⚛️ quantum physics

Towards reconstructing quantum structured light on a quantum computer

تقدم هذه الورقة نهجاً للحوسبة الكمومية التباينية يقوم برسم إعادة بناء الحالة الكمومية على نموذج إيسينغ لتحديد العناصر المنطقية المهيمنة لمصفوفات الكثافة للضوء المهيكل عالي الأبعاد بكفاءة، مما يثبت أداءً موثوقاً على الأجهزة الكمومية الصاخبة كبديل تكميلي للتصوير المقطعي الكلاسيكي.

المؤلفون الأصليون: Mwezi Koni, Shawal Kassim, Paola C. Obando, Neelan Gounden, Isaac Nape

نُشر 2026-04-03

📖 4 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Mwezi Koni, Shawal Kassim, Paola C. Obando, Neelan Gounden, Isaac Nape

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

تخيل أن لديك منحوتة ثلاثية الأبعاد غامضة ومتوهجة مخبأة داخل صندوق مظلم. لا يمكنك رؤية المنحوتة نفسها، ولكن يمكنك تسليط أضواء كاشفة عليها من زوايا مختلفة والتقاط صور للظلال التي تلقيها على الجدران. هدفك؟ استخدام هذه الظلال ثنائية الأبعاد لإعادة بناء الشكل الأصلي ثلاثي الأبعاد بدقة تامة.

هذا هو بالضبط ما يسميه العلماء التصوير المقطعي للحالة الكمومية (Quantum State Tomography). في العالم الكمومي، تكون "المنحوتة" هي الحالة الكمومية (مثل زوج من الفوتونات المتشابكة)، و"الظلال" هي القياسات التي نأخذها. المشكلة هي أنه كلما زاد تعقيد "المنحوتة" (الأبعاد العالية)، انفجر عدد الظلال التي تحتاجها، وتصبح عملية استنتاج الشكل من تلك الظلال لغزًا رياضيًا ضخمًا وبطيئًا بالنسبة للحواسيب التقليدية.

تقدم هذه الورقة البحثية طريقة ذكية جديدة لحل هذا اللغز باستخدام حاسوب كمومي كمساعد. إليك التفاصيل بتبسيط شد التبسيط:

١. المشكلة: لغز "الظل"

كان الباحثون يعملون على الضوء المهيكل — وتحديدًا الفوتونات (جسيمات الضوء) التي تحمل "الزخم الزاوي المداري" (OAM). فكر في الـ OAM كضوء يدور مثل لولب.

قاموا بإنشاء أزواج من هذه الفوتونات الدوارة التي كانت "متشابكة" (مرتبطة بطريقة غريبة).
قاموا بقياس كيفية سلوك هذه الفوتونات من زوايا مختلفة (الـ "ظلال").
الآن، كان عليهم إعادة بناء "المخطط" (مصفوفة الكثافة) لهذا الضوء من خلال تلك القياسات.

القيام بذلك باستخدام حاسوب عادي يشبه محاولة حل لغز "سودوكو" حيث تزداد شبكة الأرقام في كل مرة تضيف فيها متغيرًا جديدًا. الأمر يصبح بطيئًا ومكلفًا للغاية بسرعة كبيرة.

٢. الحل: تحويل الفيزياء إلى لعبة

أدرك الفريق أنه يمكنهم ترجمة هذه المشكلة الفيزيائية إلى لغة مختلفة: نموذج إيسينج (Ising Model).

القياس التشبيهي: تخيل شبكة ضخمة من مفاتيح الإضاءة. كل مفتاح يمكن أن يكون إما "تشغيل" (ON) أو "إيقاف" (OFF). المفاتيح متصلة ببعضها البعض بواسطة نوابض (زُنبركات). بعض النوابض تريد أن تكون المفاتيح متشابهة (كلاهما تشغيل أو كلاهما إيقاف)، والبعض الآخر يريدها أن تكون مختلفة.
الهدف من اللعبة هو قلب المفاتيح حتى يستقر النظام بأكمله في أكثر حالة استقرارًا، أي حالة "الطاقة الأدنى" (حيث لا تتصارع النوابض مع بعضها البعض).
أظهر الباحثون أن الرياضيات الخاصة بـ "إعادة بناء الضوء" هي تمامًا نفس الرياضيات الخاصة بإيجاد "حالة الطاقة الأدنى" لشبكة المفاتيح هذه.

