Q-SPARSE: Quantum Subspace Projection for Near-Field Angle-Range Spectrum Estimation
تقترح هذه الورقة خوارزمية Q-SPARSE، وهي خوارزمية إسقاط الفضاء الجزئي الكمي التي تستفيد من تقدير الطور الكمي لتحقيق تحديد دقيق للغاية للموقع في المجال القريب للزاوية والمدى عبر إعداد فرضيات التوجيه الكروي كحالات كمية وتجنب عقبة إعداد الحالة الذاتية الكلاسيكية المتأصلة في الطرق التقليدية القائمة على MUSIC.
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
تخيل محاولة تحديد موقع جسم بعيد باستخدام حلقة من الميكروفونات. في المسافات البعيدة، تصل الموجات الصوتية كصفائح مسطحة، مما يجعل من السهل معرفة الاتجاه الذي يأتي منه الصوت، ولكن من المستحيل معرفة مدى بعده بدقة. ومع ذلك، عندما يكون الجسم أقرب، تنحني الموجات عند اصطدامها بالميكروفونات. هذا الانحناء يحمل سراً: فهو يحتوي على معلومات حول كل من الاتجاه والمسافة الدقيقة للمصدر. هذا هو مجال تحديد الموقع في المجال القريب، وهو قدرة حاسمة لتقنيات تتراوح من المركبات ذاتية القيادة إلى التصوير الطبي المتقدم. لطالما كان التحدي يكمن في أن حساب هذه المواقع بدقة عالية يتطلب فحص كميات هائلة من البيانات، وهي عملية تصبح مرهقة حاسوبياً مع زيادة عدد المستشعرات والمواقع المحتملة. سعى العلماء طويلاً لإيجح طريقة لإجراء هذه الحسابات المعقدة بشكل أسرع، متوجهين نحو مجال الحوسبة الكمومية الناشئ لمعرفة ما إذا كانت القوانين الغريبة لعالم ما دون الذرة يمكن أن توفر طريقاً مختصراً.
قام باحثون في المعهد الملكي للتكنولوجيا (KTH) في ستوكهولم، بالتعاون مع زملاء في شركة إريكسون، بتطوير طريقة جديدة تسمى Q-SPARSE لمعالجة هذه المشكلة. يستخدم نهجهم مبادئ ميكانيكا الكم لتقدير موقع الأجسام في المجال القريب دون الحاجة إلى إجراء الحسابات الكلاسيكية الثقيلة التي تعيق العملية عادةً. وبدلاً من محاولة إيجاد اللبنات الرياضية الدقيقة لبيانات الإشارة أولاً — وهي خطوة بطيئة وصعبة على الحواسيب الكلاسيكية — تقوم خوارزميتهم بإعداد حالة كمومية تمثل تخميناً للموقع. ثم تجري اختباراً كمومياً محدداً لمعرفة مدى ملاءمة ذلك التخمين للبيانات الفعلية. إذا كان التخمين صحيحاً، فإن النظام الكمومي يكشف عن إشارة قوية؛ وإذا كان خاطئاً، تظل الإشارة ضعيفة. ومن خلال اختبار العديد من التخمينات المختلفة للزاوية والمسافة، يبني النظام خريطة للمكان الأكثر احتمالاً لوجود الجسم فيه.
أثبت الفريق أن هذه الطريقة تعمل من خلال محاكاة العملية على منصة برمجيات الحوسبة الكمومية من IBM. وقد اختبروا الخوارونة في سيناريوهات تتضمن أهدافاً متعددة ومستويات متفاوتة من ضوضاء الخلفية، باستخدام إعداد يتضمن ما يصل إلى 64 لقطة من البيانات. وأظهرت النتائج أن الطريقة الكمومية يمكنها تحديد موقع الأهداف بنجاح، مما أنتج دقة تضاهي أفضل التقنيات الكلاسيكية الموجودة. وتتمثل إحدى الميزات الرئيسية لعملهم في طريقة جديدة لتحديد أي الإشارات حقيقية وأيها مجرد ضوضاء. فبدلاً من استخدام حد فاصل صارم، تستخدم الخوارزمية عملية قرار سلسة وموزونة تتكيف مع البيانات، مما يسمح لها بالتمييز بين الأهداف الحقيقية والتقلبات العشوائية حتى عندما تكون الإشارة ضعيفة. تساعد هذه المرونة النظام على الحفاظ على دقة عالية حتى عندما يكون عدد المستشعرات أو كمية البيانات محدودة.
بينما تؤكد الدراسة أن هذه الطريقة تعمل في المحاكاة، يلاحظ الباحثون بحذر أن هذا ليس بديلاً للحواسيب الكلاسيكية في جميع الحالات. إذ تعتمد ميزة السرعة بشكل كبير على مدى كفاءة تحميل البيانات في النظام الكمومي وكيفية هيكلة الأجهزة. وفي عمليات المحاكاة التي أجروها، أظهر النهج الكمومي وعداً بتقليل الجهد الحسابي المطلوب، لا سيما عند التعامل مع مصفوفات كبيرة من المستشعرات. ويشير العمل إلى أنه من خلال تجنب الحاجة إلى الإعداد الكامل للحالات الرياضية المعقدة للإشارة مسبقاً، يمكن للخوارزمية تجاوز عقبة رئيسية أبطأت المحاولات السابقة لاستخدام الحواسيب الكمومية في هذا النوع من مهام الرادار والاستشعار. وتقدم النتائج مساراً ملموساً لاستخدام الأدوات الكمومية لحل مشكلات تحديد الموقع في العالم الحقيقي، شريطة أن تستمر الأجهزة في التطور.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.