Quantum Feature Amplification Network (QFAN) as An Autoregressive Quantum Generative Model

ملخص تقني: شبكة تضخيم الميزات الكمومية (QFAN) كنموذج توليدي كمومي ذاتي الانحدار

بيان المشكلة
تعد محاكاة زخات الكالوريمتر (calorimeter showers) في الفيزياء عالية الطاقة (HEP) عملية مكثفة حاسوبياً، حيث تستهلك محاكاة Geant4 موارد هائلة في عصر مصادم الهادرونات الكبير عالي اللمعان (HL-LHC). وبينما توفر الشبكات التوليدية العميقة الكلاسيكية تسريعاً في الأداء، إلا أنها تعتمد على ملايين المعلمات والاستدلال عبر وحدات معالجة الرسومات (GPU). تواجه النماذج التوليدية الكمومية الحالية لهذه المهمة عائقاً هيكلياً حرجاً: ترتبط صياغة السجل المباشر والمخرجات المباشرة للبكسل بحجم أبعاد الصورة الكاملة ($d$)، مما يجعل عدد الكيوبتات المطلوبة ($n_q$) يتناسب طردياً مع الأبعاد ($n_q \propto d$). هذا التوسع يجعل العروض التوضيحية الكمومية الحالية غير مجدية للنماذج الهندسية الواقعية للكواشف (مثل مئات أو آلاف الفوكسلات/voxels). أما النهج الهجين الذي ينقل عبء التوليد إلى المتغيرات الكامنة، فإنه يفشل في توفير مخرجات بكسل مباشرة أو التوسع ليشمل هندسات الكواشف المعيارية.

المنهجية: بنية QFAN
يقدم المؤلفون "شبكة تضخيم الميزات الكمومية" (QFAN)، وهي نموذج توليدي كمومي ذاتي الانหมด (autoregressive) يعمل على فك الارتباط بين متطلبات الكيوبت وأبعاد الصورة. الجوهر الفكري هو أن الدائرة الكمومية لا يلزم أن تحتوي الصورة بأكملها في آن واحد؛ بل يمكنها توليد الصورة بشكل تسلسلي عبر كتل (blocks).

1. التفكيك ذاتي الانحدار (Autoregressive Decomposition): يتم تقسيم صورة الزخة ذات الـ $d$ بكسل إلى $B$ من الكتل المتجاورة بحجم $b$. يتم تحليل التوزيع المشترك كـ $p_\theta(y) = \prod_{\beta=1}^B p_\theta(y_\beta | y_{<\beta})$، حيث تمثل $y_{<\beta}$ جميع البكسلات التي تم توليدها سابقاً.
2. مخطط الرسم التخطيطي المتدفق (Streaming Sketch Conditioning): لتهيئة توليد الكتلة $\beta$ بناءً على التاريخ $y_{<\beta}$ دون تغذية البيانات الخام في الدائرة الكمومية، استخدم المؤلفون آلية "count-sketch"، والتي تضغط التاريخ إلى متجه ثابت الطول $s \in \mathbb{R}^m$ (حيث $m \ll d$). يتم تحديث المخطط (sketch) بشكل تراكمي بعد كل كتلة ويُسقط في زوايا الدائرة. يضمن هذا بقاء بُعد المدخلات للدائرة الكمومية ثابتاً بغض النظر عن الحجم الإجمالي للصورة.
3. الدائرة الكمومية ذات المعلمات المشتركة (Shared Parameterized Quantum Circuit): يتم إعادة استخدام دائرة كمومية صغيرة ثابتة الحجم ذات معلمات ($n_q$) لكل كتلة. تقوم الدائرة بتشفير زوايا المخطط عبر إعادة رفع البيانات (data re-uploading)، وتطبق دورات $R_Z R_Y$ تباينية، وتستخدم حلقة تشابك من نوع $CZ$. ومن الأهمية بمكان أن المعلمات التباينية $\theta$ هي معلمات مشتركة عبر جميع الكتل الـ $B$، مما يقلل عدد المعلمات القابلة للتدريب من $O(B \cdot n_q)$ إلى $O(n_q)$.
4. استخراج الميزات وفك التشفير (Feature Extraction and Decoding): تخرج الدائرة قيم التوقع لـ Pauli (الميزات) المقاسة في قواعد $Z$ و $X$. بالنسبة لـ $n_q$ من الكيوبتات، ينتج عن ذلك $p_f = n_q^2 + n_q$ من الميزات. يتم فك تشفير هذه الميزات إلى قيم بكسل للكتلة الحالية باستخدام مفكك (decoder) يعتمد على "انحدار الحافة" (ridge regression) ذي الحل المغلق. يتجنب هذا النهج مشكلات التحسين ثنائي المستوى الشائعة في فكوك التشفير العصبية.
5. أخذ عينات البواقي (Residual Sampling): لالتقاط اللاخطية التي قد تفوتها آلية انحدار الحافة الخطية، يقوم جامع بواقيات بوابة (gated residual sampler) بنمذجة البواقي باستخدام بنك عناقيد K-means، والذي يتم اختياره عبر بوابة لوجستية مشروطة بالمخطط (sketch).

