⚛️ quantum physics

Quantum Annealing Algorithms for Estimating Ising Partition Functions

تقدم هذه الورقة بروتوكولاً كمياً يجمع بين التلدين الكمي العكسي وتوزيعات التوزيع الأولية غير المتوازنة المُحسّنة لتقدير دالات تقسيم إيزينغ بكفاءة عند درجات الحرارة المنخفضة، مما يقلل بشكل كبير من أسس القياس الحسابي ويتغلب على التقلبات الإحصائية التي تحد من الطرق الكلاسيكية مع بقائه قابلاً للتنفيذ على الأجهزة الكمية القريبة من المدى.

المؤلفون الأصليون: Haowei Li, Zhiyuan Yao, Xingze Qiu

نُشر 2026-03-18

📖 4 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Haowei Li, Zhiyuan Yao, Xingze Qiu

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 حساب "الوزن" الإجمالي لكل تكوين ممكن لكتلة ضخمة ومتشابكة من خيوط الصوف. في عالم الفيزياء، تُسمى هذه الكتلة من الخيوط بـ "زجاج إيسينج المغناطيسي" (Ising Spin Glass). إنه نظام حيث تتصارع مغناطيسات صغيرة (لفات مغناطيسية) فيما بينها، وكل منها يحاول التوجه في اتجاهات مختلفة، مما يخلق فوضى متجمدة ومعقدة.

يحتاج الفيزيائيون إلى حساب ما يسمى بـ "دالة التجزئة" (Partition Function) لهذا المزيج. فكر في هذا الرقم كأنه "الدرجة الإجمالية" لكل طريقة يمكن للمغناطيسات أن تترتب بها. معرفة هذه الدرجة أمر بالغ الأهمية لفهم كيفية سلوك المواد، أو لتحسين الخدمات اللوجستية المعقدة، أو حتى لتدريب الذكاء الاصطناعي.

المشكلة: فخ "الحدث النادر"
لعقود من الزمن، عانت أجهزة الكمبيوتر في حساب هذا الرقم، خاصة عندما يكون النظام بارداً (درجة حرارة منخفضة).

الصراع الكلاسيكي: تخيل أنك تحاول العثور على أعمق وادٍ في سلسلة جبال مغطاة بضباب كثيف. طرق الكمبيوتر القياسية (مثل "مونت كارلو لسلاسل ماركوف") تشبه متنزهاً يتخبط في طريقه. في مشهد وعر وبارد، يعلق المتنزه في وديان صغيرة ضحلة (حالات شبه مستقرة) ولا يستطيع تسلقها للخروج منها. الأمر يستغرق وقتاً طويلاً جداً.
فشل "جارزينسكي": كانت هناك خدعة رياضية ذكية تسمى مساواة جارزينسكي وعدت بحل المشكلة. الأمر يشبه قولك: "إذا رميت سهماً مليون مرة، فإن متوسط رمياتي سيخبرني بالارتفاع". لكن العلة تكمكن في أن هذا "المتوسط" في الأنظمة الباردة تهيمن عليه رميات نادرة وجامحة تخرج تماماً عن المسار المتوقع. هذه الأحداث النادرة متطرفة لدرجة أنها تكسر الرياضيات، مما يجعل الحساب مستحيلاً باستخدام أجهزة الكمبيوتر الحالية.

الحل: اختصار كمومي
يقترح مؤلفو هذه الورقة طريقة جديدة لحل ذلك باستخدام التلدين الكمومي (Quantum Annealing) (وهو نوع من الكمبيوترات الكمومية المصممة لإيجاد حالات الطاقة المنخفضة). وهم يسمون طريقتهم بـ "خوارزمية هجينة تآزرية".

إليك التشبيه لهذا الاختراق:

1. استراتيجية "العكس"

عادةً، يبدأ التلدين الكمومي من حالة بسيطة وسهلة الفهم، ثم تتحول ببطء إلى المشكلة المعقدة والفوضوية التي تريد حلها.

