⚛️ quantum physics

Compiling Quantum Regular Language States

تقدم هذه الورقة مترجماً لتهيئة الحالة الكمومية يقبل مواصفات مدركة للبنية للغات المنتظمة وحالات متمماتها، ويترجمها إلى أوتوماتا ذات حالات محددة دنيا وحالات نتاج مصفوفي، لتوليد دوائر فعالة ومدركة للأجهزة مع ضمانات موارد يمكن التنبؤ بها.

المؤلفون الأصليون: Armando Bellante, Reinis Irmejs, Marta Florido-Llinàs, María Cea Fernández, Marianna Crupi, Matthew Kiser, J. Ignacio Cirac

نُشر 2026-02-04

📖 4 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Armando Bellante, Reinis Irmejs, Marta Florido-Llinàs, María Cea Fernández, Marianna Crupi, Matthew Kiser, J. Ignacio Cirac

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 برمجة حاسوب كمي. عادةً، يكون إخبار الآلة بما يجب فعله أشبه بمحاولة وصف مدينة ضخمة ومعقدة عن طريق سرد عناوين كل شارع ورقم منزل وساكن فيها. إذا كانت المدينة تحتوي على مليون منزل، فسيتعين عليك كتابة مليون عنوان. هذا الأمر بطيء، وممل، ومستحيل بالنسبة للأنظمة الكبيرة.

بدلاً من ذلك، قد تعرف تخطيطاً معيناً للمدينة (مثل شبكة أو دائرة) وتستخدم "مخططاً جاهزاً" لهذا الغرض. ولكن ماذا لو كانت مدينتك مزيجاً فريداً من الأنماط التي لا تناسب أي مخطط قياسي؟

تقدم هذه الورقة البحثية "مترجماً" جديداً (مُجمِّعاً - Compiler) يقع بين هذين الطرفين المتناقضين. فهو يسمح للمستخدمين بوصف حالة كمية باستخدام قواعد بسيطة ومنظمة — مثل وصفة طعام أو خريطة مرورية — بدلاً من قائمة ضخمة من البيانات. وقد أطلق المؤلفون على هذه الحالات اسم حالات اللغة المنتظمة (Regular Language States - RLS).

إليك كيف يعمل نظامهم، مشروحاً عبر تشبيهات من الحياة اليومية:

1. المدخلات: إعطاء التعليمات بلغة بسيطة

بدلاً من إجبار المستخدم على سرد كل تركيبة ممكنة من البتات (مثل 001 و 110 و 101...)، يمكن للمستخدم وصف النمط بثلاث طرق سهلة:

القائمة: "إليك السلاسل العشر المحددة التي أريدها."
التعبير النمطي (Regex): "أريد جميع السلاسل التي تبدو مثل 001 متبوعة بأي عدد من الـ 1s." (مثل عامل تصفية البحث).
المخطط الانسيابي (DFA): رسم بياني بسيط يوضح كيفية الانتقال من حالة "البداية" إلى حالة "القبول" بناءً على الأصفار والآحاد.

الخدعة السحرية: يمكن للمستخدم أيضاً أن يقول: "أريد كل شيء باستثناء هذا النمط". عادةً ما يكون وصف "كل شيء باستثناء X" كابوساً لأن قائمة "الاستثناء" تكون ضخمة جداً. لكن هذا المُجمِّد يتعامل مع هذا الأمر بكل سهولة.

2. الوسيط: "شرطي المرور" (DFA)

بمجرد أن يعطي المستخدم التعليمات، لا يقفز المُجمِّد مباشرة إلى الحاسوب الكمي. أولاً، يقوم بتحويل المدخلات إلى آلة حالات محددة (Deterministic Finite Automaton - DFA).

فكر في الـ DFA كأنه شرطي مرور أو بوابة دوارة. إنه آلة بسيطة تتحقق مما إذا كانت سلسلة البتات "مسموحة" أو "محظورة".

يأخذ المُجمِّد مدخلات المستخدم الفوضوية وينظفها ليحولها إلى أصغر وأكثر نسخة كفؤة من شرطي المرور هذا.
لماذا هذا مهم: بدلاً من إجراء عمليات رياضية ثقيلة ومكلفة على قائمة ضخمة من الأرقام، يقوم المُجمِّد بحل ألغاز منطقية بسيطة على شرطي المرور هذا. إنه أسرع بكثير ويكشف عن الهيكل الخفي للبيانات.

