Sampled-Based Guided Quantum Walk: Non-variational quantum algorithm for combinatorial optimization
تقدم الورقة البحثية SamBa-GQW، وهي خوارزمية كمومية غير تباينية تستخدم بروتوكول أخذ عينات كلاسيكي غير متصل (offline) لتوجيه المشية الكمومية مستمرة الزمن نحو حلول عالية الجودة لمشكلات الأمثلة التوافقية، مما يظهر أداءً مقارباً للطرق التباينية مثل QAOA دون الحاجة إلى محسنات كلاسيكية.
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
في عالم الحوسبة، تشبه بعض المشكلات محاولة العثور على حبة رمل واحدة محددة في شاطئ يتضاعف حجمه في كل مرة تخطو فيها خطوة. تُعرف هذه المشكلات باسم مشكلات الأمثلة التوافقية (combinatorial optimization)، حيث يتعين على الكمبيوتر اختيار أفضل ترتيب من بين عدد هائل من الاحتمالات، مثل المسار الأكثر كفاءة لشاحنة توصيل أو أفضل مزيج من الأسهم لمحفظة استثمارية. ومع نمو عدد الخيارات، تزداد الوقت المطلوب للحاسوب التقليدي لفحص كل خيار بسرعة كبيرة لدرجة أن أقوى الحواسيب الفائقة قد تستغرق وقتاً أطول من عمر الكون للعثور على الإجابة. وتوفر الحواسيب الكمومية، التي تستخدم القواعد الغريبة للفيزياء لمعالجة المعلومات، اختصاراً محتملاً؛ فهي تستطيع استكشاف العديد من الاحتمالات في وقت واحد، لكن الأجهزة الحالية صاخبة وغير مثالية، وغالباً ما تتطلب ضبطاً معقداً لتعمل بشكل صحيح. وقد دفع هذا الباحثين إلى البحث عن طرق جديدة لتوجيه هذه الآلات الكمومية دون الحاجة إلى تدخل بشري لضبط الإعدادات باستمرار.
قدم فريق من الباحثين طريقة جديدة تسمى SamBa-GQW، وهي تقنية مصمم لحل هذه الألغاز الصعبة دون الاعتماد على حاسوب تقليدي لضبط العملية الكمومية بدقة. فبدلاً من استخدام نهج التجربة والخطأ الذي يتطلب حاسوباً تقليدياً للتحقق والتصحيح المستمر لإعدادات الآلة الكمومية، تستخدم هذه الطة الجديدة خطوة تحضير ذكية تتم لمرة واحدة. يقوم الباحثون أولاً بأخذ عينة صغيرة يمكن التحكم فيها من تضاريس المشكلة باستخدام حاسوب عادي. تعمل هذه العينة كخريطة، تكشف الشكل العام لمساحة الحل وأين من المرجح أن تختبئ أفضل الإجابات. وباستخدام هذه الخريطة، يضبطون الآلة الكمومية لتنفيذ رحلة محددة، وهي تدفق مستمر من الاحتمالات ينجرف طبيعياً نحو الحلول الأفضل. تتبع الآلة الكمومية بعد ذلك مساراً محسوباً مسبقاً، بتدفق احتمالي يتغير إيقاعه ليتباطأ كلما اقترب من الإجابة المثلى، مما يسمح لفيزياء النظام بالقيام بالجهد الأكبر.
اختبر الباحثون هذا النهج على مجموعة متنوعة من المشكلات الصعبة، بما في ذلك إيجاد أفضل طريقة لتقسيم شبكة إلى مجموعتين، واختيار أكبر مجموعة من العناصر التي لا تتعارض مع بعضها البعض، وتحسين المحافظ الاستثمارية. لقد قاموا بمحاكاة العملية في مشكلات تتضمن ما يصل إلى ثلاثين متغيراً، وهو حجم مهم بالنسبة للتكنولوجيا الكمومية الحالية. وأظهرت النتائج أن الطريقة وجدت باستمرار حلولاً عالية الجودة، وغالباً ما وصلت إلى الإجابة الأفضل أو إجابة قريبة جداً منها. وفي كثير من الحالات، أصبح الحالة الكمومية مركزة للغاية على الحل الصحيح، مما يعني أنه إذا قمت بقياس مخرجات الكمبيوتر، فستكون لديك فرصة جيدة جداً للحصول على الإجابة الصحيحة. ووجد الفريق أنهم يحتاجون فقط إلى أخذ عينة ضئيلة من إجمالي القرارات الممكنة لبناء خريطة فعالة، مما يثبت أن البحث الشامل والمستفيض في تضاريس المشكلة ليس ضرورياً لتوجيه "المتجول الكمومي".
