Shadow models of a quantum model for cloud cover and the influence of finite sampling noise
تقدم هذه الورقة نماذج ظل بنائية لنموذج تعلم آلي كمي للغطاء السحابي تستخدم تقريبات متسلسلة فوريه جزئية للارتباط بكفاءة مع النماذج المناخية الكلاسيكية وتخفيف ضوضاء العينات المحدودة، مما يثبت فعاليتها على نظام Euro-Q-Exa الكمي.
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
يواجه علماء المناخ صراعاً مستمراً مع مسألة النطاق. فمن أجل التنبؤ بالطقس أو فهم تغير المناخ على المدى الطويل، يتعين عليهم محاكاة الغلاف الجوي في خطوات دقيقة وصغيرة عبر الكرة الأرضية بأكملها. ومع ذلك، فإن فيزياء السحب معقدة للغاية، وحساب كل تفصيل لكل بقعة من السماء غالباً ما يكون أبطأ من أن تستوعبه حتى أسرع الحواسيب الفائقة في العالم. وفي السنوات الأخيرة، توجه الباحثون إلى الحوسبة الكمومية، وهي نوع جديد من الآلات التي تستخدم القوانين الغريبة للفيزياء لمعالجة المعلومات، لحل هذه الحسابات الثقيلة. والأمل هو أن تتمكن هذه الآلات الكمومية من تعلم التنبؤ بالغطاء السحابي بدقة عالية، لتعمل كاختصار لنماذج المناخ الضخمة. لكن هناك عقبة: الحواسيب الكمومية الحالية هشة، وعرضة للأخطاء، ويصعب ربطها مباشرة بالحواسيب الكلاسيكية الفائقة التي تشغل بقية محاكاة المناخ. فإذا كان على نموذج المناخ أن ينتظر الحاسوب الكمومي لإنهاء عملية حسابية في كل مرة يحتاج فيها إلى تنبؤ بالسحب، فإن المحاكاة بأكملها ستتوقف عن العمل.
لقد وجد فريق من الباحثين في مركز الفضاء الألماني وجامعة بريمن طريقة ذكية لتجاوز هذه العقبة. فقد طوروا طريقة لإنشاء "ظل" لنموذج تعلم آلي كمومي. فكر في هذا الظل ليس كشبح، بل كنسخة كلاسيكية دقيقة للغاية. لقد قام الباحثون بتدريب نموذج كمومي للتنبؤ بالغطاء السحابي، ثم استخدموا ذلك النموذج المدرب لبناء نسخة كلاسيكية جديدة، خالصة، تحاكي سلوك النموذج الكمومي. والابتكار الرئيسي هو أن هذه النسخة الكلاسيكية يمكن استخدامها داخل محاكاة المناخ دون الحاجة لوجود الحاسوب الكمومي أثناء التنبؤ بالطقس الفعلي. فالآلة الكمومية مطلوبة فقط خلال مرحلة التدريب الأولية لتعليم النظام كيف يفكر. وبمجرد تعلم الدرس، يتولى الظل المهمة، مما يسمح لنموذج المناخ بالعمل بكامل سرعته على الحواسيب الفائقة القياسية.
اختبر الباحثون هذه الفكرة باستخدام نموذج كمومي محدد مصمم للتنبؤ بمدى تغطية السحب لخلية سماوية معينة. وقارنوا بين طريقتين مختلفتين لبناء هذه الظلال الكلاسيكية. اعتمدت الطريقة الأولى على البنية الرياضية للنموذج الكمومي نفسه. ولأن الطريقة التي يعالج بها النموذج البيانات تتبع نمطاً محدداً، فقد تمكن الباحثون من استخدام أداة رياضية قياسية لتفكيك النموذج إلى تردداته الأساسية، تماماً مثل فصل وتر موسيقي إلى نوتات فردية. ووجدوا أنهم لا يحتاجون إلى كل نوتة لإعادة إنتاج الصوت؛ إذ كان الاحتفاظ بالترددات الأعلى والأكثر أهمية كافياً لبناء ظل يكاد يكون مطابقاً للنموذج الكمومي الأصلي. سمحت هذه الطريقة بتقليص النموذج بشكل كبير، مما جعله فعالاً بما يكفي لاستخده في عمليات المحاكاة الواقعية.