3. المخطط: "حالة ضرب المصفوفات" (MPS)

بمجرد تحسين شرطي المرور، يقوم المُجمِّد بترجمته إلى حالة ضرب مصفوفات (Matrix Product State - MPS).

التشبيه: تخيل الحالة الكمية كأنها سلسلة طويلة من الخرز. يقوم الـ MPS بتفكيك هذه السلسلة إلى روابط صغيرة يمكن إدارتها. كل رابط يحتاج فقط لمعرفة جيرانه المباشرين، وليس السلسلة بأكملها.
تعمل هذه الخطوة على ضغط المعلومات. إذا كان النمط بسيطاً (مثل إيقاع متكرر)، تظل سلسلة الروابط قصيرة. وإذا كان النمط فوضوياً، تصبح الروابط أكبر. يقوم المُجمِّد تلقائياً بتحديد أصغر حجم مطلوب.

4. البناء: إنشاء الدائرة

الآن يمتلك المُجمِّد المخطط المضغوط (MPS). وعليه بناء الدائرة الكمية الفعلية (التعليمات للحاسوب). تقدم الورقة طريقتين للبناء، اعتماداً على نوع الأجهزة:

SeqRLSP (خط التجميع):
- الأفضل لـ: الحواسيب حيث تكون الكيوبتات (qubits) مصطفة في صف واحد ويمكنها التواصل فقط مع جيرانها المباشرين.
- كيف يعمل: يبني الحالة حبة حبة، متحركاً على طول الخط. إنه فعال ولا يحتاج إلى "كيوبتات مساعدة" (ancillae) إضافية.
TreeRLSP (بيت الشجرة):
- الأفضل لـ: الحواسيب حيث يمكن لأي كيوبت التواصل مع أي كيوبت آخر (اتصال الكل بالكل).
- كيف يعمل: يبني الحالة في هيكل شجري، حيث يجمع أزواجاً من الكيوبتات، ثم أزواجاً من الأزواج، وهكذا. هذا أسرع بكثير (عمق لوغاريتمي) لأنه يقوم بأشياء كثيرة في وقت واحد.

5. القوة الخارقة لـ "المتمم" (Complement)

أحد أكبر ادعاءات الورقة هو التعامل مع المتممات (نسخة "ليس" من الحالة).

المشكلة: إذا كنت تريد حالة تتضمن كل السلاسل الممكنة باستثناء 000، فإن سرد السلاسل "المسموحة" أمر مستحيل (هناك المليارات منها).
الحل: يدرك المُجمِّد أنه إذا كانت قائمة "المحظورات" صغيرة (فقط 000)، فإن القائمة "المسموحة" ستكون ضخمة، لكن الهيكل لا يزال بسيطاً. هو يثبت أن بناء الحالة "المسموحة" يتطلب نفس الجهد المطلوب لبناء الحالة "المحظورة". الأمر يشبه قول: "من السهل بناء جدار حول حديقة صغيرة بقدر سهولة بناء جدار حول بقية العالم، إذا كنت تملك بالفعل خريطة تلك الحديقة".

ملخص النتائج

قام المؤلفون ببناء هذا النظام بالكامل واختبروه. وقد أظهروا ما يلي:

إنه يعمل: نجحوا في تجميع حالات معقدة (مثل حالات Dicke و W) ومتمماتها.
إنه كفء: الوقت الذي يستغرقه التجميع وحجم الدائرة الناتجة يمكن التنبؤ بهما ويتناسبان جيداً مع تعقيد النمط، وليس مع حجم الكون من الاحتمالات.
إنه مرن: يعمل على أنواع مختلفة من الأجهزة الكمية (سلاسل خطية مقابل شبكات متصلة بالكامل).

باختأختصار، توفر هذه الورقة أداة تسمح للمبرمجين بوصف الحالات الكمية باستخدام قواعد بسيطة (مثل وصفة طعام) بدلاً من عمليات ضخمة لنقل البيانات، مع تحديد الطريقة الأكثر كفاءة لبنائها على حاسوب كمي تلقائياً، حتى في سيناريوهات "كل شيء باستثناء هذا".

