Feedback-based quantum optimization with low depth and measurement
تقدم هذه الورقة BLS-FALQON، وهو خوارزمية تحسين هجينة كمية-كلاسيكية مستوحاة من البحث عن خط التراجع (Backtracking Line Search)، والتي تقلل بشكل كبير من عبء القياس مقارنة بـ SO-FALQON مع الحفاظ على عمق دارة منخفض، كما تم التحقق من ذلك من خلال المحاكاة العددية والتجارب الواقعية على الحاسوب الكمي Tianyan-176.
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 السباق لبناء حواسيب كمومية مفيدة، يعمل العلماء حاليًا على آلات قوية ولكنها هشة. هذه الأجهزة، المعروفة باسم الحواسيب الكمومية ذات المقياس المتوسط المشوبة بالضجيج، يمكنها إجراء حسابات معقدة، لكنها تتأثر بسهولة ببيئتها، مما يتسبب في تسلل الأخطاء قبل انتهاء الحساب. ولحل مشكلات صعبة مثل تنظيم البيانات أو إيجاد المسار الأكثر كفاءة عبر شبكة ما، يستخدم الباحثون خوارزميات هجينة تجمع بين نقاط القوة للحواسيب الكلاسيكية وهذه المعالجات الكمومية الجديدة. إحدى هذه الطرق، وتسمى FALQON، تعمل مثل بحث موجه؛ فهي تبدأ بتخمين عشوائي وتعدل الحالة الكمومية بشكل متكرر، مستخدمةً التغذية الراجعة من القياسات لدفع النظام نحو أفضل إجابة ممكنة. تكمن المشكلة في أن هذا التوجيه يتطلب من الحاسوب الكمومي تشغيل تسلسل طويل جدًا من العمليات. وبما أن هذه الآلات هشة للغاية، فإن تشغيل تسلسل طويل يعني غالبًا ضياع الإشارة في الضجيج قبل العثور على الإجابة.
ولإصلاح ذلك، طور الباحثون سابقًا نسخة أسرع من البحث يمكنها الوصول إلى الحل في خطوات أقل. ومع ذلك، جاءت هذه السرعة بثمن باهظ: كان على الآلة أن تجري العديد من القياسات عند كل خطوة لضمان عدم انحرافها عن المسار. هذا التدفق من القياسات أدى إلى إبطاء العملية وأدخل المزيد من الأخطاء. تقترح دراسة جديدة أجراها فريق من جامعة بكين للاتصالات والمعلومات ومؤسسات أخرى حلاً مختلفًا. فقد قدموا طريقة تسمى BLS-FALQON، والتي تنجح في الحفاظ على قصر مدة البحث دون المطالبة بعدد مفرط من القياسات. ومن خلال استخدام استراتيجية مستعارة من التحسين الرياضي، أنشأ الفريق نظامًا يمكنه اتخاذ خطوات كبيرة وواثقة نحو الحل مع التحقق من تقدمه بشكل عرضي فقط. وعندما يتحقق النظام ويجد أنه قد انحرف، فإنه ببساطة يعكس اتجاهه ويجرب خطوة أصغر، بدلاً من إعادة حساب القيم المعقدة من الصفر.
اختبر الباحثون هذا النهج الجديد على لغز كلاسيكي يُعرف باسم مشكلة "max-cut"، والتي تتضمن تقسيم شبكة إلى مجموعتين لتعظيم الروابط بينهما. وفي عمليات المحاكاة الحاسوبية التي شملت شبكات تصل إلى عشرين عقدة، أثبتت الطريقة الجديدة فعاليتها العالية. فقد قللت إجمالي عدد القياسات المطللة بنسبة تقارب ثمانية وثلاثين بالمائة مقارنة بأسرع طريقة سابقة، مع الحفاظ على طول الدائرة الكمومية تقريبًا كما هو. وهذا يمثل تحسنًا كبيرًا لأنه في الجيل الحالي من الأجهزة الكمومية، يعد الوقت المستغرق في القياس والوقت المستغرق في تشغيل الدائرة أكبر عقبتين. ومن خلال تقليل القياسات، نجح الفريق فعليًا في تقليل الوقت الإجمالي الذي يحتاجه الحاسوب الكمومي لحل المشكلة.
