A Hybrid Quantum Neural Network to Analyse Big Experimental Powder X-ray Diffraction Data
تقدم هذه الورقة إطار عمل لشبكة عصبية كمومية هجينة تنجح في استخراج معاملات الطور الكمية من مجموعات بيانات حيود الأشعة السينية للمساحيق التجريبية واسعة النطاق دون الحاجة إلى تحسين تكراري، مما يثبت فائدتها العملية من خلال إعادة بناء خرائط الطور المكانية بدقة على حاسوب كمومي من إنتاج شركة IBM لمواد خلايا الوقود ذات الأكسيد الصلب وبطاريات الليثيوم أيون المعقدة.
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 عالم علم المواد، غالبًا ما يكون فهم ماهية الشيء وكيفية ترتيب أجزائه مسألة تتعلق بتسليط حزمة قوية من الأشعة السينية عبره. فعندما تصطدم هذه الأشعة بجسم صلب بلوري، فإنها تتشتت في أنماط محددة، مما يخلق بصمة فريدة تكشف عن البنية الداخلية للمادة. ولعقود من الزمن، استخدم العلماء هذه البصمات لتحليل كل شيء، بدءًا من الأدوية الجديدة وصولًا إلى البطاريات المتقدمة. ومع ذلك، يمكن لمرافق الأبحاث الحديثة الآن توليد هذه الأنماط بسرعة مذهلة، حيث تنتج مئات الآلاف من الصور في تجربة واحدة. وقد خلق هذا التدفق الهائل من البيانات عقبة؛ إذ تعاني الحواسيب التقليدية في معالجة هذه الأحجام الضخمة بسرعة كافية لمواكبة وتيرة الاكتشاف، مما يضطر الباحثين للانتظار أو الفرز اليدوي للمعلومات التي ينبغي تحليلها في الوقت الفعلي.
ولمعالجة هذا التحدي المتزايد، اتخذ فريق من الباحثين خطوة جريئة عبر اختبار نوع جديد من المعالجات الحاسوبية — وهو معالج يعمل وفق مبادئ ميكانيكا الكم بدلاً من المنطق الثنائي القياسي للآلات اليومية. لم يكتفوا بمجرد محاكاة هذه العملية على حاسوب عادي، بل قاموا بالفعل بتشغيل تحليلهم على حاسوب كمي فيزيائي موجود في مرفق أبحاث في المملكة المتحدة. كان هدفهم هو معرفة ما إذا كانت هذه التكنولوجيا الناشئة قادرة على فك رموز أنماط الأشعة السينية المعقدة من أجهزة طاقة حقيقية، وتحديداً خلية وقود الأكسيد الصلب وبطارية ليثيوم أيون، وتحديد الكمية الدقيقة لكل مادة موجودة بداخلها. وأظهرت النتائج أنه على الرغم من أن الأجهزة الكمية الحالية لا تزال في مراحلها الأولى، إلا أنها قادرة بالفعل على التعامل مع بيانات تجريبية حقيقية، حيث نجحت في رسم خريطة التركيب الداخلي لهذه الأجهزة بدقة تضاهي الطرق التقليدية الراسخة.
ركز الباحثون على تقنيتين محددتين للطاقة: خلية وقود الأكسيد الصلب مجهرية البنية، وهي نوع من مولدات الطاقة النظيفة، وبطارية ليثيوم أيون تجارية من النوع "pin-type"، وهي النوع الموجود في العديد من الأجهزة الإلكترونية المحمولة. كلا الجهازين عبارة عن مخاليط معقدة من مواد صلبة مختلفة موضوعة في طبقات فوق بعضها البعض. ولفهم كيفية عملها أو كيفية تدهورها، يحتاج العلماء إلى معرفة مكان كل مادة بالضبط وبأي نسبة. تقليدياً، يتطلب هذا عملية مضنية تسمى "التحسين التكراري"، حيث تقوم الحواسيب بتعديل النموذج بشكل متكرر حتى يتوافق مع بيانات الأشعة السينية. هذه الطريقة دقيقة ولكنها بطيئة، خاصة عند تطبيقها على عشرات الآلاف من نقاط البيانات التي تُجمع في مسحة واحدة لخلية وقود أو بطارية.
