ملخص تقني: AQKA: الاستحواذ النشط على النواة الكمومية تحت ميزانية عدد الضربات (Shot Budget)

1. بيان المشكلة

تعد طرق النواة الكمومية (Quantum kernel methods)، التي تقوم بخرائط المدخلات الكلاسيكية إلى فضاء ميزات كمومي لحساب التماثلات $K(x_i, x_j) = |\langle \phi(x_j)|\phi(x_i)\rangle|^2$، من بين أعباء العمل الأكثر سهولة في الوصول إليها على الأجهزة الكمومية ذات المقياس المتوسط المشوبة بالضجيج (NISQ). ومع ذلك، فإن نشرها العملي يواجه عقبة تتمثل في تكاليف القياس. يتطلب تقدير مصفوفة نواة بحجم $N \times N$ تنفيذ $\Theta(N^2 S)$ من الدوائر (الضربات/shots)، حيث $S$ هو عدد الضربات لكل مدخل لتحقيق دقة معينة. في الأجهزة الحالية، حيث تتراوح زمن تأخير الدوائر من ميلي ثانية إلى ثوانٍ، يحد هذا التوسع من أحجام المشكلات القابلة للنشر لتكون في حدود المئات القليلة.

تعالج استراتيجيات توفير الميزانية الموجودة حاليًا (مثل Nyström-QKE، وShoFaR، ومحاذاة النواة مع الهدف) هذه المشكلة من خلال أخذ عينات فرعية من المدخلات التي يتم قياسها (على سبيل المثال، اختيار أعمدة معلمية أو نقاط تدريب). ومع ذلك، فإن هذه الطرق عادة ما تخصص ميزانية الضربات بشكل موحد ضمن مجموعاتها المختارة. وهي تفشل في مراعاة عدم التجانس في مدى مساهمة كل مدخل نواة محدد في الأداء النهائي للمصنف. السؤال الجوهري الذي لم يُجب عليه بعد هو: بالنظر إلى ميزانية ضربات ثابتة $B$، كيف ينبغي تخصيص الضربات على مستوى الزوج لتقليل الخسارة في المهمة النهائية؟

2. المنهجية: AQKA

يصيغ المؤلفون عملية تعلم النواة الكمومية بميزانية ضربات كمسألة تحسين تقلل من الخسارة المتوقعة $\mathbb{E}[L(\hat{K})]$ مع مراعاة قيد إجمالي ميزانية الضربات $\sum s_{ij} \leq B$.

الاشتقاق النظري

باستخدام تحليل الدرجة الأولى (طريقة دلتا) بالتزامن مع شروط كاروش-كون-تاكر (KKT)، يشتق المؤلفون قاعدة تخصيص مثلى مغلقة الشكل. بالنسبة لمدخل النواة $K_{ij}$ الذي يتم تقديره بـ $s_{ij}$ من الضربات، فإن التباين هو $K_{ij}(1-K_{ij})/s_{ij}$. التخصيص الأمثل $s^*_{ij}$ الذي يقلل تباين مقدر الخسارة يتناسب طرديًا مع حساسية الخسارة لهذا المدخل:
$$s^*_{ij} \propto |g_{ij}| \sqrt{K_{ij}(1-K_{ij})}$$
حيث $g_{ij} = \partial L / \partial K_{ij}$ هو تدرج الخسارة بالنسبة لمدخل النواة.

• بالنسبة لانحدار النواة الكريج (KRR): يتم اشتقاق التدرج صراحة كـ $g_{ij} = -2\lambda^2(\beta_i \alpha_j + \beta_j \alpha_i)$، حيث $\alpha = (K+\lambda I)^{-1}y$ و $\beta = (K+\lambda I)^{-1}\alpha$.
• بالنسبة لآلات ناقلات الدعم (SVM): باستخدام نظرية الغلاف (نظرية دانسكين)، يتم اشتقاق التدرج كـ $g_{ij} = -y_i y_j \eta^*_i \eta^*_j$، حيث $\eta^*$ هي متغيرات الثنائية المثلى.

