Attributed-graphs kernel implementation using local detuning of neutral-atoms Rydberg Hamiltonian

إليك ملخص تقني مفصل للورقة البحثية بعنوان "تنفيذ نواة الرسوم البيانية المنسوبة باستخدام التوليف المحلي لـ هاميلتونيان ذرات ريدبرج المتعادلة" من قبل Djellabi و Hecker و Acheche.

1. بيان المشكلة

البيانات ذات البنية الرسومية (Graph-structured data) منتشرة في مجالات مثل الكيمياء والشبكات الاجتماعية، لكن طبيعتها غير الإقليدية تجعل معالجتها صعبة باستخدام طرق تعلم الآلة التقليدية في الفضاءات المتجهية. وبينما توفر النوى الكلاسيكية للرسوم البيانية (مثل Weisfeiler-Lehman أو Random Walk) مقاييس تشابه قابلة للتطبيق، إلا أنها غالبًا ما تواجه صعوبات مع الرسوم البياسية المنسوبة (الرسوم البيانية حيث تمتلك العقد والحواف سمات أو ميزات محددة) ويمكن أن تصبح مكلفة حوسبيًا للمجموعات الكبيرة من البيانات.

أظهرت النهج الكمومية الحديثة وعودًا في حساب نوى الرسوم البيانية عبر التطور الكمومي، لكن التنفيذات الحالية (تحديدًا "نواة التطور الكمومي" QEK) ركزت بشكل كبير على الرسوم البيانية غير المنسوبة. فهي عادةً ما تشفر فقط طوبولوجيا الرسم البياني (الحواف) في النظام الكمومي، متجاهلةً سمات العقد (مثل أنواع الذرات في الجزيئات). علاوة على ذلك، تعتمد معظم النوى الكمومية على مراقبين عالميين (global observables)، مما قد يؤدي إلى فقدان التفاصيل الهيكلية المحلية الدقيقة.

التحديات الجوهرية التي تم معالجتها هي:

1. كيف يمكن دمج سمات العقد (الميزات) بفعالية في المعالجات الكمومية للذرات المتعادلة.
2. كيف يمكن تصميم نوى كمومية تستفيد من المراقبين المحليين لالتقاط الهياكل الرسومية الدقيقة.
3. كيف يمكن الجمع بين المعلومات من خطوات زمنية متعددة لتعزيز التعبيرية (expressiveness) للنواة دون التضحية بالأداء.

2. المنهجية

يقترح المؤلفون إطار عمل يوسع نموذج نواة الميزة الكمومية باستخدام وحدات المعالجة الكمومية (QPUs) للذرات المتعادلة.

أ. تضمين الرسم البياني عبر هاميلتونيان ريدبرج

تستخدم الطريقة هاميلتونيان ذرات ريدبرج المتعادلة لتشفير معلومات الرسم البياني:
$$\hat{H}(J, \Omega, \delta) = \frac{1}{2} \sum'_{i,j} J_{ij}\hat{n}_i\hat{n}_j + \hbar \sum_{i=1}^N \left( \frac{\Omega}{2}\hat{\sigma}^x_i - \delta_i\hat{n}_i \right)$$

• تشفير الحواف: يتم تحديد قوة الاقتران $J_{ij}$ بناءً على المسافة بين الذرات. يتم وضع العقد المتصلة (الحواف) على مسافة أقرب جار ($r_{NN}$) لإحداث اقتران قوي، بينما توضع العقد غير المتصلة بعيدًا عن بعضها لتقليل الاقتران. هذا يربط طوبولوجيا الرسم البياني فعليًا برسم بياني قرص وحدة (unit-disk graph).
• تشفير سمات العقد (الجدة): للتعامل مع الرسوم البيانية المنسوبة، قدم المؤلفون التوليف المحلي ($\delta_i$). بدلاً من التوليف العالمي (حيث تكون جميع قيم $\delta_i$ متساوية)، قاموا بربط سمات العقد (تحديدًا الكتل الذرية في مجموعات البيانات الجزيئية) بمجال التوليف المحلي:
  $$\delta^G_i = \delta_0 \left( 1 - \frac{m_C}{m_i} \right)$$
  حيث $m_i$ هي كتلة الذرة $i$ و $m_C$ هي كتلة الكربون. يضمن ذلك أن أنواع الذرات المختلفة (مثل الأكسجين مقابل الكربون) تتطور بشكل مختلف تحت تأثير الهاميلتونيان، مما يشفر سمات العقد في ديناميكيات الحالة الكمومية.

