🤖 AI

Quantum Observers: A NISQ Hardware Demonstration of Chaotic State Prediction Using Quantum Echo-state Networks

تقدم هذه المساهمة تصميماً مبتكراً لشبكة صدى الحالة الكمومية (QESN) التي تتنبأ بنجاح بسلاسل زمنية طويلة من نظام لورينز الفوضوي على أجهزة IBM الكمومية المليئة بالضجيج، مما يثبت قدرات ذاكرة مستمرة تتجاوز متوسط أزمنة التماسك لوحدة المعالجة الكمومية (QPU) بأكثر من عامل قدره 100.

المؤلفون الأصليون: Erik L. Connerty, Ethan N. Evans, Gerasimos Angelatos, Vignesh Narayanan

نُشر 2026-05-08

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Erik L. Connerty, Ethan N. Evans, Gerasimos Angelatos, Vignesh Narayanan

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

إليك شرح لورقة بحثية بعنوان "المراقبون الكميون: عرض تجريبي على أجهزة NISQ للتنبؤ بالحالة الفوضوية باستخدام شبكات الصدى الكمي"، مترجم إلى لغة بسيطة، يومية، ومع استعارات إبداعية.

الصورة الكبيرة: بلورة سحرية كمية للفوضى

تخيل أنك تحاول التنبؤ بالطقس. الطقس نظام فوضوي حيث يمكن لتغيير بسيط اليوم (مثل رفرفة جناح فراشة) أن يؤدي إلى عاصفة هائلة بعد أسابหลาย أسابيع. هذا هو نظام لورينز (Lorenz System)، وهو نموذج رياضي شهير للفوضى استخدمه الباحثون كموضوع للاختبار.

عادةً، يتطلب التنبؤ بمثل هذه الأنظمة الفوضوية حواسيب كلاسيكية ضخمة. لكن هذا الفريق تساءل: هل يمكننا استخدام حاسوب كمي لهذا الغرض، رغم أن الحواسيب الكمية الحالية صاخبة وهشة؟

كانت إجابتهم هي نعم. لقد بنوا "مراقباً كمياً" (Quantum Observer)—وهو مستشعر افتراضي يمكنه مراقبة جزء واحد من نظام فوضوي (مثل سرعة الرياح) واستنتاج ما تفعله الأجزاء الأخرى غير المرئية (مثل درجة الحرارة والضغط)، حتى على الأجهزة الكمية غير المثالية المتاحة اليوم.

المشكلة: "الزجاج الهش" للحواسيب الكمية

تخيل الحواسيب الكمية الحالية (أجهزة NISQ) كمنزل من الورق مصنوع من الزجاج. إنها قوية للغاية، لكنها أيضاً:

صاخبة: مثل محاولة سماع همسة في وسط حفلة روك صاخبة.
هشة: "الأوراق" (الكيوبتات - Qubits) تتلاشى بسرعة كبيرة (فك الترابط - Decoherence). إذا حاولت تشغيل عملية حسابية طويلة، سينهار المنزل قبل أن تنتهي.

المحاولات السابقة لاستخدام الحواسب الكمية للتنبؤ بالسلاسل الزمنية كانت تضطر للتوقف كل بضع ثوانٍ، وإعادة الضبط، ثم البدء من جديد لأن "المنزل" ينهار. تحل هذه الورقة البحثية المشكلة عبر بناء هيكل يمكنه العمل لفترة طويلة جداً دون الانهيار.

الحل: شبكة الصدى الكمي (QESN)

طور الباحثون تصميماً جديداً يسمى شبكة الصدى الكمي (Quantum Echo-State Network). وإليك كيف يعمل، باستخدام التشبيه التالي:

1. غرفة "الصدى" (الخزان - The Reservoir)

تخيل غرفة كبيرة فارغة ذات جدران غريبة الشكل (الدائرة الكمية). تصرخ بصوت داخل الغرفة (بيانات المدخلات). وبسبب الجدران الغريبة، يرتد الصوت ويتلاعب ليخلق "صدى" معقداً يمزج صرختك الجديدة مع أصداء الصرخات السابقة.

في الورقة البحثية: هذا هو "الخزان". إنه يأخذ تدفقاً من البيانات ويسمح لها بالارتداد داخل النظام الكمي. هذا يخلق نمطاً غنياً ومعقداً يتذكر المدخلات السابقة. هذه هي "الذاكرة".

2. خدعة "التشتت" (تقليل الضجيج)

في الحالة العادية، لكي يعمل الحاسوب الكمي، يجب أن يكون كل كيوبت متصلاً بكل كيوبت آخر. لكن هذا يخلق الكثير من الضجيج والكثير من الأخطاء.