التنفيذ الخوارزمي

يقترح المؤلفون خوارزمية AQKA (الاستحواذ النشط على النواة الكمومية)، وهي خوارزمية قابلة للنشر تعمل في جولات:

1. الإحماء (Warm-up): يتم إنفاق جزء صغير من الميزانية ($\eta_w B$) بشكل موحد لإنشاء تقدير أولي للنواة $\hat{K}$.
2. تقدير الحساسية: تحل الخوارزمية مسألة KRR (أو SVM) على $\hat{K}$ لحساب درجات الحساسية القائمة على التدرج $g_{ij}$.
3. تعبئة الهدف (Target-Fill Allocation): بدلاً من أخذ عينات الضربات من توزيع متعدد الحدود (والذي قد يؤدي إلى حرمان الأزواج ذات الحساسية المنخفضة بسبب الطفرات العشوائية)، تستخدم AQKA نهج "تعبئة الهدف" الحتمي. فهي تحسب عدد الضربات المستهدف $s^*_{ij}$ وتضيف الفرق $\max(0, s^*_{ij} - s_{ij})$ إلى كل زوج.
4. الاستكشاف: يتم إضافة جزء استكشاف صغير ($\eta_e B$) بشكل موحد لمنع الخوارزمية من تجاهل الأزواج تمامًا التي قد تصبح مهمة بسبب التأثيرات من الرتب العليا أو ضجيج التقدير.

3. المساهمات الرئيسية

1. التفكيك الكامل للنطاقات

يوفر البحث توصيفًا مبدئيًا لمتى تكون استراتيجيات التخصي different optimal:

• تتفوق AQKA في النطاق المحدود بالميزانية ($B \lesssim 16 n_{pairs}$) في مهام KRR ذات الحساسية المتفرقة.
• تتفوق Nyström-QKE (إعادة البناء منخفض الرتبة) عند الميزانيات المشبعة في البيانات ذات التشتت المزروع، حيث يمكن استعادة الهيكل منخفض الرتبة بالكامل.
• أساليب نمط ShoFaR تنافسية فقط في نطاقات الميزانية المنخفضة للغاية.

2. نظرية الاستحواذ على مستوى الزوج مغلقة الشكل

• تخصيص KKT الأمثل: اشتقاق التدرج مغلق الشكل $g_{ij}$ لـ KRR و SVM تحت ضجيج الضربات.
• حدود مصححة واعية بالتشتت: يشتق المؤلفون حد كوشي-شفارتز لنسبة تقليل التباين القابلة للتحقيق $\rho$. لقد قاموا بتصحيح مقياس $\Theta(m^2/N^2)$ الساذج (بافتراض أن $g$ مدعوم على $S \times S$) إلى مقياس أكثر دقة $\Theta(m/N)$ (حيث $\rho \leq 2m/N$ لـ KRR). يعكس هذا حقيقة هيكلية مفادها أنه حتى لو كان متجه الحل $\alpha$ متفرقًا، فإن متجه الحساسية $\beta = (K+\lambda I)^{-1}\alpha$ هو كثيف بشكل عام، مما يعني أن أي زوج يلمس مجموعة الدعم له حساسية غير صفرية.
• حدود الندم (Regret Bounds): تم تقديم حد ندم صريح للمدخلات (plug-in regret bound)، يوضح أن الخطأ يتقارب نحو الأمثل الأوراكل (oracle optimum) مع زيادة ميزانية الإحماء.

3. خوارزمية تعبئة الهدف القابلة للنشر

يُظهر البحث أن مخطط تعبئة الهدف الحتمي يتفوق على أخذ العينات متعدد الحدود الطبيعي، خاصة في النطاق المحدود بالميزانية. يميل أخذ العينات متعدد الحدود إلى التركيز بشدة على عدد قليل من الأزواج ذات الدرجات العالية، مما يحرم غيرها ويضخم الضجيج في عملية عكس المصفوفة؛ بينما تحافظ "تعبئة الهدف" على حد أدنى من التغطية.

4. أول عرض مباشر متعدد البذور للتكيف عبر الإنترنت على الأجهزة الكمومية

يسجل المؤلفون أول عرض منشور للتخصيص التكيفي للضربات عبر الإنترنت على أجهزة IBM من فئة Heron بسعة 156 كيوبت.

