Iterative Linear Quadratic Regulator for Quantum Optimal Control
تُكيّف هذه الورقة البحثية خوارزمية المنظم التربيعي الخطي التكراري (ILQR) لتناسب تحسين البوابات الكمومية من خلال دمج قيود على عناصر التحكم ومشتقاتها لتوليد تسلسلات نبضية أكثر سلاسة وعالية الدقة لبوابات X وبوابات الرنين المتقاطع (cross-resonance) على كيو بتات الترانزمون (transmon qubits).
المؤلفون الأصليون:Dirk Heimann, Felix Wiebe, Tahereh Abad, Elie Mounzer, Tangyou Huang, Frank Kirchner, Shivesh Kumar
تخيل أنك تحاول تعليم راقصة ضئيلة وغير مرئية أداء دورة دوران (pirouette) مثالية. هذه الراقصة ليست مصنوعة من لحم وعظم، بل من طاقة نقية واحتمالات، تعيش في عالم قواعد الفيزياء فيه زلقة كقطعة صابون في حوض استحمام. هذا هو عالم الحوسبة الكمومية. في هذا المجال، تُسمى "الراقصات" بالكيوبتات (qubits)، وتُسمى "دورات الدوران" بالبوابات المنطقية (logic gates)—وهي التعليمات الأساسية التي تجعل الحاسوب يفكر. لكن تكمن المشكلة هنا في أن هذه الراقصات حساسة للغاية؛ فإذا دفعتها بقوة شديدة، أو بسرعة كبيرة، أو بإيقاع خاطئ، ستتعثر وتفقد توازنها، ويتحول العرض بأكمله إلى فوضى عارمة. لهذا السبب يحتاج العلماء إلى "التحكم الكمومي الأمثل" (Quantum Optimal Control). إنه فن تصميم تسلسل مثالي من الدفعات غير المرئية (التي تسمى النبضات) لتوجيه هذه الكيوبتات بدقة إلى حيث يجب أن تذهب، دون أن تجعلها تتعثر. والهدف هو جعل هذه الحركات دقيقة وموثوقة للغاية لدرجة تمكننا من بناء حواسيب قادرة على حل مشكلات قد تستغرق الحواسيب الفائقة اليوم آلاف السنين لحلها.
والآن، لنتعرف على فريق الباحثين من ألمانيا والسويد الذين قرروا تجربة مدرب رقص جديد لهؤلاء الراقصين الكموميين. لقد أخذوا طريقة تسمى "المتحكم التربيعي الخطي التكراري" (iLQR)، وهي بالفعل نجمة ساطعة في عالم الروبوتات لتعليم الآلات المعقدة كيفية المشي أو الطيران، وعلموها كيفية تصميم لوحات رقص البوابات الكمومية. وبدلاً من مجرد التخمين والتحقق، تعامل نهجهم الجديد مع المشكلة كلعبة "ساخن وبارد" ولكن بشكل عكسي. يبدأ الأمر من خط النهاية، فيكتشف ما الذي كان ينبغي أن تكون عليه الحركة المثالية للوصول إلى هناك، ثم يعمل بشكل عكسي خطوة بخطوة لتعديل الضوابط. لكنهم لم يكتفوا بنسخ ولصق طريقة الروبوتات فحسب؛ بل قاموا بتعديلها لجعل "حركات الرقص" أكثر سلاسة. ففي العالم الحقيقي، لا تستطيع الآلات التي تولد هذه النبضات (التي تسمى مولدات الموجات الاصطناعية) التعامل مع التغيرات المفاجئة والمتقطعة في السرعة. لذا، أضاف الباحثون قاعدة تعاقب القفزات المفاجئة، مما يجبر الخوارزمية على إيجاد مسار يتدفق مثل النهر بدلاً من الانهيار مثل الشلال.