٣. الطريقة: جهد جماعي (نهج هجين)

لم يلقوا بالمشكلة بأكملها على حاسوب كمومي. بدلاً من ذلك، استخدموا خوارزمية كمومية تباينية (VQE). فكر في هذا كمدرب ولاعب يعملان معًا:

الحاسوب الكمومي (اللاعب): هو بارع في استكشاف "شبكة المفاتيح" وتخمين ما تبدو عليه حالة الطاقة الأدنى. ومع ذلك، فهو عرضة للضجيج ويرتكب الأخطاء (مثل الرياضي الذي يتعب أثناء التمرين).
الحاسوب التقليدي (المدرب): ينظر إلى تخمين اللاعب، ويتحقق من مدى قربه من الحل، ثم يخبر اللاعب: "حاول قلب هذه المفاتيح المحددة بشكل مختلف قليلاً".
الحلقة التكرارية: يكررون هذه العملية مرارًا وتكرارًا. يقوم المدرب بتحسين التعليمات، ويحاول اللاعب مجددًا، حتى يجدوا التكوين المثالي للمفاتيح الذي يطابق "الظلال" (القياسات) التي أخذوها سابقًا.

٤. التجربة: الاختبار على أجهزة حقيقية

اختبر الفريق هذه الطريقة على حواسيب كمومية حقيقية مليئة بالضجيج من شركة IBM (تحديدًا شرائح ibmq_mumbai و ibmq_nazca التي تقاعدت الآن).

قاموا بتغذية الحواسيب ببيانات حقيقية من تجارب الضوء الخاصة بهم.
جربوا "روتينات تدريب" مختلفة (أعماق دوائر مختلفة) لمعرفة أيهما يعمل بشكل أفضل.
النتيجة: حتى مع وجود أجهزة حقيقية مليئة بالضجيج وغير مثالية، نجح الحاسوب الكمومي في إعادة بناء الحالة الكمومية بدقة عالية جدًا (أكثر من ٩٩٪ من الدقة في بعض الحالات).

لماذا يهم هذا؟

السرعة والنطاق: رغم أن هذا الاختبار المحدد كان صغيرًا، إلا أن الطريقة تثبت أن الحواسيب الكمومية يمكن أن تعمل كـ "محسنات" متخصصة لمشكلات إعادة البناء المعقدة.
جاهزية المستقبل: بينما ننتقل نحو استخدام الضوء عالي الأبعاد للاتصالات فائقة الأمان والتصوير المتقدم، ستواجه الحواسيب التقليدية صعوبة في المواكبة. يقدم نهج "المدرب الكمومي" هذا طريقة للتعامل مع هذا التعقيد.
القدرة على مواجهة الضجيج: حقيقة عمل هذا النهج على أجهزة حالية مليئة بالضجيج هي أمر كبير. هذا يعني أننا لسنا بحاجة إلى حواسيب كمومية مثالية ومستقبلية للبدء في رؤية الفوائد؛ يمكننا استخدام الحواسيب "المشوشة" التي نمتلكها الآن.

الخلا-صة

لم يقم المؤلفون ببناء كاميرا أفضل فحسب؛ بل صنعوا عدسة جديدة للنظر إلى البيانات الكمومية. من خلال ترجمة مشكلة "إعادة بناء الحالة الكمومية" إلى لعبة "إيجاد الطاقة الأدنى"، أظهروا أن الحواسيب الكمومية يمكنها مساعدتنا في رؤية العالم الخفي للضوء بوضوح أكبر، حتى عندما تكون الحواسب نفسها مهتزة وغير مستقرة. إنها خطوة أولى واعدة نحو استخدام الآلات الكمومية لحل ألغاز البيانات الضخمة في المستقبل.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "نحو إعادة بناء الضوء الكمي المهيكل على حاسوب كمي."

1. بيان المشكلة

تعد عملية التصوير المقطعي للحالة الكمية (QST) ضرورية لتوصيف الأنظمة الكمية، مما يضمن موثوقية الاتصالات والحوسبة والتصوير الكمي. ومع ذلك، فإن إعادة بناء الحالات الكمية عالية الأبعاد (مثل مجالات الضوء المهيكلة التي تحمل الزخم الزاوي المداري، أو OAM) تفرض تحديات كبيرة:

القابلية للتوسع: يتطلب عدد القياسات ومعلمات التحسين اللازمة لعملية الـ QST التوسع بشكل أسي مع البعد في فضاء هيلبرت ( $O(d^n)$ لـ $n$ من الجسيمات).
الاختناقات الكلاسيكية: تصبح طرق إعادة البناء التقليدية (مثل تقدير الإمكانية القصوى، أو طريقة المربعات الصغرى) مكلفة حاسوبيًا بالنسبة للأنظمة عالية الأبعاد.
القيود العتادية: تتطلب الخوارزميات الكمية الحالية لحل الأنظمة الخطية (مثل HHL) دوائر عميقة وتصحيحًا للأخطاء، مما يجعلها غير عملية لأجهزة الكمبيوتر الكمية ذات النطاق المتوسط المليئة بالضجيج (NISQ).