الطريقة القديمة: ابدأ بلوحة بيضاء ثم ارسم لوحة فنية رائعة ببطء.
الطريقة الجديدة (التلدين الكمومي العكسي): ابدأ من لوحة محددة ومعروفة (تخمين جيد للحل) واطلب من الكمبيوتر الكمومي أن يقوم بـ "تحسينها". الأمر يشبه أخذ رسم تخطيطي خشن وطلب من فنان ماهر إضافة التفاصيل النهائية المثالية. هذا أسرع وأكثر تركيزاً.

2. خداع "الأحداث النادرة"

يكمن الذكاء الأكبر في هذه الورقة في كيفية تعاملهم مع "الأحداث النادرة" التي حطمت الرياضيات القديمة.

التشبيه: تخيل أنك تحاول تقدير متوسط دخل دولة ما. إذا سألت أشخاصاً عشوائيين فقط، فقد تختار بالصدفة مليارديراً. هذا الملياردير الواحد سيؤثر على متوسطك بشكل كبير لدرجة تجعل نتيجتك عديمة الفائدة.
الإصلاح: بدلاً من سؤال أشخاص عشوائيين (أخذ عينات عشوائية)، صمم المؤلفون قائمة ذكية لمن يجب سؤالهم. إنهم يختارون عمداً أشخاصاً من فئات دخل محددة (توزيع أولي غير متوازن) بحيث لا يهيمن الملياردير على النتيجة.
في الورقة البحثية: يستخدمون كمبيوتراً كلاسيكياً لتصميم "قائمة ذكية" من نقاط البداية التي تتجنب التقلبات الجامحة، ثم يقوم الكمبيوتر الكمومي بالعمل الشاق لاستكشاف الروابط بين هذه النقاط.

3. لماذا تنجح هذه الطريقة على أجهزة الكمبيوتر الحالية؟

تتطلب العديد من الخوارزميات الكمومية أجهزة "مثالية" لا ترتكب الأخطاء ويمكنها العمل لساعات (كمبيوترات كمومية مقاومة للأخطاء). نحن لا نملك هذه الأجهزة بعد.

الميزة: هذه الطريقة الجديدة تحب حقيقة أن الكمبيوترات الكمومية الحالية مليئة بالضجيج وقصيرة العمر. لأن الطريقة تعمل بشكل أفضل عندما تكون العملية سريعة و"غير ثابتة" (non-adiabatic) (أي ليست بطيئة وسلسة تماماً)، فهي تناسب تماماً أجهزة "الكم الكمي متوسط المقياس المشوب بالضجيج" (NISQ) التي نمتلكها اليوم، مثل تلك التابعة لشركة D-Wave أو أنظمة الأيونات المحاصرة.

النتائج: تسريع هائل

اختبر المؤلفون طريقتهم على مشكلتين صعبتين للغاية:

زجاج شيرنجتون-كيركباتريك المغناطيسي: وهو كابوس فيزيائي كلاسيكي.
مسألة 3-SAT: وهي لغز منطقي يُستخدم لاختبار قدرة الكمبيوتر.

النتيجة:

الطرق القديمة: كلما زاد حجم المشكلة، انفجر الوقت المطلوب لحلها بشكل أسي (مثل الانتقال من ثانية واحدة إلى مليون سنة).
الطريقة الجديدة: لا يزال الوقت ينمو، ولكن بمعدل أبطأ بكثير. لقد قللوا "معدل النمو" بأكثر من 10 مرات.
- التشبيه: إذا كانت الطريقة القديمة تشبه حلزوناً يزحف فوق جبل، فإذا تضاعف حجم المشكلة، سيستغرق الحل 1,000 مرة أطول. أما مع هذه الطريقة الجديدة، فإذا تضاعف حجم المشكلة، سيستغرق الأمر حوالي 1.4 مرة أطول فقط.

