DeepQuantum: A PyTorch-based Software Platform for Quantum Machine Learning and Photonic Quantum Computing
تُعد DeepQuantum منصة برمجية مفتوحة المصدر قائمة على PyTorch، تدمج بشكل فريد بين الدوائر الكمومية، والدوائر الكمومية الفوتونية، والحوسبة الكمومية القائمة على القياس لتمكين النمذجة الهجينة الفعالة بين الكمي والكلاسيكي، ومحاكاة شبكات الموتر واسعة النطاق، وتصميم خوارزميات قوية لكل من الحوسبة الكمومية الفوتونية وتعلم الآلة الكمومي.
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 أنك تحاول بناء آلة معقدة، ولكن لديك ثلاثة أنواع مختلفة من المخططات: أحدها لدائرة كهربائية قياسية، وآخر لنظام مكون من حزم ضوئية، والثالث لآلة تعمل بالكامل على "التحقق من النتائج" بدلاً من الضغط على الأزرار. عادةً، ستحتاج إلى ثلاثة برامج مختلفة لتصميم هذه الآلات، ولن تتمكن هذه البرامج من التواصل مع بعضها البعض.
DeepQuantum هو منصة برمجية جديدة مفتوحة المصدر تعمل كـ "مترجم عالمي" و"ورشة عمل فائقة القدرة" للحوسبة الكمومية. وهي مبنية فوق PyTorch، وهي أداة شهيرة يستخدمها باحثو الذكاء الاصطناعي لبناء الشبكات العصبية. ومن خلال استخدام PyTorch كأساس لها، تتيح DeepQuantum للعلماء دمج ومزج هذه الأساليب الكمومية الثلاثة المختلفة بنفس السهولة التي يمزج بها المبرمج الكود اليوم.
إليك تفصيل لما تدعيه الورقة البحثية، باستخدام تشبيهات بسيطة:
1. اللغات الثلاث للحوسبة الكمومية
تسلط الورقة الضوء على أن DeepQuantum هي أول أداة تربط بسلاسة بين ثلاث طرق متميزة للرياضيات الكمومية:
- الكيوبتات (المعيار القياسي): فكر في هذه كـ "مفاتيح" في كمبيوتر تقليدي، لكن يمكن أن تكون في حالة تشغيل، أو إيقاف، أو كليهما في آن واحد. تتيح لك DeepQuantum تصميم دوائر بهذه المفاتيح تماماً كما تبني هيكلاً من قطع الليجو.
- الفوتونات (حزم الضوء): بدلاً من المفاتيح، يستخدم هذا النظام جسيمات الضوء. الضوء رائع لأنه لا يتأثر بسهولة بالضوضاء (مثل محادثة هادئة في مكتبة). يمكن لـ DeepQuantum محاكاة الحواسيب القائمة على الضوء باستخدام ثلاث "عدسات" مختلفة:
- فوك (Fock): عدّ الفوتونات الفردية (مثل عد الكرات الزجاجية).
- غاوسي (Gaussian): التعامل مع الضوء كموجات ناعمة (مثل التموجات في بركة ماء).
- بوزوني (Bosonic): طريقة هجينة للتعامل مع حالات الضوء الغريبة وغير القياسية.
- القائم على القياس (التحقق أثناء العمل): بدلاً من تشغيل دائرة كاملة، تنشئ هذه الطريقة "شبكة" ضخمة من الجسيمات المتشابكة، ثم تحل المشكلات عن طريق قياس أجزاء معينة من هذه الشبكة. يمكن لـ DeepQuantum ترجمة تصميم دائرة قياسية مباشرة إلى تنسيق "الشبكة" هذا.
الربح الكبير: قبل ذلك، كان عليك تصميم دائرة بأسلوب معين ثم تضطر لإعادة كتابتها يدوياً لأسلوب آخر. تقوم DeepQuantum بهذا الترجمة تلقائياً، مما يسمح للباحثين بتصميم آلة "هجينة" تستخدم أفضل الأجزاء من الأساليب الثلاثة جميعها.
2. القوة الخارقة لـ "الذكاء الاصطناعي"
تؤكد الورقة أن هذه ليست مجرد آلة حاسبة؛ بل هي أداة معززة بالذكاء الاصطناعي.
- التشبيه: تخيل أنك تحاول ضبط جهاز راديو للعثور على محطة صافية. في الماضي، كان عليك تدوير المقبض ببطء والاستماع. مع DeepQuantum، وبسبب بنائها على PyTorch، يمكنها "الشعور" بالضبط باتجاه تدوير المقبض للحصول على أوضح صوت فوراً.
