Hybrid Quantum-Classical Neural Architecture Search
تضع هذه الورقة الأسس لتطبيق البحث عن البنية العصبية (NAS) على الشبكات العصبية الهجينة الكمومية-الكلاسيكية (HQNNs) من خلال تقديم استراتيجية بحث مدركة لعمليات الفاصلة العائمة (FLOPs) تعمل على تحسين الخيارات الهيكلية لضمان كل من الدقة والكفاءة الحسابية ضمن قيود أجهزة عصر الـ NISQ.
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 بناء عقل لروبوت فائق الذكاء. في عالم التكنولوجيا اليوم، لدينا نوعان من "الأدمغة" التي يمكننا استخدامها:
- العقل الكلاسيكي: هذه هي الرقاقة الحاسوبية القياسية التي نستخدمها في الهواتف وأجهزة الكمبيوتر المحمول. إنها سريعة، موثوقة، ورائعة في معالجة الأرقام.
- العقل الكمي: هذا نوع تجريبي ومستقبلي من المعالجات يستخدم القواعد الغريبة لفيزياء الكم. لديه القدرة على حل المشكلات بسرعة أكبر بكثير، ولكنه حالياً هش للغاية، ومليء بالضجيج، وصعب التحكم فيه.
الفكرة الهجينة
تناقش الورقة البحثية نهجاً "هجيناً". فبدلاً من محاولة بناء عقل كمي مثالي (الذي لا وجود له حتى الآن) أو الاكتفاء بالعقل الكلاسيكي فقط، يقوم الباحثون بدمجهما. لقد ابتكروا شبكة عصبية هجينة كمية-كلاسيكية (HQNN).
فكر في هذا الأمر كأنه فريق مطبخ:
- الطاهي الكلاسيكي يقوم بأعمال التحضير: تقطيع الخضروات، قياس المكونات، وتنسيق الطبق النهائي.
- الطاهي الكمي هو متخصص يتولى خطوة واحدة محددة وصعبة للغاية (مثل صنع "سوفليه" مثالي) تتطلب معدات خاصة.
- يعملان معاً في مسار واحد. يقوم الطاهي الكلاسيكي بتمرير الطعام إلى الطاهي الكمي، الذي يقوم بسحره الخاص، ثم يكمل الطاهي الكلاسيكي المهمة.
المشكلة: خيارات كثيرة جداً
المشكلة هي أن بناء هذا الفريق أمر صعب للغاية. عليك أن تقرر:
- كم عدد "الطهاة الكميين" (الكيوبتات - qubits) الذين تحتاجهم؟
- ما هي "الحيل" (البوابات - gates) المحددة التي يجب أن يستخدمها الطاهي الكمي؟
- كيف ينبغي لهم التواصل مع بعضهم البعض؟
في الوقت الحالي، يتعين على العلماء تخمين هذه الإجابات يدوياً. الأمر يشبه محاولة تصميم محرك سيارة عن طريق تبديل الأجزاء عشوائياً والأمل في أن يعمل. إذا اخترت الأجزى الخاطئة، فسيكون المحرك ثقيلاً جداً، أو بطيئاً جداً، أو ببساطة لن يعمل. ومع الأجهزة الكمية "المزعجة" الحالية، فإن الخطأ في التصميم يهدر الكثير من الوقت والمال.
الحل: المهندس المعماري الآلي (NAS)
تقترح الورقة البحثية استخدام أداة تسمى البحث عن البنية العصبية (NAS). فكر في NAS كأنه مهندس معماري آلي أو مصمم روبوتات.
بدلاً من أن يقوم البشر بتخمين التصميم، يقوم الروبوت بتجربة آلاف التشكيلات المختلفة من الأجزاء الكلاسيكية والكمية. يسأل نفسه: "إذا استخدمت 3 كيوبتات مع هذا النمط المحدد من البوابات، فكيف سيكون أداؤها؟" ثم يجرب تشكيلة أخرى. ومع مرور الوقت، يتعلم التصميمات الأفضل.