• IBM Aachen (N=20): زيادة قدرها +17.0 ± 4.8 نقطة مئوية عن التخصيص الموحد (بدلالة 3.5$\sigma$).
• IBM Berlin (N=30): زيادة قدرها +14.0 ± 8.5 نقطة مئوية عند ميزانيات أعلى.

4. النتائج التجريبية

الإعدادات الاصطناعية والمحاكاة

• KRR ذو التشتت المزروع: في البيانات الاصطناعية ذات متجهات الحل المتفرقة، تحقق AQKA (تعبئة الهدف مع الحساسية المقدرة) زيادة قدرها +8 إلى +25 نقطة مئوية عن التخصيص الموحد مع توسع $N$ من 225 إلى 1000.
• النواة الكمومية عديمة الضجيج: تنتقل المكاسب إلى محاكاة 4-qubit ZZFeatureMap عديمة الضجيج، حيث تظهر زيادة قدرها +13 إلى +18 نقطة عن التخصيص الموحد.
• تجربة إعادة أخذ العينات للأجهزة: باستخدام نواة تم قياسها على IBM Pittsburgh (156 كيوبت وإعادة أخذ العينات مع ضجيج الضربات، تحقق AQKA زيادة قدرها +26.3 ± 6.1 نقطة عند $B = n_{pairs}$ و +31.9 ± 7.2 نقطة عند $B = 4n_{pairs}$ مقارنة بالتخصيص الموحد.

اختبارات البيانات الحقيقية

• سرطان الثدي (متجه $\alpha$ كثيف): في مجموعة بيانات حقيقية حيث يكون متجه الحل كثيفًا (وليس متفرقًا)، لا تهيمن AQKA بشكل موحد. إنها تنافسية ولكنها تظهر أداءً يعتمد على النطاق، مما يسلط الضوء على أن ميزة الطريقة تعتمد على عدم تجانس الحساسية العالية على مستوى الزوج.
• SVM مقابل KRR: يشير البحث إلى أنه بينما يمتد الإطار النظري إلى SVM، فإن نسخة الـ "plug-in" أكثر هشاشة بسبب عدم استقرار مجموعة الدعم تحت ظروف الإحماء الضوضائية. في النطاقات الصغيرة (Small-N) وظروف الإحماء الضوضائية، يمكن أن تؤدي AQKA لـ SVM إلى أداء أقل من التخصيص الموحد، بينما تظل نسخة KRR قوية.

5. الأهمية والادعاءات

يدعي البحث سد الفجوة بين تحسين ميزانية الضربات نظريًا وبين النشر العملي على أجهزة NISQ. تكمن أهميته الأساسية في:

1. تجاوز التخصيص الموحد: إثبات أن تخصيص الضربات غير الموحد، الواعي بالحساسية، أمر بالغ الأهمية لتعلم النواة الكمومية القريب من الواقع، خاصة عندما تكون الميزانيات ضيقة.
2. التحقق من الأجهزة: تقديم أول تحقق عبر الإنترنت مباشر ومتعدد البذور لاستراتيجية تخصيص الضربات التكيفية على أجهزة كمومية حقيقية، مما يثبت أن المكاسب النظرية تصمد أمام ضجيج الجهاز وانحراف المعايرة.
3. الوعي بالنطاق: إثبات أنه لا توجد طريقة واحدة متفوقة عالميًا؛ حيث تم تصميم AQKA خصيصًا لنطاق الحساسية المتفرقة والمحدود بالميزانية، وهو النطاق ذو الصلة التشغيلية للأجهزة الحالية.

يتسم المؤلفون بالتواضع في ادعاءاتهم، حيث يقرون بأنه بالنسبة للمشكلات ذات الحساسية الكثيفة أو الميزانيات المشبعة، قد تكون الطرق الأخرى (مثل Nyström) أو التخصيص الموحد مفضلة. كما يحددون ضجيج الـ "plug-in" لـ SVM كقصور حالي يتطلب عملاً مستقبلياً (مثل الاستحواذ المستقر على الهامش/margin-stabilized acquisition).