الملخص

تقدم هذه الورقة تعاوناً كمومياً-كلاسيكياً لحل مشكلة حيرت الفيزيائيين لعقود. من خلال استخدام "قائمة بدء ذكية" لتجنب الفخاخ الرياضية، واستخدام عملية كمومية "عكسية" لتحسين الإجابة، يمكنهم حساب خصائص الأنظمة المعقدة والمتجمدة بشكل أسرع من أي وقت مضى.

الأمر يشبه إدراك أنه بدلاً من محاولة تسلق كل جبل في سلسلة جبلية للعثور على أدنى نقطة، يمكنك استخدام طائرة بدون طيار (درون) لاستطلاع أفضل نقاط البداية ثم الطيران مباشرة إلى القاع، متجاوزاً مسارات المشي المتعبة والضبابية التي تحاصر الجميع. هذا يفتح الباب لتطبيقات في العالم الحقيقي في علوم المواد، واكتشاف الأدوية، والذكاء الاصطناعي باستخدام الكمبيوترات الكمومية التي يمكننا بناؤها اليوم.

إليك ملخص تقني مفصل لورقة البحث بعنوان "خوارزميات التلدين الكمي لتقدير دالات التجزئة لنموذج إيسينج" لـ لي، وياو، وكييو.

1. بيان المشكلة

يعد تقدير دالة تجزئة إيسينج (IPF) للأنظمة المعقدة مثل الزجاج المغزلي (spin glasses) تحديًا جوهريًا في الفيزياء الإحصائية، والتحسين التوليفي، والتعلم الآلي.

التعقيد الحسابي: حساب دالة تجزئة إيسينج هو مسألة من فئة #P-hard في أسوأ الحالات، مما يجعلها مستعصية على الحواسيب الكلاسيكية مع زيادة حجم النظام.
القيود الكلاسيكية:
- مساواة جارزينسكي (JE): بينما تربط مساواة جارزينسكي نظريًا بين فروق الطاقة الحرة والعمل غير المتوازن، فإن تطبيقها العملي يفشل عند درجات الحرارة المنخفضة. حيث يهيمن المتوسط الأسي الناتج عن التقلبات الإحصائية النادرة والمتزايدة، مما يؤدي إلى نمو تباين المقدر بشكل أسي مع حجم النظام.
- طريقة مونت كارلو لسلاسل ماركوف (MCMC): تعاني طرق أخذ العينات الكلاسيكية من أوقات استقرار (equilibration) طويلة للغاية، وتتعثر في أحواض طاقة شبه مستقرة في التضاريس الوعرة ذات درجات الحرارة المنخفضة (النظام "الزجاجي").
- الخوارزميات الكمية المتقدمة: تتطلب مقترحات مثل خوارزمية "تقدير الطور الكمي" (QPE) أو خوارزمية "الكيوبت الواحد النظيف" (DQC1) أجهزة قادرة على تحمل الأخطاء (fault-tolerant) ودوائر عميقة، مما يجعلها غير مجدية لأجهزة الكم متوسطة المدى ذات الضجيج (NISQ) الحالية.

2. المنهجية

يقترح المؤلفون بروتوكولًا هجينًا كميًا-كلاسيكيًا يدمز بين التلدين الكمي العكسي (RQA) وتوزيعات التوزيع الأولية غير المتوازنة المحسنة.

أ. إطار التلدين الكمي العكسي (RQA)

على عكس التلدين الكمي القياسي (الذي يبدأ من حالة أرضية تافهة)، يبدأ RQA من حالة كلاسيكية محددة ويطورها عائدًا نحو الهاملتوني المستهدف.