ب. استخراج الميزة الكمومية

يتطور النظام من الحالة الابتدائية $|0\rangle$ تحت تأثير الهاميلتونيان للزمن $t$. يستخرج المؤلفون ثلاثة أنواع من المراقبين كميزات كمومية:

1. احتمالية الإثارة ($P_k$): احتمال وجود $k$ من الإثارات (مراقب عالمي).
2. إشغال الموقع ($n_i$): احتمال أن تكون الذرة $i$ مثارة.
3. مصفوفة الارتباط ($C_{ij}$): الاحتمال المشترك لإثارة الذرتين $i$ و $j$ (مراقب محلي).

ج. بناء النواة

تم اقتراح ومقارنة نوعين متميزين من النوى الكمومية:

1. نواة التطور الكمومي (QEK):

   • تعتمد على متجه توزيع احتمالية الإثارة العالمي $P^G$.
   • تستخدم تباعد جينسن-شانونون لحساب التشابه.
   • التوسيع: وسع المؤلفون QEK لاستخدام هاميلتونيان التوليف المحلي ($\hat{H}^G_{loc}$) لدمج سمات العقد، ويُرمز لها بـ $\kappa^{loc}_{QEK}$.

2. نواة الارتباط الكمومي المسافة المعممة (GDQC):

   • مستوحاة من نواة Weisfeiler-Lehman للمسافة المعممة (GD-WL) الكلاسيكية.
   • تعتمد على المراقبين المحليين (مصفوفة الارتباط $C_{ij}$) مدمجة مع مسافة الرسم البياني ($d_G$).
   • الآلية: تقوم ببناء متجه ميزة عن طريق تصنيف أزواج العقد بناءً على معيارين: مسافتها في الرسم البياني وقيمة ارتباطها الكمومي. هذا ينشئ متجه ميزة عالي الأبعاد $\chi$ يمثل التوزيع المشترك للمسافات والارتباطات.
   • الميزة: تلتقط بشكل طبيعي الخصائص الهيكلية المحلية، وهي مثبتة نظريًا بأنها على الأقل بنفس قدر تعبيرية نواة GD-WL الكلاسيكية.

د. تجميع النواة (Kernel Pooling)

للاستفادة من المعلومات عبر التطور الزمني الكامل، يستخدم المؤلفون عمليات التجميع على النوى المحسوبة عند خطوات زمنية متعددة ($t_1, \dots, t_N$):

• تجميع المجموع (Sum Pooling): مزيج خطي من النوى.
• تجميع الضرب (Product Pooling): ضرب نقطي للنوى.
  يسمح هذا للنموذج بتجميع الميزات من أنظمة ديناميكية مختلفة، مما يزيد من التعبيرية نظريًا.

3. المساهمات الرئيسية

1. مخطط تضمين سمات العقد: أول تنفيذ لنواة ميزة كمومية للرسوم البيانية المنسوبة على أجهزة الذرات المتعادلة. من خلال ربط الكتل الذرية بمجالات التوليف المحلي، أثبتوا أن سمات العقد تعزز بشكل كبير القدرة على التمييز بين الرسوم البيانية.
2. اقتراح نواة GDQC: تقديم نواة جديدة تعتمد على المراقبين المحليين (مصفوفات الارتباط) ومسافات الرسم البياني. يثبت التحليل النظري أنها تحقق خصائص النواة (الإيجابية شبه المحددة) وتوفر تعبيرية أعلى من النهج التي تعتمد على المراقبين العالميين فقط.
3. استراتيجية التجميع: إثبات أن دمج النوى من خطوات زمنية مختلفة عبر التجميع يعزز الأداء بشكل كبير، مما يسمح للنوى الكمومية بتجاوز النماذج الكلاسيكية.
4. إثباتات التعبيرية النظرية: تقديم براهين صارمة تظهر أن:
   • التوليف المحلي يجعل النواة أكثر تعبيرية بشكل صارم للرسوم البيانية المنسوبة مقارنة بالتوليف العالمي.
   • نواة GDQC هي على الأقل بنفس قدر تعبيرية نواة GD-WL الكلاسيكية.
   • تجميع مجموعات فرعية من النوى لا يقلل أبدًا من التعبيرية.

