تخيل أنك تحاول تعليم روبوت بناء قلعة مثالية من قطع "ليغو" (LEGO)، ولكن هناك عقبة: في كل مرة يضيف فيها الروبوت قطعة واحدة، يتعين عليك إرسال تلك القلعة غير المكتملة إلى آلة زمن بطيئة ومكلفة للغاية لتخبرك بمدى استقرارها. هذه الآلة الزمنية، المسماة "المحلل الذاتي للقيم الذروية المتغيرة" (VQE)، هي المعيار الذهبي للتحقق مما إذا كان التصميم الجزيئي يعمل، ولكنها مكلفة وبطيئة للغاية لدرجة أنه يمكنك سؤالها بضعة آلاف من المرات فقط قبل أن تنفد ميزانيتك. هذا هو الصراع اليومي لـ "البحث عن البنية الكمومية" (QAS)، وهو مجال يحاول فيه العلماء تصميم أفضل الدوائر الممكنة لأجهزة الكمبيوتر الكمومية لحل مشكلات الكيمياء. السؤال الكبير هو: كيف تعلم روبوتاً بناء هذه الدوائر بكفاءة عندما تكون "الحقيقة" باهظة الثمن للحصول عليها؟ لا يمكنك التخمين بعشوائية، لكنك أيضاً لا تستطيع تحمل تكلفة طلب المساعدة من الآلة الزمنية بعد كل حركة.

هنا يأتي دور ورقة بحثية بعنوان "DreamQAS" بحيلة ذكية. فبدلاً من محاولة التنبؤ بالطاقة الدقيقة لكل قلعة ممكنة (وهو ما يشبه محاولة التنبؤ بالطقس لكل شارع في العالم)، يعلم المؤلفون الروبوت كيف "يحلم". لقد بنوا نموذجاً للعالم يعرف قواعد "الليغو" تماماً (لا يمكنك وضع قطعة في الهواء الطلق، وأشكال معينة تتناسب مع بعضها)، ولكنه يتعلم فقط تخمين رد الفعل (Feedback) القادم من الآلة الزمنية المكلفة. يتدرب الروبوت على البناء في أحلامه، متخيلاً كيف ستصمد القلعة، ولا يستيقظ ليسأل الآلة الزمنية الحقيقية إلا عندما يكون غير مت sure حقاً أو عندما يجد تصميماً واعداً بشكل خاص. والنتيجة هي نظام يتعلم بناء دوائر كمومية أفضل باستخدام عدد أقل بكرثير من الفحوصات الحقيقية المكلفة، مما يثبت أن الخيال أحياناً يكون الأداة الأكثر كفاءة في المختبر.

المشكلة: "الآلة الزمنية" الباهظة

في عالم الحوسبة الكمومية، يريد العلماء محاكاة الجزيئات لاكتشاف أدوية أو مواد جديدة. وللقيام بذلك، يستخدمون دائرة كمومية — وهي ترتيب محدد من البوابات الكمومية — لتمثيل الجزيء. الهدف هو العث وجود الترتيب الذي يعطي أدنى طاقة، وهو ما يقابل الحالة الأكثر استقراراً للجزيء. تسمى هذه العملية "المحلل الذاتي للقيم الذروية المتغيرة" (VQE).

اعتبر VQE بمثابة قاضٍ صارم وبطيء جداً. إذا عرضت عليه تصميماً لدائرة، فإنه يقوم بعملية تحسين معقدة ليخبرك بالطاقة الدقيقة. ولكن إليك المفاجأة: تشغيل هذا القاضي يتطلب وقتاً هائلاً وقوة حوسبة كبيرة. في النهج التقليدي لإيجاد أفضل دائرة (البحث عن البنية الكمومية)، يحاول برنامج كمبيوتر ("الوكيل") بناء دائرة بوابة تلو الأخرى. وبعد كل بوابة يضيفها، يجب عليه التوقف وسؤال قاضي VQE عن النتيجة. إذا أراد الوكيل التعلم من آلاف المحاولات، فعليه أن يسأل القاضي آلاف المرات. هذا يشبه محاولة تعلم لعب الشطرنج من خلال طلب تحليل من لاعب محترف بعد كل حركة تقوم بها؛ ستنفد طريقتك (وأموالك) قبل أن تتعلم اللعبة.

الحل: الحلم بدلاً من التحقق

أدرك مؤلفو هذه الورقة، جيانغ نيو وزملاؤه، أنه بينما يكون رد فعل VQE مكلفاً، فإن قواعد كيفية بناء الدائرة بسيطة ومعروفة بالفعل. أنت تعرف بالضبط ما يحدث عند إضافة بوابة؛ الدائرة ببساطة تصبح أطول. الشيء الوحيد الذي لا تعرفه بالتأكيد هو مدى جودة تلك الدائرة الجديدة حتى تقوم بفحص VQE المكلف.

لذلك، قاموا ببناء DreamQAS. بدلاً من روبوت يخمن بعشوائية أو روبوت يسأل القاضي بعد كل حركة، فإن DreamQAS هو روبوت يتعلم كيف "يحلم".

