← أحدث الأبحاث
⚛️ quantum physics

Photonic Quantum Convolutional Neural Networks with Adaptive State Injection

تقدم هذه الورقة التصميم، والتنفيذ التجريبي، والتحقق العددي لأول شبكة عصبية تلافيفية كمومية فوتونية (PQCNN) تستخدم دوائر تحافظ على عدد الجسيمات مع حقن حالة تكيفي لتحقيق تصنيف فعال للصور الثنائية وإثبات القابلية للتوسع للأجهزة الكمومية في المدى القريب.

المؤلفون الأصليون: Léo Monbroussou, Beatrice Polacchi, Verena Yacoub, Eugenio Caruccio, Giovanni Rodari, Francesco Hoch, Gonzalo Carvacho, Nicolò Spagnolo, Taira Giordani, Mattia Bossi, Abhiram Rajan, Niki Di Giano, Ric
نُشر 2026-02-17
📖 4 دقيقة قراءة🧠 قراءة متعمّقة
CC BY 4.0

المؤلفون الأصليون: Léo Monbroussou, Beatrice Polacchi, Verena Yacoub, Eugenio Caruccio, Giovanni Rodari, Francesco Hoch, Gonzalo Carvacho, Nicolò Spagnolo, Taira Giordani, Mattia Bossi, Abhiram Rajan, Niki Di Giano, Riccardo Albiero, Francesco Ceccarelli, Roberto Osellame, Elham Kashefi, Fabio Sciarrino

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 تعليم كمبيوتر التعرف على الصور، مثل التمييز بين صورة لـ "شريط عرضي" وصورة لـ "خط طولي". في عالم الحواسيب التقليدية، نستخدم الشبكات العصبية الالتفافية (CNNs). فكر في هذه الشبكات كأنها فريق من المفتشين الصغار المتخصصين؛ أحد المفتشين ينظر إلى جزء صغير من الصورة للعثور على الحواف، وآخر يبحث عن المنحنيات، ثم يمررون هذه المعلومات عبر خط إنتاج حتى يتخذ المدير النهائي القرار.

الآن، تخيل القيام بذلك باستخدام الحواسيب الكمومية. المشكلة هي أن الحواسيب الكمومية هشة للغاية ويصعب تدريبها، وغالبًا ما تعاني من مشكلة تسمى "الهضاب القاحلة" (Barren Plateaus)، وهي تشبه محاولة إيجاد طريقك للخروج من متاهة ضبابية حيث تبدو كل المسارات متشابهة تمامًا، بحيث لا يمكنك معرفة أي اتجاه تسلك.

تقدم هذه الورقة البحثية طريقة جديدة لبناء شبكة عصبية التفافية كمومية ضوئية (PQCNN). إليك تفصيل بسيط لكيفية قيامهم بذلك، باستخدام تشبيهات من الحياة اليومية:

1. المصنع القائم على الضوء (الدوائر الضوئية)

بدلاً من استخدام الكهرباء ورقائق السيليكون مثل حاسوبك المحمول، يستخدم هذا النظام الضوء (الفوتونات).

  • التشبيه: تخيل أرضية مصنع مصنوعة بالكامل من المرايا والمنشورات الزجاجية. بدلاً من تدفق الإلكترونات عبر الأسلاك، تتنقل حزم صغيرة من الضوء (الفوتونات) وتتفاعل.
  • الفائدة: الضوء سريع، ولا يولد الكثير من الحرارة، وهو جيد بطبيعته في إجراء العمليات الحسابية المطلوبة لهذه الشبكات. ومع ذلك، فإن الضوء عادة ما يتدفق في خط مستقيم فقط. ولجعله "ذكياً"، تحتاج إلى جعله يغير رأيه بناءً على ما يراه.

2. "الحاقن السحري" (حقن الحالة التكيفي)

هذا هو الابتكار الأكبر في الورقة البحثية. في الحاسوب الكمومي العادي، بمجرد أن يبدأ الضوء في الحركة، فإنه يستمر في التدفق حتى النهاية. ولكن لجعل الشبكة ذكية، تحتاج إلى "اللاخطية" (non-linearity)—أي القدرة على جعل النظام يتفاعل ويغير سلوكه في منتصف المسار.

