⚛️ quantum physics

Two-Gate Extensions of Free Axis and Free Quaternion Selection for Sequential Optimization of Parameterized Quantum Circuits

تقدم هذه الورقة بحث "Two-Gate Fraxis" (TGF) و"Two-Gate FQS" (TGFQS)، اللذين يوسعان المحسنات المتسلسلة الحالية عبر تحديث بوابتين أحاديتي الكيوبت في آن واحد من خلال دالة تكلفة رباعية دقيقة، مما يظهر تحسناً في التقارب نحو الحالات الأرضية وانخفاضاً في عدم الدقة في مهام كمومية متنوعة رغم زيادة عبء القياس.

المؤلفون الأصليون: Joona V. Pankkonen

نُشر 2026-03-30

📖 4 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Joona V. Pankkonen

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 ضبط راديو ضخم ومعقد للعثور على محطة واحدة مثالية وسط بحر من الضجيج. هذا الراديو يحتوي على مئات المفاتيح (البوابات الكمومية)، وهدفك هو ضبط كل مفتاح بدقة لتخرج الموسيقى (حل المشكلة) بوضوح.

هذا هو تحدي الخوارزميات الكمومية التباينية (VQAs). لديك دائرة كمومية (الراديو) بها مئات الأزرار القابلة للضبط. تحتاج إلى إيجاد المزيج المثالي من الإعدادات للحصول على أفضل نتيجة، مثل العثور على أدنى حالة طاقة لجزيء ما أو الحالة الأرضية لمادة مغناطيسية.

الطريقة القديمة: ضبط مفتاح واحد في كل مرة

لفترة طويلة، كانت الطريقة القياسية لضبط هذه الراديوهات هي التحسين المتسلسل. فكر في هذا الأمر كفريق من الميكانيكيين حيث يُسمح لـ ميكانيكي واحد فقط بلمس مفتاح واحد فقط في كل مرة.

كانت هناك طريقتان شائعتان تُسميان Fraxis و FQS.

كيف كانتا تعملان: يقوم الميكانيكي بتجميد كل المفاتيح الأخرى، ثم يعبث بمفتاح واحد فقط، ويقيس النتيجة، ثم ينتقل إلى المفتاح التالي.
الرياضيات: نظرًا لأنهم كانوا يغيرون شيئًا واحدًا فقط في كل مرة، كانت الرياضيات بسيطة نسبيًا (مثل حل معادلة تربيعية). كان بإمكانهم العثور على الإعداد المثالي لذلك المفتاح الواحد بسرعة كبيرة من خلال النظر إلى خريطة بسيطة.
المشكلة: إذا كان لديك 100 مفتاح، فعليك زيارتها واحدًا تلو الآخر، مرارًا وتكرارًا. هذا الأمر بطيء، وأحيانًا قد تعلق في "وادي محلي" — وهو مكان يبدو وكأنه قاع تلة، لكنه ليس القاع الحقيقي للجبل.

الفكرة الجديدة: ميكانيكيان، ومفتاحان

اقترح مؤلفو هذه الورقة البحثية، جونا بانكونين، استراتيجية جريئة: ماذا لو تمكن ميكانيكيان من ضبط مفتاحين في نفس الوقت؟

لقد قدموا طريقتين جديدتين: TGF (طريقة Fraxis ذات البوابتين) و TGFQS (طريقة FQS ذات البوابتين).

بدلاً من النظر إلى مفتاح واحد بمعزل عن غيره، هم ينظرون إلى أزواج من المفاتيح.

التشبيه: تخيل أنك تحاول موازنة صينية عليها طبقان ثقيلان. إذا قمت بتعديل يدك اليسرى فقط، فقد تميل الصينية. وإذا قمت بتعديل يدك اليمنى فقط، فقد تميل في الاتجاه الآخر. ولكن إذا قمت بالتنسيق بين يديك لتحريك كلتا اليدين في آن واحد، فيمكنك العثور على التوازن المثالي بشكل أسريد بكثير.
الرياضيات: هذا أصعب. عندما تحرك مفتاحين معًا، لا تصبح العلاقة بين الإعدادات والنتيجة مجرد منحنى بسيط؛ بل تصبح مشهدًا معقدًا ومتعرجًا رباعي الأبعاد (دالة "quartic"). لا يمكنك مجرد النظر إلى خريطة بسيطة؛ بل تحتاج إلى نظام تحديد مواقع متطور (محسن حاسوبي كلاسيكي) للتنقل في هذا التضاريس الوعرة.