إليك كيف يعمل الحلم:

1. العالم الحقيقي: يبدأ الروبوت ببناء بعض الدوائر في العالم الحقيقي ويسأل قاضي VQE عن النتيجة. هذا يعطيه مجموعة صغيرة من البيانات "المحققة".
2. عالم الأحلام: باستخدام هذه البيانات المحققة، يبني الروبوت "نموذج عالم". هذا النموذج يعرف قواعد اللعبة تماماً (يعرف بالضبط كيف تتغير الدائرة عند إضافة بوابة)، ولكنه تعلم تخمين نتيجة VHE بناءً على الأنماط التي رآها في البيانات الحقيقية.
3. التدريب المتخيل: الآن، يمكن للروبوت بناء مئات الدوائر الجديدة في رأسه ("أحلامه"). يضيف بوابة، وبدلاً من سؤال القاضي الحقيقي، يسأل نموذج حلمه عن النتيجة. يقوم بذلك لخطوات عديدة متتالية، منشئاً "مسارات متخيلة" طويلة ليتعلم أي الحركات تؤدي إلى نتائج أفضل.
4. شبكة الأمان: يعرف الروبوت أن أحلامه قد تكون خاطئة. لذا، لديه مجموعة من قواعد السلامة. إذا كان نموذج الحلم غير متأكد (وجود "اختلاف" عالٍ بين توقعاته الداخلية)، يتوقف الروبوت عن الحلم ويستيقظ ليسأل القاضي الحقيقي. إذا وجد الروبوت تصميماً يبدو واعداً حقاً في الحلم، فإنه يستيقظ للتحقق منه. هذا يمنع الروبوت من الضياع في خيال حيث يعتقد أنه يبني قلعة مثالية بينما هي في الواقع تنهار.

ماذا وجدوا: الأحلام توفر الوقت

اختبر الباحثون DreamQAS على خمس مهام جزيئية مختلفة، تتراوح من هيدريد الليثيوم (LiH) البسيط إلى جزيئات هيدريد البريليوم (BeH2) الأكثر تعقيداً مع عدد مختلف من الكيوبتات (qubits). وقارنوا DreamQAS بطرق أخرى لم تحلم على الإطلاق أو استخدمت استراتيجيات مختلفة.

كانت النتائج مبهرة. في هذه المحاكاة، تمكن DreamQAS من إيجاد تصميمات دوائر عالية الجودة باستخدام عدد أقل بكثير من فحوصات VQE الحقيقية مقارنة بالمنافسين.

• في أربع من المهام الخمس، استخدم DreamQAS أقل بمقدار 1.6 إلى 2.0 مرة من استدعاءات VQE الحقيقية للوصول إلى نفس مستوى الدقة التي حققتها الطريقة القياسية.
• في المهمة الأكثر تعقيداً (BeH2 مع 8 كيوبتات)، كانت التوفيرات هائلة: استخدم DreamQAS أقل بمقدار 10.6 مرة من استدعاءات VQE الحقيقية.

هذا يعني أنه من خلال قضاء القليل من الوقت في "الحلم" (تشغيل النموذج على كمبيوتر قياسي)، وفر النظام قدراً هائلاً من الوقت الذي كان سيُهدر في سؤال القاضي الكمومي المكلف.

لماذا "الحلم" أفضل من مجرد التخمين

قد يتساءل المرء: "لماذا لا نستخدم نموذج الحلم لاختيار أفضل دائرة مباشرة؟". اختبرت الورقة ذلك صراحة. حاولوا استخدام نموذج الحلم كدليل بسيط لاختيار الخطوة التالية ("النهج الجشع")، لكنه لم يعمل بشكل جيد مثل عملية الحلم الكاملة.

الرؤية الأساسية هي أن نموذج الحلم ليس مثالياً في التنبؤ بالطاقة الدقيقة لقلعة مكتملة. ومع ذلك، فهو جيد جداً في تعلم القيمة النسبية للحركات. إنه يتعلم أن "إذا أضفت هذه البوابة، فإن النتيجة عادة ما تزيد قليلاً"، حتى لو لم يكن يعرف النتيجة النهائية الدقيقة. ومن خلال استخدام هذه التلميحات النسبية عبر خطوات عديدة (التخيل متعدد الخطوات)، يتعلم الروبوت استراتيجية أفضل لبناء الدائرة بأكملة، بدلاً من مجرد اختيار "أفضل" قطعة تبدو جيدة في كل خطوة.

كما أظهرت الورقة أن قدرة الروبوت على الحكم على ثقته بنفسه أمر بالغ الأهمية. يمكن للنموذج أن يدرك متى يكون غير متأكد (وجود اختلاف عالٍ بين "الحالمين" الداخليين). وعندما يكون غير متأكد، يتوقف عن الحلم ويتحقق من العالم الحقيقي. هذا السلوك "الواعي بعدم اليقين" يمنع الروبوت من إضاعة الوقت في أفكار سيئة أو الوقوع في حلقة من التخمينات السيئة.

الخلاصة

لا يحاول DreamQAS استبدال القاضي الكمومي المكلف؛ بل يحاول جعل الروبوت أكثر ذكاءً في معرفة متى يطلب المساعدة. من خلال فصل القواعد المعروفة لبناء الدوائر عن التغذية الراجعة المكلفة، ومن خلال استخدام مرحلة "الحلم" للتدريب، يتعلم النظام بناء دوائر كمومية أفضل بشكل أسرع بكثير.

في عالم الكيمياء الكمومية، حيث تكلف كل عملية ثروة من الوقت والطاقة، يقترح هذا النهج طريقاً جديداً للمضي قدماً: لا تحاول حل المشكلة بالقوة الغاشمة. ابنِ نموذجاً يفهم القواعد، واتركه يحلم بالإمكانيات، واستيقظ للتحقق من الواقع فقط عندما يكون الأمر ضرورياً حقاً. وجد المؤلفون أن هذه الطريقة لا تجد تصميمات أفضل فحسب، بل تفعل ذلك بجزء بسيط من التكلفة، مما يجعل الطريق نحو عمليات المحاكة الكمومية المفيدة أقل وعورة.