المساهمات الرئيسية والنتائج النظرية

• فك الارتباط في الموارد: تقلل QFAN من متطلبات الكيوبت من $O(d)$ إلى $O(b)$، حيث $b$ هو حجم الكتلة. يتم تحديد حجم السجل من خلال حجم الكتلة، وليس من خلال أبعاد الصورة الكاملة.
• استقلالية التكلفة لكل خطوة: تثبت النظرية 1 أنه بالنسبة لعائلة الملاحظات المحددة المستخدمة (عوامل Pauli الأحادية والزوجية)، فإن عدد الدوائر الكمومية المنفذة لكل خطوة تدرج هو $O(1)$ بالنسبة لـ $d$. تعتمد التكلفة فقط على حجم الدفعة (batch size) ومجموعات القياس، وليس على حجم الصورة.
• حدود انتشار الضجيج: تشتق النظرية 2 حداً متحفظاً لحالة السوء في انتشار ضجيج الضربات (shot-noise) عبر السلسلة ذاتية الانحدار. وتظهر أن الحفاظ على نسبة إشارة إلى ضجيج ثابتة للمخطط يتطلب عدداً من الضربات (shot count) يتناسب مع $O(d^2 p_f)$. وهذا ينقل عبء الموارد من حجم السجل إلى عبء القياس.
• الاستدلال التجريبي لسعة مفك التشفير: حدد المؤلفون عتبة عملية $\rho = p_f/b \gtrsim 1.5$ لاستقرار انحدار الحافة. يشير هذا الاستدلال إلى أن العمق التسلسلي $B$ يتناسب تقريباً مع $d/n_q^2$، مما يعني أن الزيادات الطفيفة في عدد الكيوبتات تقلل بشكل غير متناسب من عدد الخطوات ذاتية الانحدار المطلوبة.

النتائج التجريبية
تحقق المؤلفون من صحة QFAN على مجموعة بيانات لزخة كهرومغناطيسية من نوع CLIC تم تقليل دقتها إلى 12 بكسل ($d=12$) باستخدام دائرة مكونة من 3 كيوبتات ($n_q=3$، $B=2$ كتلتين) مع 12 معلمة مشتركة.