وعند مقارنة هذه التقنية بطرق كمومية شائعة أخرى، مثل خوارزمية التقريب الكمي (QAOA)، فقد أثبتت كفاءتها، وإن كان ذلك مع اختلاف في المقايضة. تعتمد طريقة QAOA القياسية على حاسوب تقليدي لضبط إعدادات الآلة الكمومية بشكل متكرر لإيجاد أفضل أداء، وهي عملية يمكن أن تكون بطيئة وعرضة للوقوع في فخاخ محلية. في المقابل، لا تتطلب طريقة SamBa-GQW هذا النوع من الضبط؛ فهي تعمل وفق تسلسل واحد محدد مسبقاً. وبينما تحقق الطريقة القياسية غالباً نتائج أفضل قليلاً عندما تُمنح دوائر عميقة ومعقدة، فإن الطريقة الجديدة تؤدي بنفس الكفاءة عندما يُسمح للعمق الدائري بالنمو بشكل كبير. وهذا يشير إلى أنه بالنسبة للحواسيب الكمومية المستقبلية الأكثر قوة، يمكن أن يكون هذا النهج غير المتغير (non-variational) وسيلة فعالة للغاية لحل المشكلات المعقدة، متجاوزاً الحاجة إلى حلقات التحسين الصعبة والمستهلكة للوقت التي تحد حالياً من العديد من الخوارزميات الكمومية.
كما استكشفت الدراسة كيفية سلوك الطريقة مع أنواع مختلفة من المشكلات ومستويات متفاوتة من الصعوبة. فبالنسبة لبعض المشكلات، مثل تعظيم عدد الشروط المستوفاة في لغز منطقي، وجدت الطريقة أفضل الحلول باحتمالية عالية حتى في النسخ المعقدة من المشكلة. وبالنسبة لأخرى، مثل مشكلة البائع المتجول، اعتمد الوقت المطلوب لإكمال الرحلة الكمومية على المسافات المحددة بين المدن، لكن الطريقة نجحت في توجيه النظام إلى المسار الأمثل. لاحظ الباحثون أن الحالة الكمومية تتركز طبيعياً على أفضل الإجابات، حيث تتقلص من انتشار واسع للاحتمالات إلى تجمع ضيق حول الحل. حدث هذا التركيز بسرعة في كثير من الحالات، مما يشير إلى أن الطريقة قوية وموثوقة.
في نهاية المطاف، يقدم هذا العمل بديلاً واعداً للجيل القادم من الحوسبة الكمومية. فمن خلال استبدال الحاجة إلى محسن تقليدي ببروتوكول أخذ عينات بسيط يتم خارج عملية التشغيل، أنشأ الباحثون مساراً انسيابياً للآلات الكمومية لحل المشكلات الصعبة. لا تدعي هذه الطريقة حل هذه المشكلات فوراً أو عبر "خدعة سحرية"؛ بل تقدم طريقة عملية ومبنية على أسس رياضية للتنقل في مساحات البحث الشاسعة لتحسين التوافق. ومع استمرار تحسن الأجهزة الكمومية وتجاوزها لعصر الضجيج الحالي، يمكن أن يصبح هذا النهج أداة قياسية للتعامل مع التحدات اللوجستية والعلمية واسعة النطاق التي ترهق الحواسيب التقليدية حالياً. وتشير النتائج إلى أنه مع التوجيه الصحيح، يمكن للأنظمة الكمومية أن تجد طريقها بكفاءة نحو أفضل الحلول دون الحاجة إلى يد بشرية لتوجيهها في كل خطوة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.