تطور الهاملتوني: يتطور النظام تحت تأثير هاملتوني يعتمد على الزمن $H(t)$ $H (t)$ :
$H(t) = s(t)H_1 + [1 - s(t)]\lambda(t)H_x + [1 - s(t)][1 - \lambda(t)]H_0$
- $H_0$ : نموذج حر تافه (حالات قاعدة الحوسبة).
- $H_1$ : هاملتوني إيسينج لزجاج مغزلي مستهدف.
- $H_x$ : هاملتوني المحرك (المجال المستعرض) الذي يسمح بالانتقالات.
العملية: يتم تهيئة النظام في حالة $|\psi_0^m\rangle$ مأخوذة من توزيع $P_m$ . يخضع النظام لتطور غير ثابت (non-adiabatic) $U(\tau)$ وصولًا إلى $|\psi(\tau)\rangle$ ، يليه قياس إسقاطي في القاعدة الذاتية لـ $H_1$ .

ب. دالة أخذ العينات المحسنة ( $P_m$ )

الابتكار الجوهري هو تصميم توزيع أخذ العينات الأولي $P_m$ .

مشكلة التباين: يكون مقدر دالة التجزئة $Z_1(\beta)$ هو $Z_{est} = \frac{1}{M_s} \sum \frac{e^{-\beta E_n}}{P_m}$ . ويتم تقليل التباين عندما يكون $P_m \propto \sqrt{\mu_m(\beta)}$ ، حيث تعتمد $\mu_m(\beta)$ على احتمالات الانتقال.
الحل: بدلاً من استخدام توزيع غيبس القياسي ( $P_m \propto e^{-\beta E_0}$ )، اشتق المؤلفون توزيعًا غير متوازن أمثلًا يعمل على كبح التباين.
مخطط التقريب: نظرًا لصعوبة حساب $P_m$ $P_{m}$ الأمثل بدقة، يقترح المؤلفون عائلة من التقريبات $P_m^{(n_e)}(\beta)$ $P_{m}^{(n_{e})} (β)$ :
1. أخذ العينات المسبق (Presampling): محاكاة حالات الطاقة المنخفضة مباشرة ( $E_0 \le n_e$ ) لتقدير أوزان الانتقال.
2. الاستقراء (Extrapolation): استخدام علاقة تكرارية تعتمد على مسافة هامينغ (Hamming distance) ودرجة حرارة عكسية فعالة $\alpha$ لاستقراء الأوزان لحالات الطاقة العالية.
3. الاستمرارية الذاتية (Self-Consistency): تحديد المعامل $\alpha$ عن طريق تقليل التباين أو تباعد كولباك - ليبلر (Kullback-Leibler divergence).

ج. التشغيل غير الثابت (Non-Adiabatic)

من المهم ملاحظة أن البروتوكول مصمم للعمل في نظام غير ثابت (non-adiabatic). فهو لا يتطلب التطور الأديباتي البطيء والمثالي الذي تطلبه الخوارزميات الكمية الأخرى، وهذا يتوافق تمامًا مع أوقات التماسك المحدودة لأجهزة NISQ الحالية (مثل الكيوبتات فائقة التوصيل، الأيونات المحاصرة، أو ذرات ريدبرج).

3. المساهمات الرئيسية

كبح التباين: يتجاوز البروتوكول تمامًا عقبة "الأحداث النادرة" الخاصة بمساواة جارزينسكي. فعند درجات الحرارة المنخفضة، يصل تباين المقدر إلى حالة التشبع بدلاً من التزايد الأسي.
تقليل أس القياس (Scaling Exponent): تظهر الاختبارات المرجعية انخفاضًا في أس القياس الحسابي ( $\gamma$ $γ$ ) بأكثر من رتبة مقدار واحدة.
- نموذج شيرنجتون-كيركباتريك (SK): انخفض $\gamma$ من $\sim 6.99$ (في JE) إلى $\sim 0.45$ .
- مسألة 3-SAT: انخفض $\gamma$ من $\sim 8.45$ (في JE) إلى $\sim 0.50$ .
- ملاحظة: رغم أن المسألة تظل صعبة أسيًا ( $\sim 2^{\gamma N}$ )، إلا أن تقليل $\gamma$ من $\sim 8.5$ إلى $\sim 0.5$ يمثل تحسنًا عمليًا هائلًا.
قابلية التنفيذ على أجهزة NISQ: الخوارزمية أصلية من حيث الأجهزة (hardware-native)، حيث تتطلب فقط قدرات التلدين العكسي والقياسات الإسقاطية، مما يجعلها قابلة للتنفيذ على الأجهزة الكمية الحالية دون الحاجة لتصحيح الأخطاء.
القدرة على التعميم: إن استراتيجية الجمع بين حالات التوزيع الأولية غير المتوازنة المحسنة والديناميكيات الكمية غير الثابتة قابلة للتطبيق بما يتجاوز الزجاج المغزلي لتشمل مسائل ديناميكية حرارية أخرى صعبة كلاسيكيًا.