• أداء المحاكي: على محاكي خالٍ من الضجيج، استطاع النموذج إعادة إنتاج التوزيعات الهامشية لكل بكسل، والارتباطات بين البكسلات، وتوزيعات الطاقة الإجمالية بدقة عالية (MMD$^2 \approx 0.0014$).
• أداء الأجهزة: تم تنفيذ نفس منطق الدائرة على معالج IBM ibm_fez (Heron r2). أظهرت نتائج الأجهزة تدهوراً طفيفاً (MMD$^2 \approx 0.0030$) مقارنة بالمحاكي.
• تحليل الخطأ: أظهرت مصفوفات فرق الارتباط أن الأخطاء كانت متركزة عند حدود الكتل (التي يتوسطها المخطط) بدلاً من كونها موزعة بانتظام أو مهيمنة بأنماط ضجيج محددة للجهاز. عُزي الفارق بين الأجهزة والمحاكي بشكل أساسي إلى محدودية ميزانية التحسين (عدد أقل من خطوات التدرج على الجهاز) بدلاً من ضجيج الجهاز نفسه.
• دراسات الاستئصال (Ablation Studies):
  • أدى حذف ميزات Pauli من الدرجة الثانية ($ZZ, XX$) إلى تدهور كبير في نمذجة الارتباط، مما يؤكد ضرورة وجود ارتباطات الكيوبت الزوجية.
  • أكد تغيير حجم الكتلة الاستدلال التجريبي: الكتل الكبيرة جداً ($b=12$) تسببت في عدم استقرار مفك التشفير، بينما الكتل الصغيرة جداً ($b=3$) زادت من تراكم تشوه المخطط.
  • تفوقت الميزات الكمومية على ميزات "راندوم فورير" (RFF) الكلاسيكية من نفس البعد، مما يشير إلى ميزة في كفاءة الميزات.
• التوسع إلى $d=25$: أظهر اختبار أولي بـ 5 كتل ($B=5$) عدم وجود تدهور منهجي في الهوامش أو الارتباطات، مما يدعم استقرار التكييف بالمخطط عبر سلاسل أطول.

الأهمية والادعاءات
تضع الورقة البحثية QFAN كـ إثبات مبدأ متوافق مع الأجهزة. فهي تثبت أن النماذج التوليدية الكمومية يمكن توسيع نطاقها لتشمل أبعاد صور أكبر دون زيادة حجم السجل الكمومي، بشرط تفكيك التوليد إلى كتل ذاتية الانحدار.

المؤلفون صريحون بشأن قيود ونطاق ادعاءاتهم:

• النطاق المتواضع: العرض الحالي ($d=12$) بعيد جداً عن الهندسات المعيارية لـ Calochallenge (مثل $d=40,500$). النتائج لا تثبت أن الطريقة تعمل عند تلك المقاييس، بل تحفز على الاستقراء.
• تدريب الإجبار بالمعلم (Teacher-Forced Training): استخدم التدريب مقدمات من الحقيقة الأرضية (ground-truth prefixes)، بينما التوليد يعمل بحرية. يشير المؤلفون إلى أن "انحياز التعرض" (exposure bias) - وهو تراكم الخطأ في السلاسل ذاتية الانحدار الطويلة - هو نمط فشل محتمل لم يتم توصيفه بالكامل بعد في المقاييس الأكبر.
• التحسين مقابل الضجيج: يتوافق الفارق الملحوظ بين الأجهزة والمحاكي مع سيطرة ميزانيات التحسين المحدودة على ضجيج الجهاز في هذا المقياس، رغم عدم الفصل السببي بينهما.
• الطبيعة الاستدلالية: قاعدة عتبة سعة مفك التشفير ($\rho \approx 1.5$) هي قاعدة تجريبية مستمدة من مسح $d=12$، وليست ثابتاً عالمياً.

في الختام، تؤسس QFAN لمسار لفك الارتباط بين عدد الكيوبتات وأبعاد الصورة في النمذجة التوليدية الكمومية، حيث تقدم بنية فعالة الموارد من الناحية النظرية للتوسع، مع الاعتراف بأن التحقق العملي عند مقاييس ذات صلة بالفيزياء عالية الطاقة يتطلب مزيداً من الاستقصاء في انحياز التعرض واستراتيجيات التحسين.