وللتحقق من أن هذه النتائج صمدت في العالم الحقيقي، أجرى الفريق تجاربه على حاسوب كمومي فيزيائي موجود في الصين، والذي يستخدم معالجًا فائق التوصيل بـ 176 كيوبت (qubit). واختبروا الخوارزمية على شبكات صغيرة مكونة من أربع، وست، وثماني عقد. وأكدت النتائج أن الطريقة الجديدة لم تكن مجرد نجاح في المحاكاة بل كانت واقعًا عمليًا. ففي الأجهزة الفعلية، قلل النهج الجديد من وقت التنفيذ المقدر بنسبة ثلاثة وأربعين بالمائة مقارنة بأفضل طريقة سابقة. وظل النظام مستقرًا حتى في ظل وجود الضجيج والأخطاء التي تعاني منها الآلات الحالية. وبينما لم تنجح الطريقة الجديدة في القضاء تمامًا على الفجوة بين نتائج الأجهزة المشوبة بالضجيج والمثال النظري المثالي، إلا أنها قدمت أداءً أفضل من البدائل وأظهرت قدرتها على إيجاد حلول جيدة دون إرهاق المعالج الكمومي الهش بالكثير من عمليات التحقق.
يكمن نجاح هذا العمل في بساطته. فبدلاً من محاولة حساب تصحيح مثالي ومعقد عند كل خطوة، تستخدم الخوارزمية الجديدة نهجًا استدلاليًا؛ فهي تتخذ خطوة كبيرة، وتتحقق مما إذا كانت النتيجة قد تحسنت، وإذا لم يكن الأمر كذلك، فإنها ببساطة تعكس اتجاه الخطوة التالية وتحاول مرة أخرى. هذا التعديل ذهابًا وإيابًا يسمح للنظام بالبقاء على المسار الصحيح دون الحاجة إلى جمع بيانات إضافية قد تبطئه. ووجد الباحثون أن هذه الاستراتيجية تعمل جيدًا حتى عندما يرتكب الحاسوب الكمومي أخطاءً، لأن الطريقة تصحح تلك الأخطاء بشكل طبيعي عن طريق عكس الاتجاه عندما تسوء الأمور. وهذا يشير إلى أنه بالنسبة للجيل الحالي من الحواسيب الكمومية، فإن المسار الأكثر كفاءة قد لا يكون بجعل الآلات أكثر تعقيدًا، بل بجعل التعليمات التي تتبعها أكثر ذكاءً وكفاءة.
كما تسلط الدراسة الضوء على أهمية كيفية تجميع البيانات أثناء القياس. ففي الحوسبة الكمومية، يمكن لقياس جزء واحد من النظام أن يزعج جزءًا آخر، لذا يجب على العلماء تجميع القياسات ذات الصلة معًا لتقليل الاضطراب. وقد أظهر الفريق أن طريقتهم الجديدة يمكن دمجها مع تقنيات التجميع الموجودة لتقليل عبء العمل بشكل أكبر. وهذا يعني أن التوفير في الوقت والموارد ليس نظريًا فحسب، بل هو قابل للتطبيق مباشرة على الطريقة التي تُبرمج بها هذه الآلات حاليًا. وتشير النتائج إلى أنه من خلال تحسين حلقة التغذية الراجعة، يمكن للباحثين استخراج المزيد من الأداء من الأجهزة الكمومية التي يمتلكونها بالفعل، مما يقرب التطبيقات العملية لهذه الآلات من الواقع.
في نهاية المطاف، يوضح هذا العمل أن الكفاءة في الحوسبة الكمومية لا تتعلق فقط ببناء معالجات أكبر، بل بتصميم خوارزميات تحترم الحدود الفيزيائية للأجهزة. تحقق الطريقة الجديدة توازنًا بين السرعة والدقة لم تستطع النهج السابقة تحقيقه. وهي توفر وسيلة للتنقل في المشهد المشوب بالضجيج للأجهزة الكمومية الحالية دون الضياع في الأخطاء. ومع تقدم المجال، ستصبح تقنيات مثل هذه ضرورية لحل مشكلات العالم الحقيقي، مما يثبت أن أفضل طريقة للمضي قدمًا هي معرفة متى يجب عليك التراجع والمحاولة مرة أخرى بالضبط.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.