Modeling and benchmarking quantum optical neurons for efficient neural computation

فيما يلي ملخص تقني مفصل لورقة البحث بعنوان: "نمذجة ومعايرة العصبونات الضوئية الكمومية للحوسبة العصبية الفعالة."

1. بيان المشكلة

تواجه الذكاء الاصطناعي القائم على الشبكات العصبية واسعة النطاق تحديات كبيرة فيما يتعلق باستهلاك الطاقة وقابلية التوسع الحسابي. وبينما تقدم الحوسبة الضوئية بديلاً واعداً للمعالجة عالية السرعة ومنخفضة الطاقة، فإن مناهج التعلم الآلي الكمومي الحالية غالباً ما تعتمد على تضمينات فضاء هيلبرت عالية الأبعاد أو أنظمة كيوبت (qubit) معقدة يصعب تنفيذها فيزيائياً.

المشكلة المحددة التي تعالجها الورقة هي الحاجة إلى عصبونات ضوئية كمومية (QONs) تتميز بما يلي:

• أن تكون متجذرة فيزيائياً في إعدادات ضوئية قابلة للتحقيق (باستخدام الفوتونات).
• أن توفر مزايا حوسبية (تحديداً في سرعة الاستدلال) مقارنة بالعصبونات الكلاسيكية.
• أن يمكن تدريبها بكفاءة باستخدام التحسين القائم على التدرج (gradient-based optimization).
• أن تظل قوية ومقاومة للعيوب الضوئية الواقعية مثل فك الترابط (decoherence)، والضجيج، وفقدان الفوتونات.

لقد قدمت الأعمال السابقة (Roncallo et al.) عصبونات (QONs) باستخدام تداخل "هونغ-أو-ماندل" (HOM)، لكنها كانت محدودة بقياس مربع المعيار للجداء السلمي ($|\langle\phi|\psi\rangle|^2$)، مما حد من أنواع دالات التنشيط قبل-الارتباط (pre-activation functions) المتاحة.

2. المنهجية

يقترح المؤلفون إطاراً موحداً للعصبونات الضوئية الكمومية (QONs) بناءً على بنيتين أساسيتين للتداخل: تداخل هونغ-أو-ماندل (HOM) وتداخل ماخ-زيندر (MZ). كما يستكشفون ثلاث استراتيجيات مختلفة لتعديل الفوتونات: الطور (Phase)، السعة (Amplitude)، والشدة (Intensity).

أ. الإطار الرياضي

• التشفير: يتم تشفير متجهات المدخلات ($\mu$) ومتجهات الأوزان ($\lambda$) في الحالات الكمومية لفوتونين ($|\psi\rangle$ و $|\phi\rangle$) باستخدام معدلات الضوء المكانية (SLMs).
• التنشيط قبل-الارتباط: تُعرف الحالة الداخلية للعصبون من خلال الجداء السلمي $\langle\phi|\psi\rangle$.
  • إعداد HOM: يقيس احتمالات المصادفة لتقدير $|\langle\phi|\psi\rangle|^2$. وهذا ينتج دالات تنشيط قبل-الارتباط تعتمد على مربع التداخل.
  • إعداد MZ: يستخدم مقياس تداخل ثنائي المسار مع اثنين من مقسمات الأشعة وكواشف. ومن خلال تحليل احتمالات التكتل (bunching probabilities) عند منافذ المخرج، يسمح إعداد MZ بالاستخراج المباشر لكل من الجزء الحقيقي والتخيلي للجداء السلمي ($\text{Re}\{\langle\phi|\psi\rangle\}$ و $\text{Im}\{\langle\phi|\psi\rangle\}$). وهذا يتيح فئة أوسع من دالات التنشيط قبل-الارتباط، بما في ذلك التراكيب الخطية للمكونات الحقيقية والتخيلية.
• حساب التدرج: اشتق المؤلفون تدرجات تحليلية للانتشار العكسي (backpropagation). وبينما تكلفة الاستدلال مستقلة عن بُعد المدخل $N$ (مما يوفر تسارعاً فائق الأس للسرعة)، فإن تكلفة التدريب للتدرجات تظل $O(N)$ بسبب الحاجة إلى حساب المشتقات لجميع معاملات $N$، بشكل مشابه للعصبونات الكلاسيكية. ومع ذلك، يسمح تعديل الطور في نظام MZ باستخراج حدود التدرج بشكل أكثر كفاءة من إحصائيات الكشف.

ب. المحاكاة والمعايرة

• التنفيذ: تم تنفيذ الـ QONs كبرمجيات كاملة القابلية للاشتقاق في بيئة PyTorch، مما سمح بالتدريب من البداية إلى النهاية.
• مجموعات البيانات: التصنيف الثنائي (MNIST 0 مقابل 1، و FashionMNIST قميص مقابل بنطال) والتصنيف متعدد الفئات (MNIST لـ 10 فئات، و FashionMNIST لـ 10 فئات).
• الظروف: أُجريت التجارب تحت ظروف مثالية (Ideal) وظروف غير مثالية (Non-Ideal). يتضمن النموذج غير المثالي:
  • فك الترابط (Decoherence): تم نمذجته عبر رؤية المقياس التداخلي (interferometer visibility $V$)، مما يقلل من حدود التداخل الكمومي.
  • الضجيج: تم نمذجته كضجيج غاوسي مشتق من التقلبات الإحصائية في عد الفوتونات، والعد المظلم للكواشف، والكفاءة المحدودة.
• الأنواع المختبرة:
  1. العصبون الخطي الكلاسيكي (الأساس المرجعي).
  2. نظام MZ مع تعديل الطور (القائم على جيب التمام - Cosine-based).
  3. نظام HOM/MZ مع تعديل الطور (مربع المعيار).
  4. نظام HOM مع تعديل السعة.
  5. نظام HOM مع تعديل الشدة.