أما الطريقة الثانية فكانت أكثر عمومية ولم تعتمد على معرفة البنية الرياضية الداخلية للنموذج الكمومي. بدلاً من ذلك، عامل الباحثون النموذج الكمومي كـ "صندوق أسود". فقد غدّوه بآلاف المدخلات المختلفة وسجلوا المخرجات، ثم استخدموا تقنية تسمى "الاستيفاء" (interpolation) لرسم منحنى سلس يربط بين كل تلك النقاط. وقد خلق هذا نموذجاً كلاسيكياً يمكنه تخمين المخرج لأي مدخل جديد بناءً على الأنماط التي رآها. وبينما تطلبت هذه الطريقة عدداً هائلاً من نقاط البيانات لتعمل بشكل جيد، إلا أنها قدمت بديلاً مرناً في حال كانت البنية الداخلية للنموذج الكمومي معقدة للغاية بحيث يصعب تحليلها مباشرة.
ولعل الاكتشاف الأكثر إثارة للدهشة هو كيفية تعامل هذه الظلال مع الأخطاء. فالحواسيب الكمومية حالياً مليئة بالضجيج؛ فعندما تقيس نتيجة ما، غالباً ما تكون الإجابة غير دقيقة قليلاً بسبب قيود الأجهزة. ويُعرف هذا باسم "ضجيج العينات المحدودة". وجد الباحثون أنه عندما بنوا ظلالهم الكلاسيكية باستخدام بيانات من هذه القياسات الكمومية المشوبة بالضجيج، فإن الظلال في الواقع كان أداؤها أفضل من النموذج الكمومي نفسه. فقد عملت عملية إنشاء الظل كمرشح (فلتر)، حيث قامت بتنعيم الأخطاء العشوائية وإنتاج تنبؤ أكثر نقاءً ودقة. وقد ظل تأثير تقليل الخطأ هذا قائماً حتى عندما اختبر الباحثون النظام على حاسوب كمومي حقيقي يسمى "Euro-Q-Exa"، الموجود في مركز لايبنيز للحوسبة الفائقة في ألمانيا. وعلى هذا الجهاز الحقيقي، أنتجت نماذج الظل باستمرار أخطاءً أقل من القياسات الكمومية المباشرة، رغم أنه كان من الصعب فصل هذا التحسن عن التغيرات الصغيرة الأخرى الناتجة عن المعايرة اليومية للجهاز.
تشير الدراسة إلى أن نماذج الظل هذه يمكن أن تكون جسراً حيوياً بين العصر الحالي للأجهزة الكمومية المحدودة ومستقبل علوم المناخ. فمن خلال استخدام الحاسوب الكمومي للتدريب فقط ثم الانتقال إلى ظل كلاسيكي قوي للمحاكاة الفعلية، يمكن للعلماء تسخير قوة التعلم الكمومي دون أن يعيقهم بطء أو ضجيج آلات اليوم. وقد أثبت الباحثون أنه بالنسبة لنموذج الغطاء السحابي المحدد الخاص بهم، كان الظل المبني من جزء بسيط فقط من بيانات النموذج الكمومي كافياً لالتقاط السلوك الجوهري. وبينما يظل توسيع نطاق ذلك ليشمل مشكلات أكبر وأكثر تعقيداً تحدياً قائماً، إلا أن العمل يثبت أنه من الممكن ترجمة رؤى النموذج الكمومي إلى شكل يمكن للحواسيب الكلاسيكية استخدامه بكفاءة وموثوقية. وهذا يمهد الطريق لدمج التعلم الآلي الكمومي في الجيل القادم من نماذج المناخ، مما قد يؤدي إلى تنبؤات أكثر دقة لعالمنا المتغير.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.