يهدف المؤلفون إلى تطوير نهج يعتمد على الخوارزمية الكمية التباينية (VQA) لإعادة بناء الحالات الكمية باستخدام البيانات التجريبية كمدخلات، مستهدفين تحديدًا الضوء المهيكل عالي الأبعاد على الأجهزة الحالية التي تعاني من الضجيج.

2. المنهجية

يقترح المؤلفون إطار عمل هجينًا (كلاسيكي-كمي) يعيد صياغة مشكلة QST كمسأة تحسين توافقي يمكن حلها بواسطة خوارزمية القيم الذاتية الكمية التباينية (VQE).

أ. الإطار النظري: من QST إلى نموذج إيسينج (Ising Model)

صياغة المربعات الصغرى: تُعرف مشكلة إعادة البناء في البداية كتقليل لدالة تكلفة تربيعية تعتمد على الفرق بين نتائج الإسقاط المقاسة ( $m$ ) والتنبؤات النظرية المستمدة من مصفوفة الكثافة ( $\rho$ ).
$f(\rho; m) = \|m - T\rho\|_2^2$
حيث $T$ هي مصفوفة القياس.
التحويل إلى هاميلتوني إيسينج (Ising Hamiltonian):
- يتم تفكيك عناصر مصفوفة الكثافة إلى قيم منفصلة (discretized) وتعيينها على متغيرات سبين ثنائية ( $s_j \in \{0, 1\}$ ).
- يقوم تحويل أفيني (affine transformation) بربط هذه المتغيرات الثنائية بقيم التوقع لمؤثرات Pauli-Z ( $\langle Z_j \rangle$ ) على الحاسوب الكمي: $p_j \leftrightarrow \frac{1 - \langle Z_j \rangle}{2}$ .
- يتم تحويل دالة التكلفة التربيعية جبريًا إلى هاميلتوني إيسينج ( $H$ ) يتكون من سلاسل Pauli-Z:
  $H = \sum_{j<k} J_{jk} Z_j Z_k + \sum_j h_j Z_j + \text{offset}$
- يتم اشتقاق المعاملات $J_{jk}$ و $h_j$ مباشرة من بيانات القياس التجريبية ومصفوفة القياس $T$ .

ب. تنفيذ الخوارزمية التباينية للقيم الذاتية الكمية (VQE)

النموذج (Ansatz): تستخدم الدائرة الكمية بوابات دوران أحادية الكيوبت ذات معاملات (parameterized) دون بوابات تشابك (بما أن هاميلتوني إيسينج قطري في قاعدة الحساب). تم اختبار ثلاث بنيات:
1. دورات $R_y$ أحادية الطبقة.
2. دورات $R_y$ بعمق ثلاثة.
3. دورات شاملة أحادية الكيوبت بعمق ثلاثة $\{R_z, R_y, R_z\}$ .
سير العمل:
1. المدخلات: يتم تحويل تعداد المصادفة التجريبي (بيانات كلاسيكية) إلى معاملات هاميلتوني إيسينج.
2. التنفيذ الكمي: يقوم المعالج الكمي بإعداد حالة $|\psi(\theta)\rangle$ باستخدام النموذج وقياس القيمة المتوقعة $\langle H \rangle$ .
3. التحسين الكلاسيكي: يقوم محسن كلاسيكي (Surrogate Optimizer في MATLAB) بتحديث المعلمات $\theta$ لتقليل الطاقة (دالة التكلفة).
4. إعادة البناء: عند التقارب، يتم أخذ عينات من الدائرة المحسنة لتوليد سلاسل البتات (bitstrings). يتم إعادة تشكيل سلسلة البت ذات الاحتمالية الأعلى (أقل طاقة) لإعادة بناء عناصر مصفوفة الكثافة.

ج. الإعداد التجريبي

المصدر: تم توليد أزواج الفوتونات المتشابكة عبر عملية التحلل التلقائي لأسفل (SPDC) باستخدام بلورة PPKTP.
الحالات: تم اختبار نوعين من حالات التشابك في الـ OAM:
- المتضادة (Anti-correlated): $|\ell\rangle_A |-\ell\rangle_B + |-\ell\rangle_A |\ell\rangle_B$
- المتلازمة (Correlated): $|\ell\rangle_A |\ell\rangle_B + |-\ell\rangle_A |-\ell\rangle_B$
القياس: استُخدمت معدلات الضوء المكانية (SLMs) والألياف أحادية النمط (SMF) لإجراء قياسات إسقاطية في قاعدة OAM (معادلات Pauli X, Y, Z).
العتاد: نُفذت الخوارزمية على معالجات IBM Quantum (ibmq_mumbai و ibmq_nazca) باستخدام أدوات Qiskit Runtime (Estimator و Sampler) مع تخفيف الخطأ من المستوى الأول (Level-1 error mitigation).