التشبيه: تخيل ساحة رقص مزدحمة حيث يمسك الجميع بأيدي بعضهم البعض. إذا تعثر شخص واحد، سيسقط الجميع.
الحل: قرر الباحثون ترك معظم الأيدي. سمحوا لعدد قليل فقط من الأشخاص بالإمساك بأيدي بعضهم (وهذا ما يسمى التشتت أو الندرة - Sparsity).
النتيجة: من خلال إزالة حوالي 50% من الاتصالات، قللوا من احتمالية حدوث الأخطاء وسمحوا للدائرة بالعمل بشكل أسرع دون فقدان القدرة على تذكر الماضي.

3. "إعادة الرفع" (الحفاظ على الإيقاع)

للحفاظ على الذاكرة حية، لا يكتفي النظام بالصراخ مرة واحدة فقط. بل يستمر في إدخال بيانات جديدة إلى غرفة الصدى بينما لا تزال الأصداء القديمة تتردد.

التشبيه: يشبه الأمر "دي جي" (DJ) يقوم بدمج مقطع موسيقي جديد في أغنية لا تزال تعمل. المقطع الجديد يمتزج مع القديم ويخلق صوتاً مستمراً ومتطوراً.
المصطلح في الورقة: يسمى هذا إعادة رفع البيانات (Data Re-uploading). وهو يسمح للحاسوب الكمي بمعالجة تدفق طويل من البيانات دون انقطاع.

4. "إعادة الضبط" (الخدعة السحرية)

هنا يأتي الجزء الأكثر ذكاءً. في الحاسوب الكمي العادي، تختفي "اللمسة السحرية" عندما تنظر إلى الكيوبتات (تقيسها)، وتتوقف العملية الحسابية.

التشبيه: تخيل ساحراً يؤدي خدعة. إذا نظرت إلى الأوراق، تفشل الخدعة.
الحل: بنى الباحثون نظاماً لا ينظر إلا إلى نصف الكيوبتات فقط (كيوبتات القراءة/المخرجات) للحصول على الإجابة، ويعيد ضبط تلك الكيوبتات المحددة فوراً إلى الصفر، بينما يستمر النصف الآخر (كيوبتات الذاكرة) في تشغيل الصدى.
النتيجة: يمكنهم ترك العرض يستمر لفترة طويلة جداً دون أن ينهار النظام بأكمله.

الرقم القياسي للتشغيل

اختبر الفريق هذا النظام على حاسوب كمي حقيقي من شركة IBM (المسمى ibm_marrakesh).

التحدي: عادة ما تستمر الكيوبتات لفترة تقارب 200 ميكروثانية فقط قبل أن تفقد "طبيعتها الكمية" (وهذا ما يسمى زمن التماسك T1/T2).
الإنجاز: عملت دائرتهم لمدة 48,000 ميكروثانية.
التشبيه: يشبه الأمر عداءً لا يستطيع عادةً إلا الركض لمسافة قصيرة لمدة ثانيتين قبل الانهيار. لقد درب هذا الفريق عداءهم بحيث يمكنه الركض لمدة 100 ثانية دون انقطاع. لقد جعلوا الدائرة تعمل 100 ضعف المدة التي كان من المفترض أن يصمد فيها العتاد.

النتائج: التنبؤ بما لا يمكن التنبؤ به

قاموا بتغذية النظام ببيانات من نظام لورينز الفوضوي (الإحداثي "X" فقط). كان الهدف هو التنبؤ بالإحداثيات "Y" و "Z" التي لا يستطيع النظام رؤيتها.

النتيجة: نجح "المراقب الكمي" في التنبؤ بالأجزاء المخفية من النظام الفوضوي.
المقارنة: قارنوا النتائج بنموذج قياسي على حاسوب كلاسيكي. النسخة الكمية كانت أفضل قليلاً في المحاكاة، وكانت منافسة جداً على العتاد الحقيقي المليء بالضجيج. هذا يثبت أن الحواسيب الكمية يمكنها التعامل مع مهام معقدة ذات ذاكرة طويلة المدى، حتى عندما تكون غير مثالية.

الملخص

تظهر هذه الورقة البحثية أننا لسنا بحاجة إلى حواسيب كمية مثالية ومستقبلية للقيام بعمل مفيد اليوم. فمن خلال تصميم ذكي يستخدم:

الأصداء لتذكر الماضي،
قطع الاتصالات غير الضرورية (التشتت) لتقليل الأخطاء، و
قياس وإعادة ضبط أجزاء من النظام أثناء تشغيله،

يمكننا بناء "مراقب كمي" يمكنه مراقبة الأنظمة الفوضوية والتنبؤ بسلوكها المستقبلي لفترة أطول بكثير مما كان ممكناً على العتاد الحالي. إنه دليل على أن الآلات الكمية يمكن أن تكون بالفعل أدوات مفيدة للتنبؤات المعقدة، وليس فقط في المستقبل البعيد.