4. النتائج

قام المؤلفون باختبار بروتوكولهم مقابل نموذج الزجاج المغزلي شيرنجتون-كيركباتريك (SK) ونماذج 3-SAT العشوائية:

الأداء عند درجات الحرارة المنخفضة: في نظام درجات الحرارة المنخفضة ( $\beta = 10$ )، أظهر نهج JE تباينًا أسيًا، بينما حقق البروتوكول المقترح حالة التشبع.
تحليل القياس (Scaling Analysis): يتناسب التباين النسبي $\sigma^2/Z^2 \sim 2^{\gamma N}$ $σ^{2} / Z^{2} \sim 2^{γ N}$ .
- خط الأساس (JE): $\gamma \approx 7.0$ (لنموذج SK) و $\approx 8.5$ (لـ 3-SAT).
- البروتوكول المقترح: $\gamma \approx 0.45$ (لنموذج SK) و $\approx 0.50$ (لـ 3-SAT).
كفاءة الموارد: يتم تقليل التكلفة الإجمالية للموارد (العينات $\times$ الزمن) عند زمن تطور نهائي وأمثل $\tau$ ، مما يؤكد أن التشغيل غير الثابت (non-adiabatic) هو الأفضل لهذه المهمة المحددة.
متانة التقريب: حتى مع استخدام تقريب منخفض الرتبة ( $n_e=1$ ، أي أخذ عينات مباشرة من الحالة الأرضية والطبقة المثارة الأولى فقط)، يحقق البروتوكول قياسًا قريبًا من الأمثل، مما يدل على متانته ضد نمو حجم النظام.

5. الأهمية

يوفر هذا العمل مخططًا عمليًا للاستفادة من المعالجات الكمية القريبة من المدى لحل المسائل المستعصية كلاسيكيًا في الميكانيكا الإحصائية.

الربط بين النظرية والتطبيق: ينتقل العمل من المقترحات النظرية التي تتطلب قدرة على تحمل الأخطاء، إلى تقديم طريقة تعمل ضمن قيود الأجهزة الصاخبة الحالية.
نموذج جديد للتلدين الكمي (QA): يوسع فائدة التلدين الكمي لما وراء البحث عن الحالة الأرضية (التحسين) ليشمل التقدير الديناميكي الحراري (حساب دالات التجزئة والطاقة الحرة).
الأثر: إن القدرة على تقدير دالات التجزئة بكفاءة تمكن من تحسين نمذجة الأنظمة المضطربة، وطي البروتينات، ونماذج التعلم الآلي (مثل آلات بولتزمان) حيث تفشل الطرق الكلاسيكية بسبب حاجز درجات الحرارة المنخفضة.

باختصار، تثبت هذه الورقة أنه من خلال التصميم الذكي لتوزيع الحالة الأولية واستخدام التلدين الكمي العكسي غير الثابت، يمكن للأجهزة الكمية التغلب على القيود الإحصائية الأساسية للطرق الكلاسيكية لتقدير دالات تجزئة إيسينج.