3. المساهمات الرئيسية

1. توسيع بنية QON: تقديم تصميم عصبون (QON) يعتمد على مقياس تداخل ماخ-زيندر (MZ) يتجاوز قيود إعدادات HOM فقط عبر تمكين استرجاع كل من الأجزاء الحقيقية والتخيلية للتداخل الكمومي. وهذا يسمح بدالات تنشيط قبل-الارتباط أكثر مرونة (مثل $T_2 = \text{Re}\langle\phi|\psi\rangle \cos\theta + \text{Im}\langle\phi|\psi\rangle \sin\theta + b$).
2. المعايرة المنهجية: تقديم مقارنة صارمة وقوية إحصائياً لخمسة أنواع مستوحاة من الكم مقابل خط أساس كلاسيكي. درست الدراسة الأداء عبر عدة عمليات تشغيل مستقلة، والظروف المثالية مقابل غير المثالية، وعمق الشبكة المتغير.
3. نمذجة الضجيج: تطوير نموذج ضجيج واقعي للـ QONs يأخذ في الاعتبار فقدان الرؤية (فك الترابط) والأخطاء الإحصائية لعد الفوتونات، مما يحدد كيفية تأثير هذه العيوب الفيزيائية على استقرار التعلم والدقة.
4. تحليل حد الانحياز (Bias Term): أثبتت التجربة عملياً أن إضافة حد انحياز خطي قياسي إلى التنشيطات المستوحاة من الكم غالباً ما يؤدي إلى تدهور الأداء بسبب صعوبات التحسين، مما يشير إلى الحاجة إلى صيغ انحياز متخصصة في الشبكات الضوئية الكمومية.

4. النتائج

• الاستقرار والمتانة:
  • العصبونات القائمة على MZ: أظهرت السلوك الأكثر استقراراً عبر جميع الظروف. حتى في الإعدادات غير المثالية (الضوضائية)، حافظت على تقارب ثابت وتبايُن منخفض.
  • تعديل السعة في HOM: أدى أداءً تنافسياً، لا سيما في البنى متعددة الطبقات الأكثر عمقاً، حيث اقترب غالباً من مستويات الأداء الكلاسيكي.
  • تعديل الطور/الشدة في HOM: أظهرت استقراراً أقل وحساسية عالية للضجيج. أظهرت هذه الأنواع تذبذبات حادة ونطاقات تباين أكبر، خاصة في السيناريوهات غير المثالية.
• الدقة:
  • في التصنيف الثنائي، حققت عصبونات MZ والأسس الكلاسيكية دقة تزيد عن 99% في MNIST تحت الظروف المثالية. وتحت الضجيج، ظلت عصبونات MZ قوية، بينما تدهورت متغيرات HOM بشكل كبير.
  • في التصنيف متعدد الفئات، حقق الخط الأساسي الكلاسيكي عموماً أعلى دقة. ومع ذلك، ظل متغير سعة HOM هو البديل الكمومي الأكثر متانة، بينما أظهرت متغيرات MZ تدهوراً متوسطاً ولكنها احتفظت بالاستقرار.
• التقارب: أظهرت العصبونات القائمة على MZ مسارات خسارة (loss trajectories) أكثر سلاسة وتقارباً أسرع وأكثر موثوقية مقارنة بالمتغيرات القائمة على HOM، والتي غالباً ما عانت من عدم التقعر (non-convexity) الناتج عن الضجيج.

5. الأهمية والآفاق المستقبلية

• الجدوى العملية: تؤكد هذه الدراسة أن الـ QONs ليست مجرد كيانات نظرية، بل هي مكونات قابلة للتطبيق عملياً لأنظمة الذكاء الاصطيعي المستقبلية منخفضة الطاقة وعالية السرعة. وتوفر بنية MZ، على وجه الخصوص، مساراً قوياً للتنفيذ العتادي (Hardware implementation).
• الأنظمة الهجينة: تشير النتائج إلى أن الـ QONs يمكن أن تعمل كبنات بناء فعالة للأنظمة الهجينة (ضوئية-إلكترونية)، مما قد يحدث ثورة في تطبيقات الرؤية ذاتية القيادة، والاستشعار عن بعد، ومراقبة الصحة القابلة للارتداء.
• القيود والعمل المستقبلي: تعتمد الدراسة الحالية على محاكاة برمجية. ويقر المؤلفون بالحاجة إلى تنفيذ عتادي فيزيائي للتحقق من هذه النتائج. سيركز العمل المستقبلي على بنيات QON أكثر عمقاً، وتجارب "العتاد في الحلقة" (hardware-in-the-loop)، وتحسين المكونات الضوئية (مثل الكواشف فائقة التوصيل) لتقليل أوقات الملاحظة والضجيج.

في الختام، تثبت هذه الورقة أن مقاييس تداخل ماخ-زيندر (MZ) توفر ركيزة فيزيائية متفوقة للعصبونات الضوئية الكمومية مقارنة بإعدادات HOM فقط، حيث توفر مرونة أكبر ومقاومة للضجيج، بينما يظل تعديل السعة في إعدادات HOM منافساً قوياً لمهام التعلم العميق المحددة.