السر: كيف تزاوج بين المفاتيح؟

أدرك الباحثون أن مجرد اختيار أي مفتاحين لضبطهما معًا ليس كافيًا. يجب أن تكون ذكيًا بشأن أي المفاتيح تزاوج. لقد اختبروا أربع استراتيجيات:

الخطي (Linear): إقران الجيران (المفتاح 1 مع 2، 3 مع 4).
المتقابل (Opposite): إقران الأول بالأخير (المفتاح 1 مع 100).
العشوائي (Random): اختيار مفتاحين عشوائيًا.
الإزاحة النصفية (Half-Shifted): إقران المفتاح 1 مع المفتاح 51، والمفتاح 2 مع 52، وهكذا.

المفاجأة: استراتيجيات "العشوائي" و"الإزاحة النصفية" كانت الأفضل! اتضح أن إقران المفات keys التي تفصل بينها مسافات بعيدة أو المختارة عشوائيًا يساعد النظام على الهروب من تلك "الأودية المحلية" والوصول إلى الحل الأمثل العالمي بشكل أسرع بكثير.

المقايضة: عمل أكثر لنتائج أفضل

هناك عقبة. ضبط مفتاحين في وقت واحد يتطلب المزيد من القياسات.

الطريقة القديمة: لضبط مفتاح واحد، كنت تحتاج إلى حوالي 6 إلى 10 قياسات.
الطريقة الجديدة: لضبط زوج من المفاتيح، تحتاج إلى حوالي 36 إلى 100 قياس.

الأمر يشبه أن الطريقة الجديدة تتطلب من الميكانيكيين التقاط المزيد من الصور لإعدادات المفاتيح قبل اتخاذ قرار بشأن كيفية تدويرها. ومع ذلك، تظهر الورقة البحثية أن هذا الجهد الإضافي يؤتي ثماره. فعلى الرغم من أنهم يجرون المزيد من القياسات في كل خطوة، إلا أنهم يصلون إلى الحل المثالي بخطوات إجمالية أقل بكثير. في العديد من الاختبارات (مثل محاكاة الجزيئات أو المواد المغناطيسية)، وجدت الطريقة الجديدة إجابة أكثر دقة من الطريقة القديمة، حيث قللت الخطأ أحيانًا بنسبة تقترب من 100%.

اختبارات من العالم الحقيقي

اختبر الفريق ذلك على:

نموذج فيرمي-هوبارد (Fermi-Hubbard Model): محاكاة كيفية تنقل الإلكترونات في شبكة (مثل لعبة الكراسي الموسيقية للإلكترونات).
نموذج آيزينج (Ising Model): محاكاة المواد المغناطيسية.
الجزيئات: حساب طاقة هيدريد الليثيوم وهيدريد البيريليوم (أمور مهمة في الكيمياء).
إعداد الحالة (State Preparation): محاولة إنشاء حالة كمومية محددة من الصفر.

في كل حالة تقريبًا، فازت طرق "البوابتين" (TGF و TGFQS) مع استراتيجية الإقران الصحيحة (العشوائية أو الإزاحة النصفية) في السباق. لقد وجدوا "المحطة المثالية" بشكل أسرع وبضجيج أقل (خطأ أقل) من طرق "المفتاح الواحد في كل مرة" القديمة.

الخلاصة

تتعلق هذه الورقة البحثية بترقية عملية "الضبط" للحواسيب الكمومية. من خلال السماح بتحسين معاملين في وقت واحد وبالذكاء في اختيار كيفية إقرانهما، يمكننا حل المشكلات الكمومية المعقدة بدقة أكبر. الأمر يشبه إدراك أنه بينما قد يكون ضبط وتر واحد في الجيتار أمرًا جيدًا، فإن ضبط وترين معًا في تناغم يوصلك إلى النغمة الصحيحة بشكل أسرع بكثير، حتى لو استغرق الأمر بضع دقائق إضافية لمعرفة اللفة المثالية لكل منهما.

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "امتدادات البوابتين لاختيار المحور الحر والرباعي الحر (Quaternion) من أجل التحسين المتسلسل للدوائر الكمومية ذات المعالم".

1. بيان المشكلة

تعتمد الخوارزميات الكمومية التباينية (VQAs) على الدوائر الكمومية ذات المعالم (PQCs) التي يتم تحسينها عبر حلقات هجينة (كمومية-كلاسيكية). وتتمثل إحدى العقبات الرئيسية في تحسين الـ PQC في مشكلة الهضاب القاحلة (Barren Plateau)، حيث تتلاشى التدرجات بشكل أسي مع زيادة عدد الكيوبتات، مما يجعل التدريب صعباً. بالإضافة إلى ذلك، فإن الطبيعة الصعبة (NP-hard) لتحسين الدوائر الكبيرة وارتفاع تكلفة القياس (ضجيج العينات/shot noise) يفرضان تحديات كبيرة.

