Benchmarking Quantum and Classical Machine Learning Models on Oncological Data
تقدم هذه الورقة منهجية قياس مرجعي صارمة باستخدام إطار عمل "ريد سيدار" (Red Cedar) والنماذج الكلاسيكية المُحسّنة عبر التعلم الآلي الآلي (AutoML) لتقييم التعلم الآلي الكمي مقابل الكلاسيكي على مجموعات بيانات أورام متنوعة، حيث لم تجد أي دليل على وجود تفوق كمي، وتقترح ضرورة التركيز على البيانات عالية الأبعاد والواقعية بيولوجياً لتحقيق تقدم مستقبلي.
المؤلفون الأصليون:Sydney Leither, Thomas Lubinski, Michael Kubal, Sonika Johri
تخيل أنك تحاول حل لغز ضخم وفوضوي، حيث القطع مصنوعة من الضوء والصوت والخلايا الحية. هذا هو عالم تعلم الآلة، وهو فرع من العلوم حيث تتعلم الحواسيب كيفية رصد الأنماط في البيانات لتقديم التنبؤات، مثل تخمين ما إذا كان المريض مصاباً بالسرطان بناءً على فحص طبي. عادةً ما تكون هذه الحواسيب "كلاسيكية"، مما يعني أنها تعمل مثل الحاسوب المحمول الموجود على مكتبك: فهي تعالج المعلومات خطوة بخطما، وبسرعة كبيرة، لكنها قد تصاب بالارتباك إذا كان للغز قطع كثيرة جداً أو إذا كانت القطع معقدة للغاية.
هنا يأتي دور الحوسبة الكمومية. فكر في هذا كنوع جديد وسحري من حلال الألغاز. فبدلاً من أن يكون مجرد مفتاح "نعم" أو "لا"، يمكن لقطعها (التي تسمى الكيوبتات - qubits) أن تكون في حالات متعددة في وقت واحد، بفضل خدعة فيزيائية غريبة تسمى التراكب (superposition). كما يمكنها أيضاً أن تكون "متشابكة"، مما يعني أنها مرتبطة ببعضها البعض بحيث يؤثر تغيير أحدها فوراً على الآخر، بغض النظر عن المسافة بينهما. يأمل العلماء أن يتيح هذا السحر لهم حل أصعب الألغاز الطبية في ثوانٍ، وهو حلم يسمى التفوق الكمومي (quantum advantage). ولكن السؤال الكبير هو: هل هذا السحر حقيقي بالنسبة للبيانات الطبية الآن، أم أنه مجرد لعبة لامعة لم تتعلم حيلها بعد؟
هذه الورقة البحثية هي بمثابة "واقع مرير". فقد قرر فريق من شركة "كاسكيد كوانتوم" (Cascade Quantum Inc.) التوقف عن التخمين والبدء في الاختبار. لقد بنوا "ساحة" عادلة لوضع أفضل نماذجهم الكمومية في مواجهة أفضل النماذج الكلاسيكية، باستخدام بيانات سرطان حقيقية من ثلاثة أنواع مختلفة من السجلات الطبية: جداول بيانات بسيطة لقياسات الخلايا، وبيانات "أوميكس" (omics) جينية معقدة، وصور طبية. واستخدموا طريقة خاصة تسمى ترميز بت-بت (bit-bit encoding) لترجمة البيانات البيولوجية الفوضوية إلى لغة يمكن للحاسوب الكمومي فهمها، وتأكدوا من منح الحواسيب الكلاسيكية نفس الترجمة وأفضل الإعدادات الممكنة للفوز.
والنتيجة؟ بعد إجراء آلاف عمليات المحاكاة، وجد المؤلفون لا يوجد دليل على أن النماذج الكمومية كانت أفضل من النماذج الكلاسيكية. في الواقع، أدت النماذج الكمومية أداءً مماثلاً تقريباً للنماذج الكلاسيكية، ولم يستطع أي منهما التفوق باستمرار على الحد النظري لمدى الدقة التي يمكن أن يصلا إليها. تشير الورقة إلى أن مجموعات البيانات المستخدمة حتى الآن هي فقط صغيرة وبسيطة للغاية بحيث لا تسمح بإظهار القوى الخارقة للحاسوب الكمومي. الأمر يشبه محاولة اختبار سيارة "فورمولا 1" في شارع هادئ في حي سكني؛ فالسيارة مذهلة، لكن الطريق ليس صعباً بما يكفي لإثبات ذلك. ويخلص المؤلفون إلى أنه لرؤية "تفوق كمومي" حقيقي، نحتاج إلى إيجاد مجموعات بيانات بيولوجية أكبر بكثير وأكثر تعقيداً وواقعية، وهي مجموعات يصعب الحصول عليها حالياً. وحتى ذلك الحين، لا تزال الحواسيب الكلاسيكية صامدة وتحافظ على مكانتها.