4. النتائج

تم تقييم الطرق على مجموعتين من البيانات المرجعية للجزيئات: MUTAG (تنبؤ الطفرات) و PTC_FM (تنبؤ السرطنة).

• الأداء مقابل النماذج الكلاسيكية المرجعية:

  • أدت نوى QEK و GDQC أداءً تنافسيًا مع النوى الكلاسيكية المتطورة (مثل Random Walk و Weisfeiler-Lehman Optimal Assignment).
  • بدون التجميع: طابقت النوى الكمومية النماذج الكلاسيكية أو تفوقت عليها قليًلا.
  • مع التجميع: اتسعت فجوة الأداء. النوى الكمومية المجمعة (تحديدًا $\text{GDQC}^{loc}_{\times}$ و $\text{QEK}^{loc}_{+}$) تفوقت على أفضل النماذج الكلاسيكية في كلتا المجموعتين:
    • في MUTAG، حققت أفضل نواة GDQC مجمعة درجة F1 بلغت 90.83%، متفوقة على أفضل نواة كلاسية (86.88%).
    • في PTC_FM، حققت أفضل نواة $\text{QEK}^{loc}_{+}$ مجمعة درجة 69.55%، متفوقة على أفضل نواة كلاسية (63.40%).

• تأثير سمات العقد:

  • النوى التي استخدمت التوليف المحلي (التي تشفر سمات العقد) تفوقت باستمرار على تلك التي استخدمت التوليف العالمي (التي تتجاهل سمات العقد).
  • أكد هذا أن تضمين سمات العقد في الهاميلتونيان أمر بالغ الأهمية للتعامل مع الرسوم البيانية المنسوبة بفعالية.

• تحليل التعبيرية:

  • أظهر تحليل رتبة مصفوفة جرام (Gram matrix rank) أن التوليف المحلي والتصنيف الأكثر دقة (في GDQC) يزيدان من الأبعاد الفعلية لمساحة الميزات، مما يسمح بفصل أفضل للرسوم البيانية غير المتماثلة.
  • ومع ذلك، يشير المؤلفون إلى أن الرتبة الأعلى (القدرة على التمييز) لا ترتبط دائمًا بشكل خطي مع درجات F1 الأعلى، مما يشير إلى وجود مقايضة بين التعبيرية والقدرة على التعميم.

5. الأهمية والخاتمة

يمثل هذا العمل خطوة هامة للأمام في تعلم الآلة للرسوم البيانية المعزز كموميًا (QML):

• سد الفجوة: نجح في الانتقال بنوى الرسوم البيانية الكمومية من التحليل الطوبولوجي غير المنسوب إلى تحليل الرسوم البيانية المنسوبة، وهو أمر ضروري للتطبيقات الواقعية مثل اكتشاف الأدوية (حيث تهم أنواع الذرات).
• كفاءة الأجهزة: يستفيد النهج من القدرات الأصلية لمعالجات الذرات المتعادلة (حظر ريدبرج، والعنونة المحلية) لتشفير بيانات الرسوم البيانية المعقدة دون الحاجة إلى دوائر كمومية عميقة أو تصحيح للأخطاء.
• الابتكار المنهجي: يو توفر عملية الجمع بين المراقبين المحليين (GDQC) و التجميع الزمني وصفة قوية لتعظيم المعلومات المستخرجة من المحاكاة الكمومية.
• الأثر العملي: تظهر النتائج أن نوى الميزة الكمومية لا يمكنها فقط مطابقة الخوارزميات الكلاسيكية بل وتجاوزها في مهام تصنيف رسوم بيانية محددة عند هندستها بشكل صحيح باستخدام سمات العقد واستراتيجيات التجميع.

تخلص الورقة إلى أنه بينما لا يتم الادعاء بتسريع نهائي (بسبب أعباء المحاكاة)، فإن المكاسب التجريبية في الأداء والقدرة على التعامل مع الرسوم البيانية المنسوبة تجعل هذا الاتجاه واعدًا جدًا لتطبيقات تعلم الآلة الكمومية في عصر الأجهزة القريبة من الواقع.