A Protocol-Guided LLM Agent for Quantum Program Synthesis and Execution
تُثبت هذه الدراسة أن سير عمل وكيل النماذج اللغوية الكبيرة (LLM) الموجه بالبروتوكول يعزز بشكل كبير من موثوقية وكفاءة تخليق البرامج الكمومية وتنفيذها من خلال الجمع بين مواصفات YAML المهيكلة والإصلاح الموجه من قبل المُقيّم، مما يؤدي إلى معدلات إكمال أعلى، وإصلاحات أقل، وتنفيذ أسرع عبر مهام VQE وQAOA وتصنيف النواة الكمومية، مع تأكيد جدوى النشر على الأجهزة الكمومية الحقيقية.
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
في مجال الحوسبة الكمومية الناشئ، يحاول العلماء تعليم الآلات حل مشكلات مستعصية على الحواسيب الفائقة اليوم. وللقيام بذلك، يكتبون برامج توجه معالجًا كموميًا للتلاعب بجسيمات مادية متناهية الصغر، باستخدام قدرتها الفريدة على الوجود في حالات متعددة في آن واحد. ومع ذلك، فإن كتابة هذه البرامج صعبة للغاية؛ فهي تتطلب فهمًا عميقًا لكل من علوم الحاسوب والقوانين الفيزيائية الغريبة التي تحكم العالم الكمومي. مؤخرًا، بدأ الباحثون في استخدام النماذج اللغوية الكبيرة — وهي أنظمة ذكاء اصطناعي متقدمة مدربة على كميات هائلة من النصوص — للمساعدة في كتابة هذا الكود. يمكن لهذه الوكلاء من الذكاء الاصطناعي ترجمة طلب بشري، مثل "أوجد طاقة هذا الجزيء"، إلى مجموعة من التعليمات لحاسوب كمومي. والأمل هو أن تتمكن أدوات الذكاء الاصطناعي هذه من أتمتة العملية، مما يجعل البرمجة الكمومية متاحة لمزيد من الناس. ومع ذلك، لا تزال هناك عقبة رئيسية: فبينما قد ينجح الذكاء الاصطناعي في إنشاء كود يعمل دون توقف أو انهيار، إلا أن الكود الذي ينتجه قد يظل عديم الفائدة علميًا، لاعتماده على افتراضات فيزيائية خاطئة أو إغفاله لتفاصيل حاسمة.
وضع فريق من الباحثين هدفًا لحل هذه المشكلة تحديدًا عبر اختبار ما إذا كان إعطاء الذك_الاصطناعي مجموعة صارمة من القواعد، أو "بروتوكول"، سيساعده في كتابة برامج كمومية أفضل. لم يكتفوا بمجرد طلب كتابة الكود من الذكاء الاصطناعي؛ بل قدموا وثيقة مفصلة ومحدثة تحدد بدقة ما يجب أن يحققه البرنامج وما يُحظر عليه فعله. عملت هذه الوثيقة كعقد، حيث أوضحت المتطلبات للمهمة دون الكشف عن الحل نفسه. ثم قارن الباحثون بين مجموعتين من وكلاء الذكاء الاصطناعي؛ تلقت إحدى المجموعتين هذا البروتوكول، بينما تلقت المجموعة الأخرى الطلب الأساسي فقط واضطرت لتخمين التفاصيل الضرورية بمفردها. واختبر الباحثون هؤلاء الوكلاء في ثلاثة تحديات متميزة: حساب طاقة جزيء الهيدروجين، وتحسين اتصال شبكة، وتصنيف صور الملابس. وكان الهدف هو معرفة ما إذا كانت التوجيهات الإضافية ستجعل الذكاء الاصطناعي أكثر موثوقية وسرعة وأكثر قدرة على إنتاج نتائج صالحة علميًا.