ملخص تقني: تقييم أداء نماذج تعلم الآلة الكمومية والكلاسيكية على البيانات الأورامية
بيان المشكلة يتم تطبيق تعلم الآلة بشكل متزايد على البيانات الأورامية للكشف والتشخيص والعلاج. ومع ذلك، تفرض البيانات البيولوجية تحديات فريدة، بما في ذلك الأبعاد العالية، وتنوع العينات المحدود، والتفاعلات المعقدة بين الميزات (لعنة الأبعاد). وبينما يُقترح نظرياً أن تعلم الآلة الكمومي (QML) قد يوفر مزايا في التعامل مع مثل هذه البيانات المعقدة وعالية الأبعاد، إلا أن هناك نقصاً في التقييم التجريبي الصارم الذي يثبت التفوق الكمومي العملي. فالدراسات الحالية غالباً ما تفشل في التمييز بين ما إذا كانت قيود الأداء ناتجة عن مشكلات التحسين (مثل الهضاب القاحلة أو النهايات الصغرى المحلية)، أو التعبير الذاتي للنموذج، أو مخططات ترميز البيانات. كما أن النماذج الكلاسيكية المرجعية في الأعمال السابقة غالباً ما يتم تدريبها بمعلمات فائقة ثابتة، مما يترك تساؤلاً مفتوحاً حول ما إذا كان قد تم تحقيق أفضل أداء لها.
المنهجية قام المؤلفون بتطوير إطار عمل صارم للمقارنة العادلة بين نماذج تعلم الآلة الكمومي (QML) وتعلم الآلة الكلاسيكي (CML) عبر مجموعات بيانات أورامية جدولية، و"أوميكس" (Omics)، ومكانية. استخدمت الدراسة إطار عمل التعلم الآلي الكمومي Red Cedar والشبكات العصبية الكلاسيكية المحسنة بواسطة AutoML.
مجموعات البيانات: قيمت الدراسة ثلاث فئات من البيانات:
الجدولية: مجموعة بيانات ويسكونسن لتشخيص سرطان الثدي (WDBC).
الأوميكس (Omics): بيانات التعبير الجيني لـ mRNA من أرشيف سرطان الثدي (TCGA) لأنواع سرطان الثدي (BRCA)، والقولون (COAD)، والمبيض (OV).
المكانية: مجموعات الصور الطبية من MedMNIST (BreastMNIST، PathMNIST، DermaMNIST).
المعالجة المسبقة: اختبر المؤلفون استراتيجيات معالجة مسبقة متنوعة، بما في ذلك اختيار الميزات باستخدام الغابة العشوائية (Random Forest) للبيانات الجدولية والأوميكس، واستخراج الميزات باستخدام ResNet18 للبيانات المكانية.
النموذج الكمومي:
الترميز: استخدمت الدراسة ترميز (bit-bit)، وهي طريقة تقوم بترميز العينات كلاسيكياً إلى بتات تتوافق مع تهيئة الكيوبت والقراءة. يوفر هذا النهج خصائص التقريب العالمي، مما يسمح للنموذج نظرياً بتحقيق دقة تدريب بنسبة 100% دون قيود في القدرة التعبيرية.
البنية: بنية ثنائية الطبقات (bipartite) تحتوي على عقد تشابك معلمية بين كيوبتات التسمية وكيوبتات البيانات.
التدريب: تم تدريب النماذج باستخدام استراتيجية تهيئة الشبكة الفرعية (sub-net initialization) وتحديثات الإحداثيات الدقيقة الخاصة بإطار عمل Red Cedar. تتجنب استراتيجية البدء الدافئ التدريجي هذه الهضاب القاحلة وتلغي الحاجة إلى المحسنات الكلاسيكية. استمر التدريب حتى الوصول إلى دقة تدريب بنسبة 100% أو بلوغ حد زمني قدره خمسة أيام.
النموذج الكلاسيكي المرجعي:
AutoML: تم استخدام مكتبة TPOT2 لتطوير بنيات الشبكات العصبية والمعلمات الفائقة المثلى، لضمان عدم كون النماذج الكلاسيكية المرجعية دون المستوى الأمثل.