تعالج المحسنات المتسلسلة الحالية، مثل اختيار المحور الحر (Fraxis) واختيار الرباعي الحر (FQS)، هذه المشكلات عن طريق تحسين بوابة واحدة أحادية الكيوبت في كل مرة. وهي تقوم ببناء دالة تكلفة محلية تربيعية بناءً على تقييمات الدائرة وحلها تحليلياً عبر قطبية المصفوفة (matrix diagonalization). ومع ذلك، تعامل هذه الطرق البوابات بشكل مستقل، مما قد يؤدي إلى تفويت الارتباطات بين المعالم التي يمكن أن تسرع التقارب أو تساعد في الهروب من النهايات الصغرى المحلية.

2. المنهجية

يقترح المؤلفون الامتداد ثنائي البوابة لـ Fraxis (المسمى TGF) والامتداد ثنائي البوابة لـ FQS (المسمى TGFQS)، واللذان يمددان إطار التحسين المتسلسل لتحديث بوابتين من البوابات الأحادية الكيوبت في آن واحد.

الصيغة الرياضية الجوهرية

دالة التكلفة التكعيبية الرابعة (Quartic): على عكس دوال التكلفة التربيعية للمحسنات أحادية البوابة، فإن تحسين بوابتين ( $R_d$ $R_{d}$ و $R_k$ $R_{k}$ ) في وقت واحد ينتج عنه دالة تكلفة محلية تكعيبية رابعة (quartic).
- بالنسبة لـ FQS، يتم تمثيل البوابات عبر كواتيرنونات (quaternions) موحدة ( $q \in \mathbb{R}^4$ ). تصبح دالة التكلفة متعددة حدود من الدرجة الرابعة بالنسبة لمكونات الكواتيرنونين ( $q_d, q_k$ ).
- بالنسبة لـ Fraxis، يكون زاوية الدوران ثابتة ( $\theta = \pi$ )، مما يقلل المشكلة إلى تحسين محورَي دوران، وهي حالة خاصة من TGFQS.
بناء المعاملات الدقيق: اشتق المؤلفون طريقة دقيقة لبناء دالة التكلفة التكعيبية الرابعة هذه باستخدام تقييمات الدائرة. وقد حددوا مجموعة من المعاملات ( $A_{\mu\nu\alpha\beta}$ $A_{μν α β}$ ) المستمدة من القيم المتوقعة للهاملتوني (Hamiltonian). وباستخدام متطابقات الاستقطاب (على غرار المستخدمة في طرق البوابة الواحدة)، قاموا بالتعبير عن هذه المعاملات عبر تركيبات خطية من تقييمات الدائرة مع إدراج مؤثرات محددة.
- يتطلب TGFQS إجراء 100 تقييم للدائرة لتحديث زوج من البوابات (بمتوسط 50 لكل بوابة).
- يتطلب TGF إجراء 36 تقييماً للدائرة لتحديث زوج (بمتوسط 18 لكل بوابة).
التحسين الكلاسيكي: بما أن دالة التكلفة هي من الدرجة الرابعة، فإن الحل التحليلي المغلق (مثل تفكيك القيم الذاتية) غير متاح بشكل عام. لذا استخدم المؤلفون محسنات كلاسيكية مقيدة (تحديداً SLSQP) لإيجاد الكواتيرنونات المثلى مع مراعاة قيد الوحدة ( $|q|=1$ ).

استراتيجيات إقران البوابات

يعد كيفية إقران البوابات للتحسين المتزامن مكوناً حاسماً. تبحث الورقة في أربع استراتيجيات:

الخطي (Linear): بوابات متجاورة $(1,2), (3,4), \dots$
العشوائي (Random): أزواج تم تبديل ترتيبها عشوائياً.
المتقابل (Opposite): بوابات في نهايات متقابلة من الدائرة $(1, D), (2, D-1), \dots$
الإزاحة النصفية (Half-Shifted): بوابات تفصلها نصف عمق الدائرة $(1, D/2+1), \dots$

3. المساهمات الرئيسية

التوسيع الخوارزمي: أول امتداد لـ Fraxis و FQS للتحسين المتزامن لبوابتين، مما يحول مشكلة التحسين المحلي من تربيعية إلى تكعيبية رابعة.
اشتقاق دالة التكلفة الدقيقة: اشتقاق دقيق لمعاملات دالة التكلفة التكعيبية الرابعة باستخدام القيم المتوقعة فقط، وتجنب الحاجة إلى التصوير المقطعي الكامل للحالة (state tomography).
تحليل استراتيجية الإقران: دراسة منهجية توضح أن اختيار استراتيجية إقران البوابات يؤثر بشكل كبير على التقارب، حيث تفوقت استراتيجيات العشوائي (Random) والإزاحة النصفية (Half-Shifted) عموماً على الإقران الخطي والمتقابل.
التحقق التجريبي: اختبار شامل عبر مهام متنوعة (نماذج السبين، هاملتونيات جزيئية، وإعداد الحالة) تحت ظروف خالية من الضجيج وظروف العينات المحدودة (finite-shot).

