Kernel Alignment for Quantum Support Vector Machines Using Genetic Algorithms
تقدم هذه الورقة إطار عمل مؤتمتًا باستخدام الخوارزميات الجينية لتحسين دوائر ترميز البيانات في آلات المتجهات الداعمة الكمومية، مما يثبت أن النوى الناتجة تحقق دقة تصنيف تضاهي أو تتجاوز التقنيات القياسية مع الكشف عن وجود ارتباط إيجابي بين دقة الاختبار وإنتروبيا النواة الكمومية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول فرز كومة ضخمة من الجوارب المختلطة إلى مجموعتين: "يسار" و"يمين". في عالم الكمبيوتر، يسمى هذا التصنيف (Classification). وهناك أداة شهيرة للقيام بذلك تسمى آلة المتجهات الداعمة (Support Vector Machine - SVM). فكر في الـ SVM كأنه روبوت ذكي جداً يحاول رسم الخط المثالي (أو الجدار) بين مجموعتين من الأشياء حتى لا تختلط ببعضها البعض.
ومع ذلك، عندما ننقل هذا الروبوت إلى عالم الحوسبة الكمومية (حيث تستخدم أجهزة الكمبيوتر القوانين الغريبة للفيزياء لمعالجة المعلومات)، يحتاج الروبوت إلى مجموعة خاصة من التعليمات لفهم البيانات. هذه التعليمات تسمى النواة الكمومية (Quantum Kernel).
المشكلة: تصميم التعليمات أمر صعب
عادةً، يقوم العلماء بتصميم هذه التعليمات يدوياً. الأمر يشبه محاولة بناء آلة "ليجو" معقدة يدوياً، عبر التخمين أي القطع تناسب بعضها البعض، والأمل في أن تعمل الآلة. وهذا يستغرق وقتاً طويلاً، وغالباً ما لا تعمل الآلة بشكل جيد.
الحل: دع التطور يقوم بالمهمة
تقدم هذه الورقة البحثية طريقة جديدة تسمى GEKO (تحسين النواة عبر الهندسة الجينية). بدلاً من أن يقوم إنسان بتصميم التعليمات، ترك الباحثون برنامج كمبيوتر يعمل مثل التطور الطبيعي.
إليك كيف قاموا بذلك، باستخدام تشبيه بسيط:
- المجتمع: تخيل صندوقاً مليئاً بآلات "ليجو" مختلفة مبنية بشكل عشوائي (هذه هي "الدوائر الكهربائية").
- الاختبار: وضعوا هذه الآلات لتعمل على فرز الجوارب.
- البقاء للأصلح: الآلات التي نجحت في فرز الجوارب بشكل أفضل هي التي يتم الاحتفاظ بها، أما الآلات التي فشلت فيتم التخلص منها.
- الطفرة: يتم نسخ الآلات الناجحة، ولكن مع تغييرات عشوائية صغيرة (مثل استبدال قطعة حمراء بقطعة زرقاء، أو إضافة قطعة جديدة).
- التكرار: تتكرر هذه الدورة مراراً وتكراراً. تماماً كما في الطبيعة، عبر العديد من الأجيال، تصبح "الآلات" أفضل وأفضل في فرز الجوارب دون أن يخبرهم إنسان بالضبط كيف يفعلون ذلك.
استخدم الباحثون "صندوق أدوات" محدداً من قطع الليجو الكمومية (بوابات مثل X و CNOT، إلخ) لبناء هذه الدوائر.
طريقتان للحكم على النجاح
اختبر الباحثون طريقتين مختلفتين لتحديد أي آلة هي "الأصلح":
- طريقة "المعلم" (بإشراف - Supervised): يتم إعطاء الكمبيوتر الجوارب مع تسمياتها الصحيحة (على سبيل المثال: "هذا جورب أيسر"). ويتحقق مما إذا كانت الآلة قد أصابت الإجابة أم لا. هذا يشبه معلماً يصحح اختباراً.
- طريقة "الاكتشاف الذاتي" (بدون إشراف - Unsupervised): يتم إعطاء الكمبيوتر الجوارب بدون تسميات. وبدلاً من التحقق من الإجابات الصحيحة، ينظر الكمبيوتر إلى مدى "تعقيد" أو "تشابك" الحالة الداخلية للآلة. الفكرة هي أن الهيكل الداخلي الأكثر تعقيداً قد يكون أفضل في إيجاد الأنماط الخفية. هذا يشبه الحكم على آلة من خلال مدى تعقيد تروسها، بدلاً من النتيجة النهائية.
ماذا وجدوا؟
اختبر الباحثون هذه الطريقة "التطورية" على عدة مجموعات بيانات، تتراوح من أشكال بسيች مصنوعة (مثل الأشكال الهلالية والدوائر) إلى بيانات من العالم الحقيقي مثل أنواع النبيذ، وسجلات سرطان الثدي، وتصنيفات الأدوية.
- أفضل من المعيار المعتاد: الآلات التي تطورت بواسطة هذه الخوارزمية الجينية كان أداؤها مساوياً أو أفضل من الطرق القياسية التي يستخدمها البشر عادةً. لقد تفوقوا باستمرار على طريقة كمومية شائعة تسمى "PauliZZ".
- قرارات سلسة: عندما نظر الباحثون في كيفية اتخاذ الآلات لقراراتها، وجدت الخوارزمية الجينية حدوداً واضحة وسلسة للغاية بين المجموعات. بينما كانت الطرق القياسية تنشئ أحياناً حدوداً "مرقعة" أو فوضوية.
- لغز الإنتروبيا: تساءل الباحثون عما إذا كانت الآلة التي تحتوي على مزيد من "الفوضى" (الإنتروبيا) في داخلها ستكون أكثر ذكاءً. ووجدوا أنه لا يوجد رابط قوي بين مدى فوضوية الآلة وبين مدى جودة أدائها. فالآلة الفوضوية لم تكن بالضرورة آلة ذكية.
الخلا الخلاصة
تظهر هذه الورقة البحثية أنك لست بحاجة إلى عبقري بشري لتصميم أفضل التعليمات الكمومية لفرز البيانات. فمن خلال استخدام خوارزمية جينية (نسخة رقمية من التطور)، يمكنك "تنمية" هذه التعليمات تلقائياً. والنتيال هو آلة كمومية تصنف البيانات بكفاءة، مما قد يجعل الأدوات المستقبلية في مجالات التمويل والرعاية الصحية والعلوم أكثر قوة بكثير.
باختصار: بدلاً من بناء الدماغ الكمومي يدوياً، تركوها تطور نفسها، وتبين أنها طالبة مجتهدة جداً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.