التحول المفاجئ: مقياس "FLOPs"
هنا يكمن الابتكار الرئيسي للورقة. عادةً ما يهتم مصممو الروبوتات هذه فقط بـ الدقة (مدى صحة الإجابة). لكن المؤلفين يقولون: "مهلاً! يجب أن نهتم أيضاً بـ التكلفة".
لقد قدموا مقياساً يسمى FLOPs (عمليات الفاصلة العائمة).
- التشبيه: تخيل أنك توظف طاقم بناء. تريد أن يكون المنزل مثالياً (الدقة)، ولكنك أيضاً لا تريد إنفاق مليون دولار على الطوب (التكلفة).
- في عالم الحواسيب الكمية، لا يمكننا تشغيل كل شيء على آلات كمية حقيقية بعد لأنها نادرة وهشة. لذا، نقوم بمحاكاتها على أجهزة كمبيوتر عادية.
- FLOPs هي بمثابة مقياس الوقود لهذه المحاكاة. إنها تقيس مقدار "وقود الحوسبة" (العمليات الرياضية) الذي يستهلكه تصميم معين.
تجادل الورقة بأننا لا ينبغي البحث فقط عن النموذج الأكثر دقة؛ بل يجب أن نبحث عن النموذج الذي يعطينا أفضل دقة مقابل أقل قدر من الوقود.
ماذا فعلوا
قام الباحثون بإعداد "المهندس المعماري الروبوتي" لتصميم هذه الأدمغة الهجينة.
- مساحة البحث: أخبروا الروبوت أنه يمكنه الاختيار من بين أعداد مختلفة من الكيوبتات، وأنواع مختلفة من البوابات الكمية، وطرق مختلفة لربطها.
- الهدف: كان على الروبوت إيجاد تصميمات كانت دقيقة وأيضاً فعالة (منخفضة الـ FLOPs).
- الطريقة: استخدموا "خوارزمية جينية"، وهي تشبه التطور. يقوم الروبوت بإنشاء مجموعة من التصميمات، ويحتفظ بالأفضل منها، ثم يخلطها معاً (التزاوج/Crossover)، ويجري تغييرات عشوائية صغيرة (الطفرة/Mutation) ليرى ما إذا كانت ستصبح أفضل.
النتائج
اختبروا ذلك على مجموعتي بيانات بسيطتين (مثل تصنيف الزهور أو التعرف على الأرقام المكتوبة بخط اليد).
- النتيجة: وجدوا أنك لا تحتاج دائماً إلى أكبر الدوائر الكمية تعقيداً للحصول على نتيجة جيدة.
- المقايضة: هناك "نقطة مثالية". إذا جعلت الجزء الكمي كبيراً جداً، فستستهلك الكثير من الوقود (FLs) دون الحصول على تحسن كبير في الدقة. وإذا كان صغيراً جداً، فلن يكون ذكياً بما يكفي.
- جبهة باريتو (Pareto Front): وجدوا "خطاً ذهبياً" من التصميمات. هذه هي التصميمات التي لا يمكنك فيها الحصول على دقة أفضل دون استخدام المزيد من الوقود، ولا يمكنك استخدام وقود أقل دون فقدان الدقة.
الخلاصة
تخلص الورقة إلى أنه لجعل الشبكات الكمية-الكلاسيكية الهجينة تعمل في العالم الحقيقي، نحتاج إلى التوقف عن التخمين والبدء في أتمتة التصميم مع مراقبة التكلفة الحسابية.
لقد استخدموا FLOPs كبديل للتكلفة لأننا، في الوقت الحالي، نختبر معظم هذه الأفكار عبر عمليات المحاكاة. وهم يقرون بأنهم في المستقبل، سيحتاجون إلى مراعاة مشكلات الكم الحقيقية (مثل الضجيج والاتصالات المكسورة)، ولكن في الوقت الحالي، يساعدهم استخدام نهج "مقياس الوقود" هذا في بناء نماذج هجينة أكثر ذكاءً وكفاءة دون إهدار الموارد.
باختصار: لا تبنِ فقط الروبوت الأكثر ذكاءً؛ بل ابنِ الروبوت الأكثر ذكاءً الذي لا تنفد بطاريته.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.