  • التشبيه: تخيل لعبة "بينبول" (Pinball) حيث تكون المضربات (المرايا) ثابتة. الكرة (الفوتون) ترتد حولها فحسب.
    • الطريقة القديمة: تقوم بضبط المضربات في البداية، ثم تنطلق الكرة عبر المسار. لا يمكنك تغيير أي شيء أثناء حركتها.
    • الطريقة الجديدة (الحقن التكيفي): تخيل أنه في منتصف اللعبة، إذا اصطدمت الكرة بمستشعر معين، يتم إطلاق كرة جديدة فوراً في اللعبة من زاوية مختلفة.
    • كيف يعمل الأمر: يقوم الباحثون بقياس بعض الضوء. إذا رصدوا فوتونًا، فإنهم "يحقنون" (يطلقون) فوتونًا جديدًا تمامًا في الجزء التالي من الدائرة. عملية القياس وإضافة فوتون جديد تعمل كـ "مفتاح" أو "قرار"، مما يمنح الحاسوب الضوئي القدرة على اتخاذ قرارات معقدة وغير خطية، تمامًا مثل العقل البشري.

3. "المنخل" (طبقة التجميع)

في التعرف على الصور، لا تحتاج إلى النظر إلى كل بكسل؛ بل تحتاج فقط لمعرفة الشكل العام. تستخدم الحواسيب التقليدية طبقة "تجميع" (pooling) لتقليص حجم الصورة.

  • التشبيه: فكر في المنخل. تصب دلوًا من الرمل والحصى المختلط (الصورة التفصيلية) عبر المنخل. يسقط الرمل الصغير من خلاله، وتبقى لك فقط الحصى الكبيرة (الميزات الهامة).
  • اللمسة الكمومية: في هذه التجربة، استخدموا "الحاقن السحري" للقيام بعملية الغربلة. إنهم ينظرون إلى نصف مسارات الضوء؛ إذا وجدوا فوتونًا، يحقنون فوتونًا جديدًا في المسار التالي. هذا يعمل فعليًا على تقليص حجم البيانات مع الحفاظ على "الشكل" الأكثر أهمية، ولكن بطريقة يصعب على الحاسوب التقليدي محاكاتها.

4. التجربة: اختبار "الشريط والعرضي"

بنى الباحثون آلة مادية لاختبار هذه الفكرة.

  • المصدر: استخدموا "نقطة كمومية" (quantum dot) متناهية الصغر ومبردة للغاية (وهي ذرة اصطناعية مجهرية) تطلق فوتونات فردية مثالية، مثل مسدس مائي عالي التقنية يطلق قطرة واحدة في كل مرة.
  • الشريحة: استخدموا شرائح زجاجية بها أنفاق صغيرة محفورة بالليزر (أدلة موجية) حيث ينتقل الضوء. كان لديهم شريحتان: واحدة تحتوي على 8 أنفاق وأخرى تحتوي على 12 نفقًا.
  • المهمة: قاموا بتغذية الآلة بصور بسيطة لأشرطة وعروض عرضية.
  • النتيجة: نجحت الآلة في تعلم التمييز بين الأشرطة والعروض بنسبة دقة تزيد عن 90%.

لماذا يعد هذا أمراً هاماً؟

  1. قابل للتوسع: نظرًا لأنهم يستخدمون الضوء وحيلة "الحاقن" الذكية، فإن هذا النظام لا يعلق في "الهضاب القاحلة" (التي تشبه المتاهة الضبابية) التي تعيق الحواسيب الكمومية الأخرى. يمكن لهذا النظام نظرياً أن يصبح أكبر بكثير.
  2. متاح في المدى القريب: لم يحتاجوا إلى حاسوب كمومي ضخم وخالٍ من الأخطاء (وهو ما لا يوجد حالياً). لقد استخدموا التكنولوجيا الحالية لإثبات نجاح المفهوم.
  3. السرعة: من الناحية النظرية، مع زيادة حجم الصور، يمكن لهذا الأسلوب الكمومي أن يصبح أسرع بشكل أسّي من أفضل الحواسيب التقليدية التي نمتلكها اليوم.

الملخص

فكر في هذه الورقة البحثية كأنها بناء نظام مرور ذكي ذاتي التعديل للضوء.

  • الحواسيب الكمومية القديمة: مثل قطار على سكة حديد ثابتة؛ بمجرد مغادرته للمحطة، لا يمكنه تغيير اتجاهه.
  • هذا النظام الجديد: مثل طريق سريع ذكي، حيث إذا اصطدمت سيارة بمستشعر، يتم إطلاق سيارة جديدة فوراً في مسار مختلف للمساعدة في تخفيف الازدحام.
  • النتيجة: لقد أثبتوا أنه من خلال استخدام حيلة "إطلاق سيارة جديدة"، يمكنك بناء حاسوب كمومي بارع حقاً في التعرف على الصور، مما يمهد الطريق لمستقبل الذكاء الاصطناعي الكمومي الذي سيكون أسرع وأقوى من أي شيء لدينا اليوم.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف ⚛️ quant-ph →