Position: Quantum Kernel Machines Should Move Beyond Scalar-Valued Kernels to Realize Their Potential

ملخص تقني: يجب على آلات النواة الكمومية تجاوز النوى ذات القيم القياسية لتحقيق إمكاناتها الكاملة

بيان المشكلة
لقد برزت آلات النواة الكمومية (QKMs) كنموذج مركزي في تعلم الآلة الكمومي (QML)، ومع ذلك لا تزال إمكاناتها غير مستغلة بالكامل. تشير الدراسات الحديثة إلى أن النوى الكمومية لا تقدم أي مزايا حوسبية أو إحصائية جوهرية مقارنة بالطرق الكلاسيكية عند تطبيقها على مهام التصنيف والانحدار القياسية ذات القيم القياسية (Scalar-valued) على البيانات الكلاسيكية. ويرى المؤلفون أن هذا الركود ينبع من التركيز الحصري للمجال على النوى ذات القيم القياسية (QSVKs). تفتقر هذه النوى إلى درجات الحرية اللازمة لاستغلال الموارد الكمومية الجوهرية، مثل التشابك، وهي غير كافية لمهام التعلم المعقدة حيث تعاني الطرق الكلاسيكية بالفعل. وبناءً على ذلك، فإن المشهد البحثي الحالي يترك مساحة ضئيلة لتحقيق التفوق الكمومي.

المنهجية والإطار العملي
يقترح البحث تحولاً من النوى ذات القيم القياسية إلى النوى ذات القيم المؤثرية (Operator-Valued Kernels - OVKs)، وتحديداً ضمن المجال الكمومي (QOVKs). يستفيد هذا النهج من التطورات الأخيرة في تعلم النوى ذات القيم المؤثرية الكلاسيكية وتمثيلات جبر $C^*$ (C*-algebraic representations).

• النوى الكمومية ذات القيم المؤثرية المتشابكة (QOVKs): يعرّف المؤلفون فئة جديدة من النوى، $K(x, z)$، والتي تربط أزواج المدخلات بمؤثرات (مصفوفات) بدلاً من قيم قياسية. رسمياً، تُعرّف النواة المتشابكة (entangled QOVK) كما يلي:
  $$K(x, z) = \text{Tr}_X \left[ U_{YX} (\rho_Y \otimes \sigma_{x,z}^X) U_{YX}^\dagger \right]$$
  حيث $\rho_Y$ هي مصفوفة الكثافة للمخرجات، و$\sigma_{x,z}^X$ هي مصفوفة سمات المدخلات، و$U_{YX}$ هي مصفوفة وحدوية غير قابلة للفصل (non-separable unitary matrix).
• التمييز عن النوى القياسية: على عكس النوى القابلة للفصل (التي تفصل بين تشابه المدخلات وتفاعلات المخرجات) أو الـ QSVKs القياسية (وهي حالة خاصة من الـ QOVKs القابلة للفصل مع بُعد مخرجات $p=1$)، تستخدم الـ QOVKs المتشابكة وحدات وحدوية غير قابلة للفصل. يسمح هذا بتمثيلات مشتركة وغير قابلة للتحلل للتفاعلات بين المدخلات والمخرجات، مما يلتقط التبعيات التي لا تستطيع النوى القياسية التقاطها.
• إطار جبر $C^*$: يقترح البحث توسيع هذا الإطار إلى نماذج Hilbert $C^*$-Modules (RKHMs). يسمح هذا التعميم بتمثيل البوابات الكمومية ومؤثرات الكثافة كمخرات للنواة، مما قد يمكّن من تعلم الهياكل غير التبادلية (non-commutative structures) ويوفر تحكماً أفضل في التبعيات المحلية والعالمية.