ما وجدوه في عمليات المحاكاة الخاصة بهم واعد للغاية. فباستخدام هذه النسخة الأكثر سلاسة من طريقة iLQR، تمكنوا من تصميم تسلسلات نبضية لبوابات أحادية الكيوبت وثنائية الكيوبت دقيقة للغاية. بالنسبة لكيوبت واحد يؤدي "بوابة X" (وهي عملية قلب أساسية)، حققوا مستوى من الدقة كان فيه الخطأ صغيراً جداً لدرجة أنه يكاد يكون غير مرئي—حوالي 4 أخطاء في مليار محاولة فقط. وبالنسبة لبوابة "الرنين المتقاطع" (cross-resonance) الأكثر تعقيداً، والتي تربط اثنين من الراقصين معاً، وجدوا أيضاً حلولاً عالية الدقة، وإن كان معدل الخطأ أعلى قليلاً عند حوالي 6 أخطاء في كل 100,000 محاولة. والأفضل من ذلك؟ لم يكونوا بحاجة لمعرفة الإجابة "الصحيحة" مسبقاً. فخلافاً للطرق الأخرى التي غالباً ما تتعثر إذا لم تعطها تخميناً أولياً جيداً، يبدو أن هذه الطة الجديدة تجد المسار المثالي حتى لو بدأت بحركات عشوائية وفوضوية.
ومع ذلك، هناك "لكن" في هذه القصة. هذه النتائج هي حالياً مجرد عمليات محاكاة—أي بروفات رقمية على جهاز كمبيوتر، وليست عرضاً على آلة كمومية حقيقية. يعترف الباحثون بأن النبضات التي وجدوها لا تزال طويلة نوعاً ما، حيث تستغطر ما يصل إلى 240 نانو ثانية لاكتمالها، وهو ما يشبه رقصة بالحركة البطيئة مقارنة بما قد يكون ممكناً. كما لاحظوا أنه بينما يمكن للطرق الموجودة حالياً (مثل L-BFGS-B GRAPE) أن تجد أحياناً حلولاً أكثر دقة إذا أعطيتها نقطة بداية محددة ومختارة بعناية، إلا أن طريقة iLQR الجديدة، في حال عدم معرفتك بنقطة البداية المثالية، تشبه مدرباً موثوقاً يمكنه استنباط الروتين من الصفر.
يشير عمل الفريق إلى أن هذا النهج "بأسلوب الروبوتات" يمكن أن يكون أداة قوية جديدة لمستقبل الحوسبة الكمومية. لقد أظهروا أنه من خلال التعامل مع مشكلة التحكم كمهمة تحسين المسار وتنعيم الحواف، يمكنهم الاقتراب جداً من البوابة المثالية دون الحاجة إلى بلورة سحرية لرؤية الحل أولاً. ورغم أنهم لم يحلوا كل المشكلات بعد—فالعالم الحقيقي مليء بالفوضى والمفاجآت التي لا تستطيع المحاكاة دائماً التنبؤ بها—إلا أنهم فتحوا باباً جديداً. خطوتهم التالية هي أخذ تصميم الرقصات الرقمي هذا واختباره على شرائح كمومية فعلية، آملين في رؤية ما إذا كان بإمكان الراقصين الأداء بجمال مماثل لما فعلوه في المحاكاة في العالم الحقيقي.
بيان المشكلة يسعى التحكم الأمثل الكمي (QOC) إلى تصميم تسلسلات نبضات حقول خارجية دقيقة لتحقيق عمليات بوابات عالية الدقة، وتحديداً بهدف الوصول إلى مستويات دقة (fidelity) أقل من عتبة تصحيح الخطأ. وبينما تُستخدم طرق راسخة مثل GRAPE (صعود التدرج لهندسة النبض) وطريقة Krotov على نطية واسعة، إلا أنها غالباً ما تعتمد على استراتيجيات تهيئة محددة أو تواجه قيوداً تتعلق بضمانات التقارب والتعامل مع القيود المعقدة. يحدد المؤلفون فجوة في تطبيق المنظم التربيعي الخطي التكراري (iLQR) — وهو أسلوب متطور لتحسين المسار في مجال الروبوتات — في مجال تخليق البوابات الكمية. يكمكم التحدي في تكييف iLQR مع الديناميكيات غير الخطية للأنظمة الكمية (التي تحكمها معادلة شرودنجر) مع دمج قيود خاصة بالأجهزة، مثل أغلفة النبضات السلسة وشروط الحدود الصفرية المطلوبة من مولدات الأشكال الموجية التعسفية (AWGs).
