Multivariate Time Series Forecasting with Adaptive Non-Local Observables
تقدم الورقة البحثية نموذج MTSF-ANO، وهو نموذج هجين كمي-كلاسيكي يدمج الدوائر الكمية التباينية مع مراقبين تكيّفيين غير محليين للتفوق بشكل كبير على النماذج المرجعية الحالية والنظائر ذات المراقبات المحلية الثابتة في التنبؤ بالسلاسل الزمنية متعددة المتغيرات عبر مجموعات بيانات متعددة.
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 التنبؤ بالمستقبل، ولكن بدلاً من تخمين حالة الطقس أو سوق الأسهم، أنت تحاول تخمين ما ستعزفه أوركسترا كاملة تالياً بناءً على كيفية عزفها بالأمس. هذا هو عالم التنبؤ بالسلاسل الزمنية متعددة المتغيرات. إنها طريقة منمقة لقول: "لدينا أشياء كثيرة مختلفة تتغير بمرور الوقت (مثل درجة الحرارة، أو استهلاك الكهرباء، أو أسعار الأسهم)، ونريد تخمين ما ستفعله لاحقاً". وللقيام بذلك، يستخدم العلماء نماذج حاسوبية. مؤخراً، ظهر نوع جديد من النماذج الحاسوبية التي تستخدم القواعد الغريبة والسحرية لـ ميكانيكا الكم — فيزياء الجسيمات المتناهية الصغر — لحل هذه الألغاز. هذه النماذج، التي تُسمى الشبكات العصبية الكمومية، تشبه الآلات الحاسبة فائقة القوة التي يمكنها النظر في احتمالات عديدة في وقت واحد. ومع ذلك، فإن معظم هذه النماذج الكمومية لديها نقطة عمياء: فهي تنظر إلى قطعة واحدة فقط من اللغز في كل مرة، مثل محاولة فهم سيمفونية عبر الاستماع إلى كمان واحد فقط. إنها تفوت الصورة الكبيرة لكيفية تواصل جميع الآلات مع بعضها البعض. يسأل هذا البحث سؤالاً بسيطاً: ماذا لو استطعنا تعليم هذه النماذج الكمومية الاستماع إلى الأوركسترا بأكملها في وقت واحد؟
يقترح مؤلفو هذا البحث، يو-تينغ لي، وهوان-هسين تسينغ، وسامويل ين-تشي تشين، حلاً جديداً يسمى MTSF-ANO. فكر في نموذجهم كأنه محقق كمومي لا يكتفي فقط بالنظر إلى الأدلة بشكل منعزل، بل يستخدم أداة خاصة تسمى الملاحظات التكيفية غير المحلية (ANO). في العالم الكمومي، تعني كلمة "محلية" النظر إلى جسيم واحد، بينما تعني "غير محلية" النظر في كيفية اتصال الجسيمات المتباعدة عن بعضها البعض. تخيل محاولة فهم محادثة في غرفة مزدحمة؛ المراقب "المحلي" لا يسمع إلا الشخص الذي أمامه مباشرة، أما المراقب "غير المحلي"، فيمكنه بطريقة ما سماع الهمسات بين الأشخاص عبر الغرفة، ليلتقط الروابط الخفية التي يفتقدها المراقب المحلي. أما الجزء "التكيفي" فيعني أن النموذج يتعلم بالضبط كيف يستمع إلى هذه الروابط، بدلاً من أن يكون عالقاً بطريقة ثابتة في السمع.
اختبر الباحثون محققهم الجديد على أربع مجموعات بيانات واقعية تتعلق بدرجات حرارة محولات الكهرباء (المعروفة باسم مجموعات بيانات ETT). لقد أقاموا سباقاً بين نموذجهم الجديد، والنماذج الكمومية "المحلية" القديمة، وبعض النماذج الكلاسيكية (غير الكمومية) القوية جداً. كانت النتائج واعدة للغاية؛ ففي 17 سيناريو اختبار من أصل 20، أنهى نموذج MTSF-ANO السباق في المركز الأول أو الثاني. وفي مجموعة بيانات محددة، وهي ETTh1، تفوق على أفضل طريقة سابقة بنسبة تصل إلى 20%. يشير هذا إلى أن السماح للنموذج الكمومي بالنظر في الروابط "غير المحلية" يساعده حقاً في التنبؤ بالمستقبل بشكل أفضل.
ومع ذلك، يشير البحث أيضاً إلى وجود "نقطة مثالية" لهذا الاستماع غير المحلي. فعندما حاول النموذج الاستماع إلى الكثير من الروابط في وقت واحد (تحديداً عندما حاول ربط 7 كيوبتات معاً)، انخفض أداؤه بشكل حاد. يبدو أن القدر المتوسط من "اللا-محلية" هو المكون السحري، بينما يؤدي الكثير منها إلى حدوث ارتباك. كما وجد المؤلفون أن النموذج يعمل بشكل أفضل عندما يحافظ على "عمق دائرة" ضحل، مما يعني أنه لا يحتاج إلى المرور عبر طبقات كثيرة من المعالجة للوصول إلى الإجابة. حتى أنهم ابتكروا نسخة خاصة من النموذج تعمل بشكل أفضل عندما تكون النافذة الزمنية للنظر إلى الماضي طويلة جداً، مما يحل مشكلة بدأت النماذج الأخرى تعاني فيها.
في النهاية، لا يدعي هذا البحث أنه حل لغز السفر عبر الزمن أو التنبؤ المثالي. بدلاً من ذلك، يقترح أن الملاحظات التكيفية غير المحلية هي اتجاه واعد جداً لمستقبل التنبؤ بالسلاسل الزمنية الكمومية. فمن خلال تعليم هذه النماذج الكمومية الانتباه إلى الروابط الخفية وطويلة المدى في البيانات، قد نتمكن من بناء أدوات أفضل لإدارة شبكات الطاقة لدينا، وفهم الطقس، والتنقل في العالم المالي. وتؤكد دراسات الاستئصال (Ablation studies) التي أجراها المؤلفون (والتي تشبه تفكيك النموذج لمعرفة أي البراغي هي التي تهم) أن القدرة على إجراء هذه القياسات غير المحلية هي السبب الرئيسي للنجاح، وليس مجرد الأجهزة الكمومية نفسها. إنها خطوة صغيرة ولكنها مثيرة نحو جعل الحواسيب الكمومية مفيدة حقاً للتنبؤ بالعالم المعقد والمترابط من حولنا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.