3. المساهمات الرئيسية

التعيين الجبري: توفر الورقة اشتقاقًا جبريًا دقيقًا يربط دالة التكلفة لـ QST بطريقة المربعات الصغرى مباشرة بهاميلتوني إيسينج، مما يسمح باستخدام VQE لإعادة بناء الحالة.
التوافق مع أجهزة NISQ: تستخدم الطريقة دوائر ضحلة (دوران أحادي الكيوبت) وهي قوية ضد الضجيج، مما يجعلها مناسبة للأجهزة الحالية دون الحاجة إلى بوابات تشابك معقدة أو تصحيح أخطاء عميق.
إثبات المفهوم للضوء المهيكل: تقدم الورقة أول إعادة بناء ناجحة لحالات الفوتونات المتشابكة في الـ OAM باستخدام نهج هجين (كمي-كلاسيكي) على عتاد كمي حقيقي.
إعادة البناء المنفصل: ينجح النهج في تحويل مصفوفة الكثافة إلى قيم ثنائية بفعالية، مما يحدد المكونات المنطقية المهيمنة للحالة. وبينما تعيد البنية حاليًا بناء المكونات الحقيقية، فإن الإطار العام قابل للتوسع ليشمل القيم المركبة.

4. النتائج

التقارب: نجحت خوارزمية VQE في تقليل دالة الطاقة لكل من البيانات المحاكات والبيانات التجريبية.
- البيانات المحاكات: حققت قيم دقة ( $F$ ) تتراوح بين 0.995 و 0.999 مقابل الحالات المستهدفة المثالية.
- البيانات التجريبية: حققت قيم دقة تتراوح بين 0.967 و 0.996 عند مقارنتها بمصفوفات الكثافة التي أعيد بناؤها عبر طريقة تقدير الإمكانية القصوى (MLE) الكلاسيكية.
أداء البنيات:
- حققت البنية الأكثر ضحالة (طبقة $R_y$ واحدة) تقاربًا أسرع للبيانات التجريبية، مما يشير إلى أن الدوائر الأعمق تزيد من عدم الاستقرار الناتج عن الضجيج في أجهزة NISQ.
- حققت بنية $\{R_z, R_y, R_z\}$ نتائج عالية الدقة في المحاكاة ولكنها تطلبت المزيد من التكرارات للتقارب على العتاد الذي يعاني من الضجيج.
جودة إعادة البناء: تطابقت مصفوفات الكثافة المعاد بناؤها (التي تم تصورها كمصفوفات 4x4 لنظام الكيوبت المزدوج) بشكل وثيق مع الحالات النظرية وحالات MLE، مما حدد بدقة الطبيعة المتشابكة لأزواج الفوتونات.

5. الأهمية والآفاق المستقبلية

نهج تكميلي: يثبت هذا العمل أن خوارزميات VQA تعد نهجًا تكميليًا حيويًا لـ QST الكلاسيكية، خاصة للأنظمة عالية الأبعاد حيث يصبح التحسين الكلاسيكي عائقًا.
إمكانية التوسع: رغم أن العرض الحالي محدود بنظام 2-كيوبت (4 أبعاد) ولا يظهر بعد تفوقًا كميًا على الطرق الكلاسيكية لهذا الحجم المحدد، إلا أن المنهجية توفر منصة قابلة للتوسع. يمكن للعمل المستقبلي التوسع ليشمل أبعادًا أعلى (مثل qutrits أو أنماط OAM أعلى) حيث يصبح التوسع الأسي للطرق الكلاسيكية مستحيلاً.
المقاومة للضجيج: يثبت النجاح على العتاد المليء بالضجيج أن النهجات التباينية يمكنها استخراج معلومات كمية مفيدة حتى بدون تصحيح كامل للأخطاء.
القيود: يقتصر التنفيذ الحالي على عناصر مصفوفة الكثافة ذات القيم الحقيقية. ستتطلب التوسعات المستقبلية تفكيك الأجزاء الحقيقية والخيالية بشكل منفصل أو توسيع مجموعة القياس للتعامل مع التشفيرات المركبة، مما سيزيد من عدد الكيوبتات المطلوبة.

في الختام، نجحت الورقة في سد الفجوة بين التصوير المقطعي للحالة الكمية (QST) والخوارزميات الكمية التباينية، مما يوفر مسارًا واعدًا لتوصيف الحالات الكمية المعقدة في عصر الأجهزة الكمية التي تعاني من الضجيج.