المنهجية يقترح البحث تكييف خوارزمية iLQR لتحسين البوابات الكمية، وتحديداً لاستهداف الكيوبتات من نوع "ترانسمون" (transmon) ذات التردد الثابت. تتضمن المنهجية عدة مكونات تقنية رئيسية:
التمثيل المتماثل (Isomorphic Representation): للتعامل مع مصفوفات الوحدة المعقدة للتطور الكمي، يقوم المؤلفون بمتجهة مساحة الحالة (vectorize). حيث يتم رسم خرائط للمصفوفات المعقدة U∈Cd×d إلى متجهات ومصفوفات حقيقية القيم بأبعاد 2d2، مما يسمح باستخدام تقنيات التحسين القياسية ذات القيم الحقيقية.
تقريب باديه (Padé Approximation): بدلاً من حساب الأسس المصفوفية بدقة (والذي قد يكون مكلفاً حوسبياً للأنظمة ذات المستويات الأعلى)، يستخدم المؤلفون تقريب باديه (تحديداً سلسلة قوة من الدرجة الثامنة) لتقريب الأس المصفوفي exp(−iH(uk)Δt) المطلوب للانتشار الأمامي.
صياغة iLQR: يتم صياغة مشكلة QOC كمسألة تحسين مسار تهدف لتقليل دالة التكلفة J المكونة من تكلفة جارية وتكلفة نهائية. تستخدم الخوارزمية تمريرة خلفية لحساب مشتقات دالة القيمة ومعاملات التغذية الراجعة (κk,Kk) باستخدام تقريب غاوس-نيوتن (بتجاهل المشتقات من الدرجة الثانية للديناميكيات)، تليها تمريرة أمامية لتحديث مسار التحكم. كما يُستخدم تنظيم ليفنبيرج-ماركوات (Levenberg-Marquardt) لضمان قابلية عكس المصفوفة الهيسية (Hessian).
قيود التحكم السلسة: لمعالجة قيود الأجهزة حيث تكون التغيرات المفاجئة في السعة غير مرغوب فيها، يقوم المؤلفون بتعديل متغيرات التحكم. فبدلاً من تحسين سعات النبض uk مباشرة، يتم تحسين مشتقات أغلفة النبض (u˙k). ويتم تحديث الضوابط الفعلية عبر uk+1=uk+u˙kΔt. تسمح هذه الصياغة لدالة التكلفة بمعاقبة معدل التغيير، وسعات النبض، والقيم النهائية، مما يضمن بدء وانتهاء النبضات عند الصفر.
نماذج الأنظمة: تم اختبار الطريقة على:
أنظمة الكيوبت الواحد: تم نمذجتها كمذبذبات دافينج (Duffing oscillators) بمستويين وثلاثة مستويات طاقة.
أنظمة الكيوبت المزدوج: تم نمذجتها كترانسمونات مقترنة في نظام التشتت (dispersive regime) باستخدام هاميلتوني فعال مشتق عبر تحويل شريفر-وولف (Schrieffer-Wolf). تم إجراء محاكاة لكل من نماذج المستويين والثلاثة مستويات.
المساهمات الرئيسية
تكييف الخوارزمية: النجاح في تكييف iLQR لتحسين البوابات الكمية، مما أرسى صلة بين تحسين مسارات الروبوتات وQOC.
