Constrained Quantum Optimization at Utility Scale: Application to the Knapsack Problem
تُظهر هذه الورقة أكبر تطبيق ناجح لخوارزمية copula-QAOA على أجهزة IBM Quantum (حتى 150 كيوبت) لحل مسألة حقيبة الظهر المقيدة المستمدة من التزام الوحدة، مما يوضح أن هذا النهج الفعال من حيث الأجهزة يمكنه التفوق على الحلول الكلاسيكية مثل Gurobi والأساليب المرجعية الجشعة بعد جولات قليلة فقط من التحسين.
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
الصورة الكبيرة: حزم حقيبة سفر كمومية
تخيل أنك مشغل لشبكة طاقة كهربائية. مهمتك هي تحديد محطات الطاقة (المولدات) التي يجب تشغيلها، وكمية الكهرباء التي يجب أن تنتجها لتلبية احتياجات المدينة للساعة القادمة. عليك القيام بذلك مع الحفاظ على التكاليف منخفضة والالتزام بقواعد سلامة صارمة (مثل عدم تحميل المحطة فوق طاقتها).
هذه لغز ضخم يسمى مشكلة الالتزام بالوحدات (Unit Commitment Problem). وهي معقدة للغاية لدرجة أن أفضل الحواسيب الفائقة في العالم تواجه أحياناً صعوبة في إيجاد الإجابة المثالية بسرعة.
تساءل مؤلفو هذه الورقة البحثية: "هل يمكن للحواسيب الكمومية حل هذه المشكلة بشكل أفضل؟"
لم يحاولوا حل اللغز الضخم بأكمله دفعة واحدة (لأن ذلك صعب جداً على الحواسيب الكمومية الحالية). بدلاً من ذلك، قاموا بتفكيكه إلى لغز كلاسيكي أبسط يُعرف باسم مشكلة الحقيبة (Knapsack Problem).
التشبيه:
فكر في "مشكلة الحقيبة" مثل حزم حقيبة سفر لرحلة ما.
- لديك 150 عنصراً مختلفاً (محطات طاقة).
- كل عنصر له وزن (مقدار الطاقة التي ينتجها) وقيمة (تكلفة تشغيله).
- حقيبتك لها حد وزن معين (إجمالي الكهرباء التي تحتاجها المدينة).
- الهدف: حزم الحقيبة بحيث تحصل على أكبر قدر من "القيمة" (أقل تكلفة) دون تجاوز حد الوزن.
المشكلة في الحواسيب الكمومية الحالية
الحواسيب الكمومية تشبه المستكشفين فائق السرعة، لكنها حالياً "ضوضائية" وهشة للغاية.
- مشكلة القيود: في مشكلة الحقيبة، معظم التوليفات العشوائية من العناصر لن تتسع في الحقيبة. إذا تركت الحاسوب الكمومي يتجول عشوائياً، فسيقضي 9% من وقته في البحث عن "حقائب مكسورة" (حلول لا تعمل).
- مشكلة العمق: لإجبار الحاسوب على النظر فقط في "الحقائب الجيدة"، ستحتاج عادةً إلى دائرة معقدة وعميقة جداً. لكن الحواسيب الكمومية اليوم تتعطل إذا كانت الدائرة عميقة جداً. الأمر يشبه محاولة السير على حبل مشدود أثناء التلاعب بكرات متعددة؛ إذا كان الحبل طويلاً جداً، فستسقط.
الحل: "Copula-QAOA" (المرشد المنحاز)
طور الفريق طريقة جديدة تسمى Copula-QAOA (أو cop-QAOA). إليك كيف جعلوا الأمر يعمل على أجهزة حقيقية:
البداية الدافئة (الجشع الكسول): بدلاً من البدء من نقطة الصفر، أعطوا الحاسوب الكمومي "تلميحاً". استخدموا خوارزمية كلاسيكية بسيطة وسريعة (تسمى "Lazy Greedy") لإيجاد حل حزم جيد أولاً. ثم أخبروا الحاسوب الكمومي: "ابدأ بحثك بالقرب من هذا الحل الجيد".