مراحل المقارنة: تم تدريب النماذج الكلاسيكية على البيانات الخام، والبيانات المعالجة مسبقاً، والبيانات المرمزة بأسلوب (bit-bit) (سواء كانت مجزأة مسبقاً أو مجزأة)، لضمان مقارنة عادلة عبر تمثيلات البيانات المختلفة.
تقدير الموارد: تم حساب مقيما نظري وهو Qdataset(1.0). ويمثل هذا عدد الكيوبتات المطلوبة لترميز مجموعة بيانات بحيث يكون من الممكن نظرياً تحقيق دقة تدريب واختبار بنسبة 100% (أي لا توجد تصادمات في الفضاء المجزأ). تم استخدام عتبة 50 كيوبت كمعيار استرشادي للتفوق الكمومي المحتمل، بناءً على مرحلة استقرار قدرات المحاكاة الكلاسيكية.
النتائج الرئيسية
لا يوجد دليل على التفوق الكمومي: عبر جميع مجموعات البيانات المختبرة (WDBC، وأوميكس TCGA، وMedMNIST المكانية) وطرق المعالجة المسبقة، لم تتفوق النماذج الكمومية على الشبكات العصبية الكلاسيكية المحسنة بواسطة AutoML. كانت دقة الاختبار لكلا فئتي النماذج متمايزة إحصائياً ضمن هوامش الخطأ القياسية.
أداء التدريب: نجحت جميع النماذج الكمومية في الوصول إلى دقة تدريب بنسبة 100%، مما يؤكد أن منهجية التدريب تجنبت بفعالية مشكلات التحسين مثل الهضاب القاحلة. وبالتالي، لم يُعزَ عدم وجود التفوق الكمومي إلى فشل في التدريب.
التعميم: فشلت كل من النماذج الكمومية والكلاسيكية في الوصول باستمرار إلى الحد الأقصى النظري لدقة الاختبار مع زيادة عدد الكيوبتات، لا سيما في مجموعات البيانات ذات التعقيد الأعلى.
نتائج تقدير الموارد:
WDBC والأوميكس: كانت قيم Qdataset(1.0) لـ WDBC (حوالي 14-15 كيوبت) ولبيانات الأوميكس (حوالي 15-20 كيوبت) أقل بكثير من عتبة الـ 50 كيوبت، مما يشير إلى أن هذه البيانات ليست مرشحة قوية للتفوق الكمومي.
البيانات المكانية: اقتربت بعض البيانات المكانية (مثل BreastMNIST المسطحة) أو تجاوزت عتبة الـ 50 كيوبت، لكن النتائج كانت غير متسقة عبر طرق المعالجة المسبقة (مثل ResNet18 مقابل التسطيح)، وغالباً ما عُزيت إلى آثار معالجة البيانات بدلاً من التعقيد الجوهري.
القوة تجاه المعالجة المسبقة: أثبت إطار عمل تقدير الموارد متانة تجاه المعالجة المسبقة؛ فبالنسبة لبيانات الأوميكس، قلل اختيار الميزات باستخدام الغابة العشوائية الميزات بنسبة 99.8%، ومع ذلك ظل Qdataset(1.0) غير ذي دلالة إحصائية بين البيانات المعالجة والبيانات الخام.
الأهمية والادعاءات يزعم البحث أنه يضع إطار عمل أكثر صرامة لتقييم التفوق الكمومي من خلال التحليل المنهجي لتوسع الأداء مع حجم النموذج واستخدام نماذج مرجعية كلاسيكية عادلة ومحسنة بواسطة AutoML. الاستنتاج الرئيسي هو أن مجموعات البيانات المرجعية الحالية في أدبيات تعلم الآلة الكمومي لا تظهر دليلاً على التفوق الكمومي في التصنيف الأورامي.
ويجادل المؤلفون بأن المجال يجب أن يتجاوز هذه المراجع الحالية. ويقترحون أن التقدم الملموس نحو التفوق الكمومي العملي يتطلب تحليل بيانات أكثر تعقيداً وواقعية بيولوجية (مثل البيانات متعددة الأوميكس، أو متعددة الوسائط، أو السلاسل الزمنية) التي تمتلك القدرة التمثيلية والتفاعلات عالية الرتبة اللازمة للاستفيد من الخصائص الحسابية الكمومية. وتسلط الدراسة الضوء على أن نقص البيانات البيولوجية المفتوحة والمعقدة وسهلة الوصول هو عائق أمام إثبات الفائدة الكمومية في علوم الحياة.