Quantum Optical Reinforcement Learning via Spectrum-Resolved Hong-Ou-Mandel Interference
تقدم هذه الورقة بنية بصرية لظاهرة "هونغ-أو-ماندل" ذات دقة طيفية (SR-HOM) تستفيد من درجات الحرية الطيفية للفوتونات للتعلم التعزيزي ذي الإجراء المستمر، مما يظهر كفاءة عينة وأداءً متفوقين على النماذج المرجعية للشبكات العصبية مع استعادة دقة عالية بنجاح في البوابات الكمومية المنحرفة.
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 عالماً لا تكتفي فيه الحواسيب بمعالجة الأرقام باستخدام رقائق السيليكون، بل ترقص مع الضوء. هذا هو مجال البصريات الكمومية، وهو مجال يستخدم فيه العلماء جزيئات ضوئية متناهية الصغر تسمى الفوتونات لمعالجة المعلومات. واحدة من أشهر الحيل في هذا العالم هي تأثير هونغ-أو-ماندل (HOM). تخيل فوتونين متطابقين يصلان إلى مفترق طرق سحري (مقسم شعاع) في نفس اللحظة تماماً. بدلاً من أن يسلك كل منهما طريقه الخاص، يشعران بالخجل ويلتصقان معاً، ليخرجا من مفترق الطرق كزوج واحد. ومن خلال عدّ المرات التي يلتصقان فيها معاً، يستطيع العلماء قياس مدى تشابه الفوتونين. لقد استُخدم فحص "التشابه" هذا لبناء أدمغة بصرية بسيطة، لكنها كانت حتى الآن تشبه حكماً معصوب العينين: يمكنها إخبارك بأن شيئين متشابهان، لكنها لم تكن تستطيع إخبارك كيف أو تقديم تقرير مفصل.
هذا القصور يصبح مشكلة عندما تحاول تعليم هذه الأدمغة البصرية مهارات معقدة، مثل التعلم التعزيزي. فكر في التعلم التعزيزي كتدريب كلب: يحاول الكلب القيام بفعل ما، فيحصل على مكافأة (مكافأة) أو عقاب (عقوبة)، ويتعلم كيف يؤدي بشكل أفضل في المرة القادمة. لتدريب كلب على المشي على حبل مشدود (مهمة معقدة)، فأنت بحاجة إلى أكثر من مجرد "عمل جيد" أو "عمل سيء" بسيط. أنت بحاجة إلى مدرب يمكنه تقديم تعليمات محددة ومستمرة، مثل "مل قليلاً نحو اليسار" أو "سرع خطواتك". كانت الأدمغة البصرية القديمة لا تستطيع إلا إعطاء درجة واحدة من نوع "نعم/لا"، وهو ما لم يكن كافياً لهذه المهام المستمرة والمعقدة. لقد كانت عالقة في عالم من الخيارات البسيطة، غير قادرة على التعامل مع دقة التحكم في العالم الحقيقي.
هنا يأتي دور دراسة جديدة أجراها وو، وشو، وفريقهم، الذين منحوا هذه الأدمغة البصرية زوجاً من النظارات عالية الدقة. لقد قدموا بنية جديدة تسمى تأثير هونغ-أو-ماندل ذو الطيف المحلل (SR-HOM). فبدلاً من مجرد السؤال: "هل التصق الفوتونان معاً؟" والحصول على رقم واحد، يسأل نظامهم الجديد: "هل التصقا معاً عند هذا اللون المحدد؟" و"ماذا عن ذلك اللون؟". ومن خلال فصل الضوء إلى ألوانه المختلفة (الترددات) وعدّ الأزواج لكل منها، فإنهم يحولون رقماً واحداً إلى خريطة معلومات غنية وملونة.
استخدم الباحثون هذه الخريطة الملونة لبناء "وكيل ممثل-ناقد" (actor-critic) مدمج. في عالم التدريب، الممثل هو من يقرر ماذا يفعل (الفعل)، والناقد هو من يحكم على مدى جودة ذلك القرار (القيمة). في هذا الإعداد البصري الجديد، ينظر "الممثل" إلى الخطوط القطرية للخريطة الملونة لتوليد أفعال سلسة ومستمرة، بينما ينظر "الناقد" إلى الأنماط الأكثر تعقيداً في الخريطة لتقدير مدى جودة أداء الوكيل. الأمر يشبه الترقية من إشارة مرور تقول فقط "انطلق" أو "توقف" إلى نظام ملاحة ذكي يمكنه أن يقول: "انعطف يساراً بعد 200 قدم، ثم خفف سرعتك بسبب وجود حفرة".
عندما اختبر الفريق هذا الدماغ البصري الجديد على خمس تحديات مختلفة تشبه ألعاب الفيديو المعقدة (تتراوح بين هبوط مركبة فضائية وتوازن روبوت ذي عمود مزدوج)، كانت النتائج مبهرة. في هذه المحاكاة، تعلم وكيل SR-HOM بشكل أسرع وأكثر موثوقية من برنامج كمبيوتر رقمي تقليدي (مدرك متعدد الطبقات) يمتلك نفس عدد "المقابض" للتحكم. على سبيل المثال، في مهمة "LunarLander"، وصل الوكيل البصري إلى الهدف في 666 محاولة فقط، بينما احتاج الرقمي إلى 2,935 محاولة، وهو تحسن هائل في الكفاءة بمقدار 4.4 مرة. كما ظل الوكيل البصري مستقراً ولم يتعرض للانهيار كثيراً بعد الوصول إلى الهدف.
لم يتوقف الفريق عند ألعاب الفيديو؛ بل قاموا أيضاً بمحاكاة استخدام هذا النظام لإصلاح حواسيب كمومية حقيقية. فقد اختبروه في معايرة "المقابض" التي تتحكم في كيفية تواصل اثنين من البتات الكمومية (الكيوبتات) مع بعضهما البعض. بمرور الوقت، تخرج هذه الآلات عن الضبط بسبب الضوضاء البيئية، تماماً مثل وتر الجيتار الذي يخرج عن النغمة. استطاع وكيل SR-HOM الاستماع إلى الإشارات الصاخبة وإجراء تعديلات طفيفة ومستمرة على نبضات التحكم. وفي المحاكاة، نجح في استعادة أداء البوابات الكمومية إلى دقة تقارب 99.2% و99.5%، مستعيداً تقريباً كل الأداء المفقود الناتج عن الانحراف.
بينما تعتمد هذه النتائج حالياً على عمليات المحاكاة والتجارب العددية، إلا أنها تشير إلى مستقبل واعد حيث يمكن للأنظمة القائمة على الضوء أن تعمل كمدربين كفؤين ومدمجين للمهام المعقدة. ومن خلال تحويل "فحص التشابه" البسيط إلى محادثة تفصيلية متعددة الألوان، يظهر هذا العمل أن المنصات البصرية الكمومية قد تكون مستعدة لتولي المهام الشاقة للتحكم المستمر، مما يوفر طريقة جديدة وفعالة في استهلاك الطاقة لتدريب الوكلاء الأذكياء في المستقبل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.