أظهرت النتائج أن البروتوكول أحدث فرقًا هائلاً في كيفية أداء وكلاء الذكاء الاصطناعي. فعندما عمل الوكلاء بدون البروتوكول، فشلوا في إنتاج برنامج صالح في حوالي 20 بالمئة من محاولاتهم. وعند إضافة البروتوكول، انخفض معدل الفشل هذا إلى أقل من 1 بالمئة. كما احتاج الوكلاء المزودون بالبروتوكول إلى محاولات أقل بكثير لإصلاح أخطائهم، مما قلل متوسط عمليات الإصلاح من حوالي اثنتين ونصف إلى أقل من واحدة. علاوة على ذلك، أصبحت العملية برمتها أسرع، حيث انخفض الوقت المطلوب لإنشاء برنامج صالح من ما يقرب من 56 ثانية إلى حوالي 30 ثانية. ووجد الباحثون أن البروتوكول ساعد الذكاء الاصطناعي على فهم اللغة والهيكل المحدد المطلوب للبرمجيات الكمومية، مما منع ارتكاب الأخطاء الأساسية التي قد تؤدي إلى رفض البرنامج فورًا.
ومع ذلك، كشفت الدراسة أيضًا أن السرعة والخلو من الأخطاء لا يضمنان صحة العلم. فبينما ساعد البروتوكول الذكاء الاصطناعي في اجتياز الفحوصات الأساسية لتشغيل الكود، إلا أنه لم يضمن تلقائيًا أن البرنامج يحل المشكلة الفيزيائية بشكل صحيح. ففي اختبار محدد يتعلق بتصنيف الصور، اتبع الذكاء الاصطناعي جميع القواعد بدقة، لكنه أنتج نتيجة معيبة رياضيًا لأنه فشل في استيعاب التعقيد اللازم للبيانات. تسلط هذه النتيجة الضوء على تمييز جوهري: يمكن للذكاء الاصطناعي إكمال مهمة بنجاح عبر اتباع التعليمات، لكن هذا لا يعني أن المخرج صالح علميًا. وجد الباحثون أنه بالنسبة لمهمة حساب الطاقة الجزيئية، أدى البروتوكول بالفعل إلى تحسن ملحوء في الدقة العلمية، حيث تضاعفت تقريبًا عدد النتائج الناجحة والدقيقة كيميائيًا. ولكن بالنسبة لمهام أخرى، كان التحسن أقل وضوحًا، مما يشير إلى أن البروتوكول أداة قوية للموثوقية، ولكنه يجب أن يقترن بفحوصات أخرى لضمان صمود الجانب العلمي.
ولإثبات أن هذه البرامج يمكنها العمل فعليًا على أجهزة حقيقية، أخذ الباحثون أفضل المرشحين لديهم وأرسلوهم إلى حاسوب كمومي مادي. قاموا بتشغيل البرامج على معالج كمومي حقيقي موجود في مختبر، مكررين الاختبارات مئات المرات لمعرفة ما إذا كانت النتائج متسقة. أكدت التجارب أن البرامج التي تم إنشاؤها باستخدام البروتوكول يمكن نشرها بنجاح على آلات كمومية فعلية. وأظهرت البيانات أن العملية المشتركة لتوليد الكود واختيار أفضل المرشحين تمت بسلاسة، مما أنتج نتائج مستقرة يمكن تكرارها. كانت هذه الخطوة حيوية لأنها نقلت البحث من مجرد محاكاة حاسوبية إلى عرض واقعي، مما أثبت جدوى سير العمل في المستقبل.
تخلص الدراسة إلى أن تزويد وكلاء الذكاء الاصطناعي ببروتوكول واضح ومنظم هو وسيلة فعالة للغاية لتحسين موثوقية وسرعة توليد البرامج الكمومية. فهو يعمل كطبقة أمان تمنع الذكاء الاصطناعي من ارتكاب الأخطاء الشائعة والوقوع في حلقات مفرغة من الإصلاح. ومع ذلك، يحذر الباحثون من أن هذا التوجيه ليس حلاً كاملاً؛ فبينما يساعد الذكاء الاصطناعي على كتابة كود يعمل، فإنه لا يحل محل الحاجة إلى خبراء بشريين أو أدوات متخصصة للتحقق من أن الكود منطقي علميًا. البروتوكول يوجه الذكاء الاصطناعي إلى الباب الصحيح، ولكن لا يزال هناك من يحتاج إلى التحقق مما يوجد بالداخل. يشير هذا العمل إلى مستقبل يتولى فيه الذكاء الاصطناعي المهام الشاقة لكتابة الكود، بينما تضمن الرقابة البشرية النزاهة العلمية للنتائج، مما يخلق شراكة يمكنها تسريع تطوير الحوسبة الكمومية العملية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.