Quantum and classical processing with photonic quantum machine learning
تقدم هذه الورقة شريحة فوتونية سيليكونية قابلة للبرمجة وقابلة للتوسع، تستخدم الفوتونات المفردة لأداء مهام التعلم الآلي الكمي والكلاسيكي، مما يظهر دقة فائقة في التصوير المقطعي للحالة الكمية وقياس التشابك من خلال استراتيجية مبتكرة للتخفيف من العيوب التجريبية.
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 صندوقاً معقداً وغامضاً (حالة كمومية) تحتاج إلى فهم ما بداخله. في عالم الحواسيب التقليدية، يشبه اكتشاف ما بداخل هذا الصندوق محاولة حل لغز "أحجية الصور المقطوعة" (jigsaw puzzle) ضخم، حيث يتعين عليك النظر إلى القطع من كل زاوية ممكنة. يتطلب الأمر وقتاً هائلاً وقوة حوسبة كبيرة، مما يجعل الأمر مستحيلاً على الحواسيب العادية للقيام به بسرعة.
تقدم هذه الورقة البحثية طريقة جديدة لحل هذا اللغز باستخدام "آلة كمومية" خاصة مبنية على شريحة سيليكون صغيرة، تشبه تلك الموجودة في هاتفك ولكنها مصممة للتعامل مع جزيئات الضوء (الفوتونات) بدلاً من الكهرباء.
إليك تفصيل لما قام به الباحثون، باستخدام تشبيهات بسيطة:
1. "الصندوق الأسود" مقابل "الخلاط السحري"
عادةً، لفهم حالة كمومية، يتعين على العلماء قياسها مراراً وتكراراً بطرق مختلفة (أسس مختلفة) للحصول على صورة كاملة. هذا يشبه محاولة معرفة طعم "سموذي" عن طريق تذوقه فقط عبر قشة تسمح لك بتذوق التوت الأحمر فقط، ثم التوت الأزرق، ثم الأخضر، واحداً تلو الآخر. إنها عملية بطيئة ومملة.
قام الفريق ببناء معالج خزان كمومي (Quantum Reservoir Processor). فكر في هذا كأنه "خلاط سحري":
- المدخلات: تصب "السموذي الكمومي" الغامض الخاص بك (الحالة المدخلة) في الخلاط.
- الخلاط: داخل الشريحة، يرتد الضوء عبر متاهة معقدة من المرايا والقنوات الموجية (الخزان). يقوم هذا بخلط المعلومات بطريقة معينة وغير خطية، مما يمزج جميع النكهات معاً.
- المخرجات: بدلاً من تذوق السموذي قطعة قطعة، تقوم الآلة بعدّ عدد قطرات السائل الخارجة بالضبط من فتحات مختلفة (وهذا ما يسمى "كشف عدد الفوتونات" - Photon-Number-Resolving detection).
- النتيجة: ينظر برنامج حاسوبي (شبكة عصبية) إلى نمط القطرات الخارجة ويكتشف فوراً مما كان يتكون السموذي الأصلي.
2. نوعان من المهام
أظهر الباحثون أن هذه الشريحة يمكنها القيام بمهمتين مختلفتين:
المهمة أ: المحقق الكمومي (المهام الكمومية)
استخدموا الشريحة لإجراء توموغرافيا الحالة الكمومية (Quantum State Tomography).
- التشبيه: تخيل أن لديك رمزاً سرياً مكتوباً بحبر سري. الكاميرا العادية لا تستطيع رؤيته. ولكن إذا سلطت عليه ضوءاً معيناً ومعقداً، فإن الرمز يعكس نمطاً يمكن للحاسوب قراءته.
- الإنجاز: نجحوا في إعادة بناء "الخريطة" الكاملة (مصفوفة الكثافة) لحالة كمومية معقدة باستخدام إعداد واحد فقط ثابت على شريحتهم. تتطلب الطرق التقليدية عدداً أكبر من القياسات بشكل أسي (مثل التقاط صورة من ملايين الزوايا المختلفة). كما قاموا بقياس خصائص صعبة مثل "التشابك" (مدى اتصال جسيمين ببعضهما) و"النقاء" (مدى فوضوية الحالة) مباشرة من هذا القياس الواحد.
المهمة ب: مُميز الأنماط (المهام الكلاسيكية)
استخدموا الشريحة أيضاً لحل مسألة رياضية قياسية: التمييز بين لولبين متشابكين (اختبار كلاسيكي للذكاء الاصطناعي).
- التشبيه: تخيل محاولة تعليم روبوت رسم شكل لولبي. عادةً، يتعين عليك إظهار آلاف الأمثلة المثالية له. لكن في العالم الحقيقي، تهتز يدك، وتصبح الخطوط متعرجة.
- الإنجاز: علم الباحثون النظام أن يتوقع "الخطوط المتعرجة" (الأخطاء التجريبية) أثناء التعلم. ومن خلال محاكاة هذه العيوب أثناء التدريب، أصبح النظام قوياً للغاية لدرجة أنه أدى أداءً أفضل من حاسوب كلاسيكي مثالي ومثالي نظرياً. لقد تعلم تجاهل الضجيج وإيجاد النمط الحقيقي.
3. لماذا هذا مهم؟
تدعي الورقة البحثية أن هذا يمثل طفرة لأن:
- السرعة والكفاءة: إنه يحل مشاكل كمومية تكون عادةً صعبة جداً على الحواسيب الكلاسيكية عن طريق استخدام الفيزياء الطبيعية للضوء، بدلاً من محاولة محاكاتها برمجياً.
- القابلية للتوسع: الشريحة مصنوعة من السيليكون، وهو نفس المادة المستخدمة في جميع إلكترونياتنا، مما يعني إمكانية إنتاجها بكميات كبيرة وتكبير حجمها.
- إثبات واقعي: على عكس العديد من التجارب الكمومية التي تعمل فقط في عمليات المحاكاة المثالية، قام هذا الفريق ببناء الجهاز الفعلي، وأجرى التجارب، وأثبت أنه يعمل حتى مع وجود العيوب الواقعية.
ملخص
باخت-صار، بنى الباحثون "دماغاً" صغيراً يعمل بالطاقة الضوئية، يمكنه النظر إلى جسم كمومي معقد وإخبارك فوراً ماهيته، دون الحاجة إلى تمزيقه أو النظر إليه من مليون زاوية. كما أثبتوا أنه من خلال تدريب هذا الدماغ على توقع الفوضى في العالم الحقيقي، يمكنه حل المشكلات بشكل أفضل مما يمكن لأي حاسوب نظري مثالي القيام به. هذا يفتح الباب لاستخدام الآلات الكمومية للمهام العملية الآن، بدلاً من الانتظار لمستقبل بعيد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.