ملخص تقني: المراقبون الكميون: عرض تجريبي لأجهزة NISQ للتنبؤ بالحالة الفوضوية عبر شبكات الصدى الكمي (Quantum Echo-State Networks)

بيان المشكلة
بينما أظهر الذكاء الاصطناعي قدرات مذهلة على الأجهزة الكلاسيكية، لا تزال قابلية التوسع والكفاءة مقيدتين بالحدود الحسابية. توفر الحواسيب الكمية القدرة على تجاوز هذه الحدود؛ ومع ذلك، فإن دمج الحوسبة الكمية مع الشبكات العصبية (NNs) على أجهزة NISQ (الكمية ذات المقياس المتوسط والضجيج) الحالية يعوقه فك الترابط، والضجيج، ومعدلات الخطأ العالية، وأوقات التماسك القصيرة (T1 و T2). غالبًا ما تعتمد النهج الحالية للحوسبة الخزانية الكمية (QRC) على أجهزة تناظرية متخصصة، أو تتطلب إعادة تهيئة الدائرة أو مقاطعتها (مما يؤدي إلى أخطاء "تجاوز سعة المخزن المؤقت" - Buffer Overflow)، أو تفتقر إلى الذاكرة المستمرة. علاوة على ذلك، يمثل نقل مفاهيم الخزان الكلاسيكية — مثل الذاكرة المتلاشية، والاستقرار التقاربي (خاصية "الصدى" - echo-state)، واللاخطية — إلى دوائر كمية عالمية قائمة على البوابات تحديًا كبيرًا بسبب التطور الوحدوي للأنظمة المغلقة وانهيار قياس الحالة.

المنهجية
يقترح المؤلفون شبكة صدى كمي (QESN) قابلة للتوسع مصممة كـ "مراقب كمي" قادر على إعادة بناء متغيرات الحالة الكامنة لنظام ديناميكي من قياسات جزئية. تم تطوير البنية خصيصًا لأجهزة NISQ العالمية القائمة على البوابات (خاصة كيوبرتات IBM فائقة التوصيل) وتتجنب الحاجة إلى إعادة ضبط الدائرة أو مقاطعتها أثناء تنفيذ السلاسل الزمنية الطويلة.

المكونات المنهجية الرئيسية تشمل:

بنية الدائرة: تستخدم الـ QESN نموذج "القياس وإعادة الضبط"، حيث يتم قياس الكيوبتات المسؤولة عن القراءة وإعادة ضبطها حتميًا إلى الحالة $|0\rangle$ في كل خطوة زمنية، بينما تحتفظ كيوبتات الذاكرة بحالتها. هذا يتيح تطورًا مستمرًا لفترات ممتدة.
ترميز المدخلات: يتم تضمين البيانات الكلاسيكية على كرة بلوخ (Bloch sphere) باستخدام "ترميز الزوايا" (دورات $R_z(\gamma)R_x(\beta)R_z(\alpha)$ ). ويقوم نهج "نافذة السياق" (Context Window) برسم خرائط لأحجام المدخلات التعسفية على زوايا الدوران هذه عبر طبقة كلاسيكية كاملة الاتصال ( $W_{in}$ )، مما يفصل حجم الخزان عن أبعاد المدخلات.
التخلخل والتشابك: للتخفيف من أخطاء البوابات وتقليل عمق الدائرة (تقليل عمليات SWAP)، يقدم المؤلفون التخلخل (Sparsity) عن طريق حذف مجموعة فرعية عشوائية من بوابات التشابك ثنائية الكيوبت. تستخدم الدائرة كتلة "إعادة تحميل البيانات" (Data Re-uploading) قابلة للتعديل، حيث تُكرر الدورات المعتمدة على المدخلات ( $n_c$ من المرات) بين بوابات التشابك لزيادة اللاخطية.
تحليل الاستجابة: يوسع المؤلفون تحليل الاستجابة في النطاق الزمني الكلاسيكي من نظرية التحكم إلى المجال الكمي. ومن خلال تحليل استجابة النظام للمدخلات الخطوية (step)، والمتدرجة (ramp)، والجيبية (sinusoidal)، يقومون بتوصيف سعة الذاكرة، واللاخطية، والاستقرار للـ QESN. يوجه هذا التحليل عملية اختيار مستويات التخلخل وعدد كتل إعادة التحميل.
التدريب والتحسين: تولد الدائرة الكمية فضاء ميزات عالي الأبعاد (توزيعات احتمالية عبر فضاء هيلبرت). تُغذى هذه الميزات في نموذج انحدار المربعات الصغرى الكلاسيكي مع تنظيم (Elastic-Net) للتنبؤ بالقيم المستهدفة.