تخليق نبضات سلسة: تقديم صياغة تحكم قائمة على المشتقات تفرض بطبيعتها أشكال نبضات سلسة وشروط حدود صفرية دون الحاجة إلى قيود متباينة معقدة.
محاكاة شاملة: نتائج محاكاة عالية الدقة لبوابات X (للكيوبت الواحد) وبوابات الرنين المتقاطع (CR) (للكيوبت المزدوج) على ترانسمونات ثابتة التردد، مع مراعاة نماذج المستويين والثلاثة مستويات (التسرب).
التحليل المقارن: مقارنة مباشرة مع L-BFGS-B GRAPE، مع تسليط الضوء على الاختلافات في سلوك التقارب والحساسية لأشكال النبض الأولية.
النتائج قام المؤلفون بمحاكاة تخليق البوابات باستخدام بارامترات من معالج ibm_brisbane التابع لـ IBM Eagle:
الكيوبت الواحد (مستويان): بالنسبة لبوابة X، حققت طريقة iLQR مع ضوابط المشتق عدم دقة قدره 4.0×10−9 مع أشكال نبض سلسة تشبه القطع المكافئ. تمت مقارنة ذلك بحل L-BFGS-B GRAPE الذي حقق عدم دقة قدره 1.9×10−13 باستخدام تخمين أولي غاوسي.
الكيوبت الواحد (ثلاثة مستويات): عند تضمين التسرب إلى الحالة ∣2⟩، حقق iLQR عدم دقة قدره 2.1×10−7. أظهرت النبضات الناتية خصائص مشابهة طبيعياً لإجراء DRAG (إزالة الاشتقاق عن طريق البوابة الأديباتية)، حيث يتناسب الطور المتعامد مع مشتق الطور الموازي.
الكيوبت المزدوج (مستويان): بالنسبة لبوابة الرنين المتقاطع (بمدة 240 نانو ثانية)، حقق iLQR عدم دقة قدره 1.1×10−8.
الكيوبت المزدوج (ثلاثة مستويات): مع اعتبار التسرب، بلغ عدم الدقة 5.9×10−5.
الحساسية للمعلمات الفائقة: وجدت الدراسة أن تصميم مصفوفات التكلفة التربيعية (Qf,Rd,Rc,Rf) كان له تأثير أكبر على الدقة النهائية والنعومة مقارنة بأشكال النبض الأولية.
الأهمية والادعاءات يدعي البحث أن iLQR يوفر بديلاً قوياً لطرق QOC الحالية، خاصة في السيناريوهات التي لا يوجد فيها حل تحليلي معروف مسبقاً.
الاستقلالية عن التهيئة: على عكس L-BFGS-B GRAPE، الذي يميل لإنتاج حلول تظل قريبة من شكل النبض الأولي (مثل الغاوسي)، فإن نهج iLQR يجد حلولاً سلسة وعالية الدقة بغض النظر عن التهيئة العشوائية، بشرد ما يتم ضبط دالة التكلفة جيداً.
التوافق مع الأجهزة: من خلال تحسين المشتقات، ينتج الأسلوب بطبيعته نبضات تحترم قيود مولدات الأشكال الموجية (النعومة، وبداية ونهاية عند الصفر)، وهو أمر بالغ الأهمية للتنفيذ التجريبي.
الاتجاهات المستقبلية: يشير المؤلفون بتواضع إلى أنه رغم أن البوابات الحالية عالية الدقة، إلا أنها طويلة نسبياً (مثلاً 240 نانو ثانية). ويهدف العمل المستقبلي إلى تحسين النبضات لتكون أقصر باستخدام دوال تكلفة تعتمد على الزمن، ودمج التغذية الراجعة من الأجهزة للتخفيف من عدم دقة النماذج المتأصلة في الأنظمة فائقة التوصيل. ويُقدم هذا الأسلوب كطريقة قابلة للتطبيق على مختلف بنيات الموصلات الفائقة، بما في ذلك الترانسمونات القابلة للضبط.