المساهمات الرئيسية

1. خارطة طريق مفاهيمية: يرى المؤلفون أن المجال يجب أن يتجاوز الإطار المقيد للنوى ذات القيم القياسية لتحقيق المزايا الكمومية. ويقترحون أجندة بحثية تتمحور حول ثلاث ركائز:
   • تطوير QOVKs تستفيد من التشابك كمورد حوسبي.
   • تبني أطر عمل جبر $C^*$ لاستغلال هياكل البيانات غير التبادلية.
   • التركيز على التنبؤ الهيكلي الكمومي (مثل التنبؤ بالرسوم البيانية، والتعلم متعدد المهام) حيث تكون هياكل المخرجات معقدة ومترابطة.
2. الصياغة النظرية: يقدم البحث أول تعريف رسمي لـ QOVKs المتشابكة ويوضح تسلسل الاحتواء الذي تعمم فيه QOVKs كل من QSVKs ونوى التماثل (fidelity kernels).
3. تنفيذ إثبات المفهوم:
   • تقدير القناة الكمومية: يقدم المؤلفون تجربة إثبات مفهوم تؤطر تقدير القناة الكمومية كمسألة انحدار ذات قيم مصفوفية (مصفوفة SPD). ويقارنون بين نواة التماثل القياسية (QSVK) وبين QOVK متشابكة.
   • النتائج: في التجارب المتعلقة بقنوات قلب البت (bit-flip) وإزالة الطور (dephasing)، نجحت الـ QOVK المتشابكة في التقاط التبعيات الهيكلية الكامنة للقنوات، بينما واجهت الـ QSVK ذات القيم القياسية صعوبة في استعادة الهيكل الصحيح.
   • تصميم الدائرة: يوضح البحث تنفيذاً لدائرة كمومية لحساب الـ QOVKs، مع تعميم اختبار التبديل (swap test) المستخدم للنوى القياسية. تستخدم هذه الدائرة كيوبت مساعد (ancillary qubit) وتفاعلاً وحدوياً غير قابل للفصل لترميز التشابك بين سجلات المدخلات والمخرجات.

النتائج والأدلة
الدليل الرئيسي المقدم هو الأداء المقارن في تقدير القناة الكمومية. أظهرت صياغة الـ QOVK المتشابكة القدرة على نمذجة الارتباطات بين فضاءات المدخلات والمخرجات التي لم تستطع النوى القياسية نمذجتها. ويشير المؤلفون إلى أنه بينما اختزلت النواة القياسية (QSVK) إلى شكل قابل للفصل، فإن الـ QOVK المتشابكة، باستخدام وحدة وحدوية غير قابلة للفصل (تتكون من بوابات CNOT وSWAP)، وفرت إطاراً أكثر طبيعية لترميز الهياكل والتبعيات المصفوفية.

الأهمية والادعاءات
يفترض البحث أن إطار عمل النوى ذات القيم القياسية مقيد للغاية لمنع إظهار إمكانات الآلات الكمومية. ومن خلال الانتقال إلى النوى ذات القيم المؤثرية، يمكن للمجال:

• الوصول إلى فضاءات فرضية أغنى: تمكن الـ QOVKs من تعلم مخرجات معقدة وهيكلية (متجهات، مصفوفات، رسوم بيانية) حيث تواجه الطرق الكلاسيكية قيوداً واضحة.
• استغلال التشابك: يوفر هذا الإطار بيئة مبدئية للتحقيق في كيفية مساهمة التشابك في التعلم، مما قد يوفر تسريعاً حوسبياً في حل أنظمة المصفوفات الكبيرة (block-matrix systems) المتأصلة في الـ OVKs (والتي تتدرج كـ $O(n^3p^3)$ كلاسيكياً مقابل التحسينات الكمومية المحتملة).
• تخفيف حدة الإفراط في التخصيص (Overfitting): قد يؤدي الهيكل المضاف في النوى ذات القيم المؤثرية إلى تحسين أداء التعميم، مما يعالج المشكلات المعروفة حيث تميل النوى القياسية ذات الكيوبتات الكبيرة نحو مصفوفة الوحدة، مما يسبب الإفراط في التخصيص.

يخلص المؤلفون إلى أنه على الرغم من أن الـ QOVKs ليست "حلًا سحريًا" وتواجه تحديات حوسبية، إلا أنها تمثل تطوراً ضرورياً لاستكشاف الإمكانات الكاملة للموارد الكمومية في تعلم الآلة، لا سيما في مهام التنبؤ الهيكلي حيث تكون الطرق الكلاسيكية غير كافية.