المساهمات الرئيسية

تصميم مبتكر لـ QESN: دائرة QESN عالمية قائمة على البوابات تعمل بشكل مستمر على أجهزة NISQ دون انقطاعات وسيطة أو إعادة ضبط كاملة للنظام، باستخدام مخطط القياس وإعادة الضبط لكيوبتات القراءة.
إطار تحليل الاستجابة: توسيع نظرية التحكم الكلاسيكية لتشمل الدوائر الكمية لتنظيم التخلخل واللاخطية بشكل منهجي (عبر كتل إعادة التحميل)، مع إثبات إمكانية تحقيق تخلخل كبير (يصل إلى ~50% من إزالة البوابات) دون المساس بخاصية حالة الصدى.
التحقق من الأجهزة: عرض شامل لـ QESN كمراقب كمي على وحدة المعالجة الكمية $ibm\_marrakesh$ ، نجح في التنبؤ بالديناميكيات الفوضوية لنظام لورينز (Lorenz system).

النتائج

المحاكاة: أظهرت المحاكاة على محاكي Aer (باستخدام نموذج ضجيج $ibm\_fez$ ) أن استخدام توزيع الاحتمالات الكامل كميزات أدى إلى خطأ جذر متوسط المربعات (RMSE) أقل من استخدام القيم المتوقعة وحدها. أظهرت الـ QESN أداءً متفوقًا مقارنة بـ ESNs الكلاسيكية في المحاكاة الخالية من الضجيج مع عدد متساوٍ من عقد الخزان، رغم ملاحظة المؤلفين أن هذا التفوق طفيف.
التنفيذ على الأجهزة: تم تنفيذ الـ QESN على وحدة المعالجة الكمية $ibm\_marrakesh$ $ibm_ma r r ak es h$ باستخدام 12 كيوبت للتنبؤ بالإحداثيات $y(t+1)$ $y (t + 1)$ و $z(t+1)$ $z (t + 1)$ لنظام لورينز بناءً فقط على مدخل $x(t)$ $x (t)$ .
- عملت الدائرة بشكل متماسك لمدة تقارب 48,000 ميكروثانية، وهو ما يعادل أكثر من 100 مرة من أوقات التماسك الوسيطة T1 (213.92 ميكروثانية) و T2 (119.57 ميكروثانية) للكيوبتات.
- عالجت التجربة بنجاح سلسلة زمنية مكونة من 2,000 خطوة، متجاوزة بشكل كبير العروض السابقة (مثل 100 خطوة في [15]، و20 خطوة في [14]).
- حققت نتائج الأجهزة RMSE اختبار قدره 0.0922 وطابقت التوقعات من المحاكاة المليئة بالضجيج.
- نجح النظام في التخفيف من أخطاء "تجاوز سعة المخزن المؤقت" عبر إدخال تأخير قدره 24 ميكروثانية بعد القياس، مما سمح بتنفيذات متتالية أطول.

الأهمية والادعاءات
يدعي هذا العمل تقديم أطول خوارزمية تنبؤ بسلسلة زمنية تم تنفيذها على أجهزة NISQ قائمة على البوابات حتى الآن. يؤكد المؤلفون أن نتائجهم تثبت أن الحواسيب الكمية الحالية قادرة على الحفاظ على ذاكرة متماسكة وأداء مهام التنبؤ لفترات تتجاوز بكثير أوقات التماسك الفردية للكيوبتات.

يضع العمل الـ QESN كمراقب كمي قابل للتطبيق للأنظمة الديناميكية ويسلط الضوء على أن:

التخلخل هو معلم تصميم حرج لتحسين NISK، مما يقلل معدلات الخطأ مع الحفاظ على الذاكرة واللاخطية.
نموذج "القياس وإعادة الضبط"، مقترنًا بإعادة تحميل البيانات، يتيح ذاكرة مستمرة وتشغيلًا مستقرًا دون إعادة تهيئة الدائرة.
على الرغم من أن التفوق الحالي في الأداء على الطرق الكلاسيكية طفيف، إلا أن النمو الأسي في فضاء الميزات الذي توفره الحواسيب الكمية يعد بمزايا كبيرة في المستقبل مع تحسن الأجهزة.

يوضح المؤلفون صراحةً أنهم لا يدعون إلى "تفوق كمي" (Quantum Advantage) حاسم في هذه المرحلة، بل يهدفون إلى إثبات الجدوى العملية لنهج التعلم الآلي الكمي على الأجهزة الحالية للأنظمة الديناميكية المعقدة والفوضوية.