ملخص تقني: تجميع حالات اللغات المنتظمة الكمومية

بيان المشكلة
تعمل برامج تجميع إعداد الحالة الكمومية الحالية عند طرفين متطرفين: برامج عامة الغرض تتعامل مع الحالات المستهدفة كمتجهات سعة مبهمة (مما يؤدي غالباً إلى تفويت الهياكل القابلة للاستغلال وإنتاج دوائر غير فعالة)، وبرامج مصممة خصيصاً لعائلات حالات معروفة بعينها (مثل حالات GHZ، وW، وDicke). تترك هذه الفجوة المستخدمين دون وسيلة لتقديم مواصفات بسيطة مدركة للهيكل، دون الحاجة لتسمية عائلة حالة محددة، ومع ذلك تضمن حدوداً يمكن التنبؤ بها وفعالة للموارد. علاوة على ذلك، تعاني الأدوات الحالية من مشكلة "المتمم" (complement): وهي وصف حالة كأنها التراكب الموحد لجميع السلاسل الثنائية باستثناء مجموعة صغيرة من السلاسل المحظورة. وبينما قد تكون المجموعة المحظورة صغيرة، فإن الحالة الناتجة لها دعم (support) ضخم أسياً، مما يجعل تجميع الحالات المتفرقة (sparse-state compilation) التقليدي غير قابل للتطبيق عملياً.

المنهجية
يقترح المؤلفون خط معالجة (pipeline) برمجي معياري ومتكامل يربط بين نظرية اللغات الرسمية وتخليق شبكات التنسور (tensor network synthesis). يقبل خط المعالجة ثلاثة أنواع من مدخلات المستخدم: (i) مجموعة محدودة من السلاسل الثنائية، (ii) تعبير منتظم (regular expression)، أو (iii) أوتوماتون محدد (DFA)، مع علامة اختيارية لطلب متمم اللغة.

يمر التجميع عبر المراحل التالية:

من المدخلات إلى الأوتوماتون: يتم تحويل مدخلات المستخدم إلى DFA. إذا تم توفير مجموعة من السلاسل، يتم إنشاء DFA عبارة عن رسم بياني موجه غير حلقي (DAG-DFA). وإذا تم توفير تعبير منتظم، يتم تجميعه في DFA (عبر NFA محتمل).
التقليص والمتمم: يتم تقليص الـ DFA باستخدام خوارزمية هوبكروفت (Hopcroft's algorithm) للحصول على DFA أدنى نموذجي. إذا طُلب المتمم، يتم تعديل الأوتوماتون عن طريق تبديل الحالات المقبولة وغير المقبولة (مع إضافة حالة سد/sink state إذا لزم الأمر) قبل إعادة التقليص. يثبت المؤلفون أن حجم الـ DFA الأدنى للمتمم يزدัง بمقدار 1 كحد أقصى مقارنة باللغة الأساسية.
من الأوتوماتون إلى حالة منتج المصفوفات (MPS): يتم رسم خريطة للـ DFA الأدنى (أو DAG-DFA) إلى MPS، حيث تقابل حالات الـ DFA مؤشرات الربط (bond indices)، وتقابل رموز المدخلات المؤشرات الفيزيائية. ينتج عن ذلك تمثيل وسيط (IR) حيث يساوي بُعد الربط $D$ عدد حالات الـ DFA الأدنى (أو الحد الأقصى لحجم الطبقة في DAG-DFAs).
من MPS إلى عمليات التماثل (Isometries): يتم تفكيك الـ MPS إلى شبكة من عمليات التماثل. يحدد المؤلفون استراتيجيتين للخلفية (backend):
- SeqRLSP: مسح SVD تسلسلي (من اليسار إلى اليمين ومن اليمين إلى اليسار) ينتج دائرة ذات عمق خطي وخالية من الكيوبتات المساعدة (ancilla-free)، وهي مناسبة لبنيات الجيران الأقرب الخطيين (LNN). تقوم هذه المرحلة أيضاً بتحسين أبعاد الربط لتتطابق مع رتبة شميدت $\chi$ المستهدفة.
- TreeRLSP: مخطط SVD هرمي قائم على الشجرة ينتج دائرة ذات عمق لوغاريتمي مناسبة للاتصال من الكل إلى الكل (all-to-all connectivity).
تخليق الدائرة: يتم حشو عمليات التماثل لتصل إلى قوى العدد اثنين، ودمجها في وحدات (unitaries)، ثم ترجمتها إلى مجموعة البوابات الأصلية للعتاد المستهدف.