- التشبيه: بدلاً من أن تطلب من سائح العثور على أفضل مطعم في مدينة ما من الصفر، تقول له: "ابدأ بحثك بالقرب من هذا المط bistro ذو التقييم العالي".
الخلاط المنحاز (الدفعة اللطيفة): الخوارزميات الكمومية القياسية تمزج الأشياء عشوائياً. تستخدم هذه الطة الجديدة "خلاطاً منحازاً". فهي تدفع الحالة الكمومية بلطف نحو الحلول الصالحة دون منع الحلول غير الصالحة بشكل صارم.
- التشبيه: تخيل متنزهاً في غابة ضبابية. الخوارزمية القياسية تخبره أن يسير في خط مستقيم، آملاً أن يصل إلى المخيم. طريقة cop-QAOA تعطي المتنزه بوصلة تجذبه بلطف نحو المخيم، حتى لو ابتعد قليلاً. إنها تبقيه "بالقرب" من المسار الصحيح دون الحاجة إلى خريطة معقدة.
النتيجة: اختبروا ذلك على أجهزة IBM الكمومية باستخدام ما يصل إلى 150 كيوبت (ما يعادل البتات في العالم الكمومي). هذا هو أكبر اختبار ناجح لهذا النوع من المشكلات على أجهزة حقيقية حتى الآن.
ماذا وجدوا؟
كانت النتائج مثيرة للإعجاب، خاصة بالنظر إلى أن الأجهزة لا تزال في "سن المراهقة" (ضوضائية وغير مثالية).
- التفوق على الأساسيات: وجد الحاسوب الكمومي باستمرار حلولاً أفضل من نقطة البداية البسيطة ("Lazy Greedy").
- منافسة الحواسيب الفائقة: في بعض الألغاز الصعبة للغاية، وجد الحاسوب الكمومي حلولاً أفضل قليلاً مما وجده أفضل برنامج حل كلاسيكي (Gurobi)، حتى بعد أن عمل برنامج Gurobi لأكثر من ساعة.
- العقبة: لم يفز الحاسوب الكمومي في كل مرة. بسبب الضجيج في الأجهزة، أحياناً كانت "الحقيبة" تنهار (يصبح الحل غير صالح). ومع ذلك، عندما نجح الأمر، فقد نجح بشكل جيد جداً.
لماذا يهم هذا الأمر؟
تعتبر هذه الورقة البحثية علامة فارقة لثلاثة أسباب:
- النطاق: حلت مشكلة تحتوي على 150 متغيراً على أجهزة حقيقية. كانت المحاولات السابقة عادةً محدودة بمشكلات صغيرة جداً (مثل 20-30 عنصراً).
- العملية: أظهرت أنك لست بحاجة إلى حاسوب كمومي مثالي وخالٍ من الأخطاء للقيام بعمل مفيد. من خلال استخدام الطرق "المنحازة"، يمكنك الحصول على نتائج جيدة حتى مع الآلات غير المثالية.
- التطبيق في العالم الحقيقي: أثبتت أن الخوارزميات الكمومية يمكنها معالجة مشا مشاكل الطاقة في العالم الحقيقي (الالتزام بالوحدات)، وليس فقط الألغاز الرياضية النظرية.
الخلاصة
فكر في هذا البحث على أنه المرة الأولى التي يتمكن فيها حاسوب كمومي بنجاح من مساعدة إنسان في حزم حقيبة سفر كبيرة ومعقدة لرحلة ما. لم يحزمها بشكل مثالي في كل مرة، وكان يحتاج إلى القليل من المساعدة من حاسوب كلاسيكي للبدء. لكنه وجد طريقة لحزمها بشكل أفضل مما يستطيع الإنسان فعله بمفرده، وفعل ذلك على آلة لا تزال تتعلم كيف تمشي.
هذا يشير إلى أنه في المستقبل القريب، يمكن للحواسيب الكمومية أن تصبح أدوات أساسية للحفاظ على كفاءة شبكات الطاقة لدينا وخفض فواتير الطاقة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.