة وإعادتهم إلى المنحدرات التي تؤدي إلى الكنز.

الفكرة الكبرى للورقة البحثية: فريق من المستكشفين المتهورين

تقترح هذه الورقة حلاً ذكياً، يتسم بشيء من الفوضى، لمشكلة "العلوق في الضباب". فبدلاً من إرسال مستكشف وحيد ليتجول في الجبل، يقترح المؤلفون إرسال فريق كامل منهم في وقت واحد. وقد أطلقوا عليه اسم "الخوارزمية الكمية التباينية المتوازية" المستوحاة من مفهوم بيولوجي يسمى عملية فلمنج-فيوت (Fleming-Viot process).

إليك كيف يعمل نظامهم، باستخدام تشبيه مرح:

تخيل أن لديك فريقاً من 10 مستكشفين (تستخدم الورقة 10 جسيمات) يبحثون عن قاع الوادي. يبدأ الجميع بالسير نحو أسفل الجبل. القاعدة بسيطة: إذا خطا أحد المستكشفين نحو منطقة مسطحة وضبابية (هضبة قاحلة) حيث لا يستطيع تمييز الاتجاه المنحدر، فسيتم "قتله" فوراً (إيقافه). لكنهم لا يختفون ببساطة!

بدلاً من ذلك، يمتلك الفريق آلية "إعادة ظهور" سحرية. عندما يعلق مستكشف ما، يتم نقله آنياً (Teleportation) إلى مكان جديد. اختبرت الورقة طريقتين لاختيار هذا المكان الجديد:

1. استراتيجية "المقلد" (الاستغلال - Exploitation): يتم نقل المستكشف العالق إلى الموقع الدقيق الذي يقف فيه أحد زملائه الناجحين حالياً. هم يأملون أنه إذا كان الزميل لا يزال يتحرك، فإن ذلك الموقع لا بد أن يكون على منحدر، وليس على هضبة مسطحة.
2. استراتيجية "الأفعوانية" (الاستكشاف - Exploration): يتم نقل المستكشف العالق إلى مكان جديد تماماً وعشوائي على الخريطة. هذه مجازفة كبرى، لكنها قد تضعه بالقرب من الحل.

تشير الورقة إلى أنه من خلال إعادة تدوير المستكشفين الذين يعلقون وإرسالهم إلى أماكن جديدة باستمرار، فإن الفريق ككل أقل عرضة لإضاعة الوقت في التجول في الضباب مقارنة بمستكشف واحد (أو فريق من المستكشفين الذين لا يستسلمون أبداً ويستمرون في المشي في دوائر).

ما وجدوه: تسريع عملية البحث

لم يكتفِ المؤلفون بالتخمين بأن هذا سينجح، بل قاموا بالحسابات وأجروا محاكاة لإثبات ذلك.

أولاً، بنوا نموذجاً رياضياً. وأظهروا أنه إذا كانت هناك مساحة شاسعة في التضاريس عبارة عن منطقة مسطحة وغير مفيدة (هضبة قاحلة)، فإن مستكشفًا واحدًا يستخدم طريقة قياسية تسمى "التلدين المحاكي" (Simulated Annealing) سيعلق لفترة طويلة جداً. ومع ذلك، فإن طريقتهم القائمة على الفريق (Fleming-Viot) من المتوقع أن تجد قاع الوادي بشكل أسرع بكثير. وكلما زادت مساحة الأرض المسطحة وغير المفيدة، زادت ميزة طريقتهم. الأمر يشبه القول: "إذا كانت الخريطة مكونة من 80% ضباب، فإن امتلاك فريق يعيد ضبط نفسه باستمرار عندما يضل الطريق أفضل بكثير من وجود شخص واحد يرفض الاستسلام".

لاختبار ذلك، أجروا نوعين من التجارب:

1. الجبال الاصطناعية: أنشأوا تضاريس وهمية مولدة حاسوبياً تحتوي على كميات محددة من "الضباب" (25%، 50%، و80% من المساحة).
2. مسألة "القطع الأقصى" (Max-Cut): طبقوا طريقتهم على لغز يحاكي الواقع يسمى "Max-Cut" (والذي يتضمن تقسيم شبكة من العقد إلى مجموعتين لتعظيم الروابط بينهما) باستخدام خوارزمية كمية تسمى QAOA على رسم بياني مكون من 8 عقد.

النتائج:
أظهرت عمليات المحاكاة أن نهجهم القائم على الفريق تفوق باستمرار على طريقة "المستكشف الواحد" القياسية.

• نتائج أفضل: وجد الفريق حلولاً أقرب إلى الإجابة المثلى الحقيقية.
• سرعة أكبر: في الاختبارات الاصطناعية ذات الكميات العالية من "الضباب" (80% هضاب قاحلة)، وجد الفريق الحل في حوالي نصف الوقت (حوالي 25 خطوة) مقارنة بالطريقة القياسية التي غالباً ما كانت تعلق حتى النهاية (50 خطوة).
• الاتساق: كانت النتائج أكثر موثوقية. فطريقة "المستكشف الواحد" كانت تنجح أحياناً بالصدفة وتفشل تماماً في أحيان أخرى، لكن طريقة الفريق كانت ثابتة.

ومن المثير للاهتمام، وجدت الورقة أن استراتيجية "الأفعوانية" (النقل إلى مكان عشوائي) كانت تعمل بشكل أفضل قليلاً من استراتيجية "المقلد" (النقل إلى مكان زميل ناجح). وهذا يشير إلى أنه عندما تكون الأرض مسطحة تماماً ومربكة، فمن الأفضل القيام بتخمين جريء وتجربة منطقة جديدة تماماً بدلاً من مجرد تقليد شخص آخر.

الخلاصة

لا تدعي الورقة أنها "حلت" مشكلة الحوسبة الكمية إلى الأبد. بدلاً من ذلك، تقترح طريقة واعدة للملاحة في التضاريس المسطحة والمخادعة التي تبطئ الحواسيب الكمية حالياً. ومن خلال استخدام فريق من عمليات البحث المتوازية التي تعرف متى تتوقف وتبدأ من جديد، قد نتمكن من تسريع اكتشاف الحلول الكمية المفيدة. إنه تذكير بأنه في بعض الأحيان، في البحث عن أفضل إجابة، يكون معرفة متى تتوقف وتجربة مسار مختلف تماماً هو أذكى خطوة على الإطلاق.