- لماذا يهم هذا: هذا يسمح للبرنامج بضبط إعدادات الكمبيوتر الكمومي تلقائياً لحل المشكلات (مثل إيجاد أدنى حالة طاقة لجزيء أو تصنيف الصور) بشكل أسرع بكثير. إنها تعامل الكمبيوتر الكمومي كجزء من دماغ ذكاء اصطناعي أكبر.
3. ميزة "التقريب" (المحاكاة واسعة النطاق)
محاكاة كمبيوتر كمومي أمر صعب للغاية لأن كمية المعلومات تنمو بشكل أسي. محاكاة 50 كيوبت تشبه محاولة تذكر كل حبة رمل على الشاطئ.
- تشبيه شبكة التنسور (Tensor Network): تستخدم DeepQuantum خدعة تسمى "شبكات التنسور". تخيل أن لديك كرة ضخمة متشابكة من الخيوط. بدلاً من محاولة حمل الكرة بأكملها، تقوم بتقطيعها إلى حلقات أصغر يمكن التحكم فيها ولكنها لا تزال متصلة. هذا يسمح للبرنامج بمحاكاة أنظمة تضم أكثر من 100 كيوبت على جهاز كمبيوتر محمول واحد، بشرط ألا تكون الروابط بينها فوضوية للغاية.
- التشبيه الموزع: إذا كانت كرة الخيوط كبيرة جداً على شخص واحد، يمكن لـ DeepQuantum تقسيم العمل بين فريق من أجهزة الكمبيوتر (أو مجموعة من وحدات معالجة الرسومات GPU القوية). إنها تعمل مثل قائد الأوركسترا، حيث تخبر كل كمبيوتر الجزء الذي يجب أن يتولى محاكاته ثم تقوم بخياطة النتائج معاً.
4. ما اختبروه بالفعل (الاختبارات المعيارية)
لم يكتفِ المؤلفون بالقول إنها "سريعة" فحسب؛ بل أثبتوا ذلك باختبارات محددة:
- السرعة: قارنوا DeepQuantum بأدوات شائعة أخرى (مثل PennyLane و Strawberry Fields). في الاختبارات التي تتضمن التدرجات (عملية "الضبط" المذكورة أعلاه) والوظائف الرياضية المعقدة، كانت DeepQuantum غالباً أسرع بـ 10 إلى 100 مرة، خاصة عند استخدام بطاقات الرسومات (GPUs) القوية.
- اختبارات الفوتونات: نجحت في محاكاة مهام ضوئية معقدة، مثل:
- إنشاء بوابة "CNOT" (مفتاح منطقي أساسي) باستخدام الضوء.
- محاكاة "أخذ عينات بوسون الغاوسي" (Gaussian Boson Sampling)، وهي مهمة تُستخدم لإثبات أن الحواسيب الكمومية أسرع من الحواسيب التقليدية.
- توليد "حالات العنقود" (Cluster States) (شبكات ضخمة من الضوء المتشابك) باستخدام تقنية تعدد الإرسال في النطاق الزمني (TDM)، وهي تشبه إرسال قطار من نبضات الضوء عبر حلقة لبناء هيكل ضخم بمرور الوقت.
- أمثلة من العالم الحقيقي: أظهروا عمل البرنامج على:
- QResNet: نسخة كمومية من الشبكة العصبية التي تستخدم "اتصالات متبقية" (تخطي الطبقات) للتعلم بشكل أفضل، على غرار كيفية عمل أنظمة التعرف على الصور في الذكاء الاصطناعي الحديث.
- تصنيف MNIST: استخدام دائرة كمومية للتمييز بين الأرقام المكتوبة بخط اليد (0 و 1) بدقة تزيد عن 94%.
- نموذج Ising: محاكاة نظام مغناطيسي بـ 45 كيوبت، وهو حجم يصعب على أجهزة الكمبيوتر القياسية التعامل معه عادةً.
الملخص
باخت-صار، DeepQuantum هي منصة برمجية تتيح للباحثين تصميم ومحاكاة وتحسين الحواسيب الكمومية باستخدام نفس الأدوات التي يستخدمها مهندسو الذكاء الاصطناعي اليوم. وهي فريدة من نوعها لأنها تتحدث ثلاث "لغات كمومية" مختلفة (الكيوبتات، والضوء، والمحاكاة القائمة على القياس) في مكان واحد، وهي سريعة بما يكفي لمحاكاة أنظمة كبيرة جداً باستخدام خدع رياضية ذكية وتقسيم العمل عبر العديد من أجهزة الكمبيوتر. وتدعي الورقة البحثية أن هذا يجعلها أداة قوية لكل من الذكاء الاصطوي المساعد للكم (لتحسين الأجهزة الكمومية) و الكم المساعد للذكاء الاصطناعي (لبناء نماذج تعلم آلي أفضل).
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.