طوّر الفريق نهجاً جديداً يجمع بين معالج كمي صغير وحاسوب كلاسيكي قياسي. لقد صمموا نظاماً يعمل فيه الجزء الكمي كمستخرج ميزات متخصص. تخيل نمط الأشعة السينية كقائمة طويلة ومعقدة من الأرقام؛ يأخذ المعالج الكمي هذه القائمة ويضغطها في مجموعة أصغر بكثير من الأرقام التي لا تزال تحمل المعلومات الأساسية حول بنية المادة. ثم تُمرر هذه المعلومات المضغوطة إلى برنامج حاسوبي قياسي، والذي يترجمها بسرعة إلى خريطة توضح وزن وتوزيع كل مادة. ولإنجاح ذلك على أجهزة كمية فيزيائية غير مثالية، قام الباحثون أولاً بتدريب النظام على مكتبة ضخمة من البيانات المحاكات التي تضمنت ضوضاء اصطناعية، لمحاكاة الأخطاء التي تحدث في الآلات الكمية الفيزيائية. وبمجرد أن تعلم النظام كيفية التعامل مع هذه الضوضاء في المحاكاة، نقلوه إلى الحاسوب الكمي الفعلي لتحليل بيانات تجريبية حقيقية.
تضمن التجربة تحليل ما يقرب من 10,000 نمط أشعة سينية لخلية الوقود وحوالي 18,000 نمط للبطارية. قام الباحثون بتشغيل هذه الأنماط عبر حاسوب كمي من إنتاج شركة IBM، والذي عالج البيانات في غضون دقائق. كانت النتيجة خريطة مكانية مفصلة توضح توزيع الأطوار المختلفة داخل الأجهزة. بالنسبة لخلية الوقود، نجح النظام في التمييز بين طبقات الأنود (المصعد)، والإلكتروليت (الكهرل)، والكاثود (المهبط)، موضحاً بوضوح الهيكل المسامي والطبقات الرقيقة للمادة النشطة. أما بالنسبة للبطارية، فقد رسم النظام هيكل "لفافة الجيلي" (jelly-roll)، وفصل بين كاثود أكسيد الكوبالت الليثيوم، وأنود الجرافيت، ورقائق المعادن الرقيقة التي تجمع التيار الكهربائي.
وعندما قارن الفريق الخرائط التي أنتجها النظام الكمي بتلك التي أنتجتها الطريقة التقليدية المعتمدة للتحليل، كانت النتائج متشابهة بشكل مذهل. فقد حدد النهج الكمي الحدود بين المواد المختلفة بشكل صحيح وقاس الكميات النسبية لكل مكون بدقة. وفي خلية الوقود، كانت معدلات الخطأ ضئيلة عبر معظم المادة، مع وجود تباينات طفيفة فقط عند الحواف الحادة حيث تكون الإشارات ضعيفة بطبيعتها. وفي البطارية، تمكن النظام من فصل الأطوار الأربعة المتميزة، بما في ذلك المعادن والمواد الكربونية، بدرجة عالية من الدقة. كما نجح النظام في استعادة عوامل القياس، والتي تشير إلى شدة حيود الأشعة، مما سمح له بمراعاة الاختلافات الهائلة في كيفية تشتت المواد المختلفة للأشعة السينية.
لا يدعي هذا العمل أن الحواسيب الكمية أسرع أو أكثر دقة حالياً من أفضل الحواسيب الفائقة الكلاسيكية لهذه المهمة المحددة. في الواقع، يشير الباحثون إلى أن الأجهزة الكمية لا تزال عرضة للقيود الفيزيائية والضوضاء. بدلاً من ذلك، تعد هذه الدراسة بمثابة إثبات للمفهوم، حيث توضح أن المعالجات الكمية الفيزيائية يمكن دمجها في سير العمل العلمي الحقيقي لمعالجة مجموعات البيانات الضخمة والمعقدة. ومن خلال إظهار أن نظاماً هجيناً يمكنه استخراج المعلمات الكمية من بيانات تجريبية حقيقية دون الحاجة إلى التخلص من المعلومات أو الاعتماد كلياً على المحاكاة، وضع الفريق حجر الأساس لتطبيقات مستقبلية. ومع استمرار تحسن الأجهزة الكمية مع توفر اتصالات أكثر استقراراً وتصحيح أفضل للأخطاء، قد يسمح هذا الأسلوب للعلماء في المستقبل بتحليل تدفقات هائلة من البيانات في الوقت الفعلي، مما يفتح آفاقاً جديدة لفهم المواد التي تشغل عالمنا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.