المساهمات الرئيسية

المواصفات المدركة للهيكل: يقدم البحث طريقة مواصفات باستخدام اللغات المنتظمة (regex، أو DFA، أو مجموعات محدودة) تتيح للمستخدمين وصف دعومات ضخمة ومنظمة بإيجاز دون الحاجة لتحديد عائلات حالات معينة.
التعامل الأصيل مع المتمم: يدعم المجمع بشكل أصيل تخليق حالات المتمم. ويوضح أن متمم حالة اللغة المنتظمة يمكن تخليقه بنفس التكلفة الكمومية التقاربية لوصف الحالة الأساسية، حيث تزداد رتبة شميدت القصوى بمقدار 1 كحد أقصى.
خط معالجة متكامل: يربط هذا العمل بين نظرية اللغات المنتظمة وتخليق دوائر MPS، موفراً مجمعاً موحداً مع خلفيتين مدركتين للعتاد (SeqRLSP و TreeRLSP).
الحدود النظرية: يقدم المؤلفون حدوداً صريحة لعمق الدائرة وعدد البوابات بالتناسب مع حجم النظام $N$ ورتبة شميدت القصوى $\chi$ . كما يضعون حدوداً لوقت التجميع، موضحين أن خطوة تقليص الـ DFA تنقل العمليات الجبرية الخطية المكلفة إلى معالجات أوتوماتون أبسط.
التقييم التجريبي: تم تنفيذ خط المعالجة الكامل واختباره مقابل برامج عامة الغرض (Qiskit)، وبرامج الحالات المتفرقة (Qualtran)، ونماذج مرجعية متخصصة، بما في ذلك حالات Dicke، وحالات W، والتراكبات الموحدة العشوائية ومتمماتها.

النتائج

كفاءة الموارد: يحقق المجمع عمقاً خطياً لبنيات LNN وعمقاً لوغاريتمياً للبنيات التي تدعم الاتصال من الكل إلى الكل. تتناسب تكلفة الموارد مع رتبة شميدت القصوى $\chi$ بدلاً من بُعد فضاء هيلبرت الكامل $2^N$ .
أداء المتمم: تؤكد التجارب أن إعداد حالة المتمم لا يتسبب في زيادة أسية في عمق الدائرة أو عدد البوابات مقارنة بالحالة الأساسية، بشرط أن تكون اللغة الأساسية منتظمة.
وقت التجميع: يقلل استخدام تقليص الـ DFA قبل تحويل MPS بشكل كبير من وقت التجميع مقارنة بالطرق التي تعمل مباشرة على تمثيلات التنسور الضخمة أو متجهات السعة.
الاختبار المرجعي: في حالات Dicke وW، تضاهي الطريقة المقترحة أو تتفوق على الإجراءات المتخصصة مع تقديم واجهة مواصفات أكثر عمومية. وبالنسبة لحالات المتمم، حيث تفشل مجمعات الحالات المتفرقة بسبب الدعم الكثيف، تنجح الطريقة المقترحة بكفاءة.

الأهمية
يزعم البحث أنه يقدم حلاً يمثل "منطقة وسطى" تتجنب عدم كفاءة التعامل مع الحالات المهيكلة كمتجهات مبهمة، وتتجنب أيضاً صرامة اشتراط معرفة المستخدم بعائلات حالات محددة. من خلال الاستفادة من الارتباط بين اللغات المنتظمة وMPS، يقوم المجمع تلقائياً بالكشف عن الهيكل الخفي وضغط وصف الحالة. وهذا يتيح الإعداد الفعال للحالات ومتمماتها بضمانات موارد يمكن التنبؤ بها، وهي قدرة لا تدعمها مجمعات الحالات العامة أو المتفرقة الحالية. يشير هذا العمل إلى أن نظرية اللغات الرسمية توفر إطاراً قوياً وقابلاً للتوسع لتخليق الحالات الكمومية، لا سيما للحالات المعرفة بقيود تركيبية أو تناظرات.