4. النتائج

تم اختبار الطرق على نموذج Fermi-Hubbard، ونموذج Ising في المجال المستعرض (TFIM)، وهاملتونيات جزيئية مثل LiH و BeH2، ومهمة إعداد الحالة الكمومية.

تحسين الأداء: حققت طرق TGF و TGFQS باستمرار أخطاء نسبية نهائية أقل (أقرب إلى طاقة الحالة الأرضية) وعدم تطابق (infidelity) أقل مقارنة بنظيراتها أحادية البوابة (Fraxis و FQS).
- في نموذج Fermi-Hubbard، قللت طرق TGF/TGFQS مع الإقران العشوائي الخطأ النسبي بعدة مراتب مقارنة بـ Fraxis.
- في الهاملتونيات الجزيئية (LiH, BeH2)، حققت طرق البوابتين تقارباً أفضل بكثير رغم ارتفاع تكلفة القياس.
تأثير إقران البوابات:
- كانت عمليات الإقران العشوائية (Random) والإزاحة النصفية (Half-Shifted) هي الأكثر فعالية في معظم الاختبارات.
- غالباً ما كان الإقران الخطي (Linear) والمتقابل (Opposite) يؤدي بشكل مشابه أو أفضل قليلاً فقط من الخط المرجعي أحادي البوابة، مما يشير إلى أن الارتباط المكاني للبوابات أقل أهمية من تنوع الإقران.
المتانة تجاه العينات المحدودة (Finite-Shot Robustness): في التجارب التي تحاكي دقة القياس المحدودة (4k, 8k, 16k shots)، تم الحفاظ على ميزة TGF/TGFQS (خاصة مع استراتيجيات Random/Half-Shifted)، لا سيما في الدوائر الضحلة ( $L=2$ ). ومع ذلك، أظهرت TGFQS حساسية أعلى لضجيج العينات مقارنة بـ TGF.
المقارنة مع الطرق القائمة على التدرج: عند مقارنتها بمحسن Adam (باستخدام قواعد إزاحة المعالم) المعدل ليتناسب مع عدد التقييمات المتساوي، حققت TGF و TGFQS مع استراتيجيات الإقران المثلى تقارباً فائقاً وأخطاء نهائية أقل.

5. الأهمية والمقايضات

المقايضة (Trade-off): التكلفة الأساسية لـ TGF/TGFQS هي عبء القياس. يتطلب تحديث بوابتين إجراء المزيد من تقييمات الدائرة (18 ضعفاً لـ TGF، و50 ضعفاً لـ TGFQS لكل بوابة) مقارنة بتحديثات البوابة الواحدة (6 أضعاف لـ Fraxis، و10 أضعاف لـ FQS).
التخفيف (Mitigation): يشير المؤلفون إلى أن تقييمات الدائرة المطلوبة مستقلة متبادلاً، مما يعني أنه يمكن تنفيذها بالتوازي عبر أجهزة كمومية متعددة أو دفعات (shots) متعددة، مما قد يخفف من عقبة "وقت التنفيذ الفعلي" (wall-clock time).
الاستنتاج الضمني: تشير النتائج إلى أن التحسين المحلي متعدد المعالم هو استراتيجية قوية لـ VQAs. فمن خلال التقاط الارتباطات بين البوابات، يمكن لهذه الطرق التنقل في مشهد التحسين بشكل أكثر فعالية من التحديثات المتسلسلة أحادية البوابة، مما يوفر مساراً واعداً للتخفيف من الهضاب القاحلة وتحسين تقدير الحالة الأرضية في أجهزة NISQ، بشر_ط أن يمكن إدارة عبء القياس.

الخاتمة

تثبت هذه الورقة أن توسيع المحسنات المتسلسلة لتحديث بوابتين في آن واحد يؤدي إلى مكاسب كبيرة في جودة الحل. ورغم أن تكلفة القياس أعلى، إلا أن القدرة على إيجاد حلول مثلى أفضل بعدد أقل من التكرارات (من حيث تحديثات البوابات) وإمكانية التنفيذ المتوازي تجعل من TGF و TGFQS مرشحين واعدين لتحسين الدوائر الكمومية المعقدة ذات المعالم. يمكن للعمل المستقبلي استكشاف التوسع إلى تحديث $m$ من البوابات أو تطوير استراتيجيات تقريبية لتقليل التوسع الأسي في حدود القياس.