Quantum anomaly detection in real scarce data

في العالم الحديث، تولد الآلات والأنظمة تدفقاً مستمراً من البيانات، بدءاً من درجة حرارة لوح شمسي وصولاً إلى نبضات قلب مريض. معظم هذه البيانات طبيعية، حيث تُظهر الإيقاع الثابت والمتوقع لنظام سليم. ومع ذلك، يحدث أحياناً خطأ ما؛ خلل طفيف، أو ارتفاع مفاجئ، أو انحراف بطيء يمكن أن يشير إلى فشل قد يؤدي، إذا تُرِك دون معالجة، إلى توقف مكلف أو خطر على السلامة. يُعرف العثور على هذه اللحظات النادرة وغير العادية باسم "كشف الشذوذ" (anomaly detection). وتعد هذه مهمة صعبة بالنسبة للحواسيب لأن البيانات "السيئة" نادرة جداً مقارنة بالبيانات "الجيدة"، مما يجعل أدوات التعلم القياسية ترتبك غالباً، إما بتجاهل المشكلة تماماً أو بإطلاق إنذارات كاذبة. ويتجلى هذا التحدي بشكل خاص في مجالات مثل الطاقة، حيث يعد الحفاظ على تشغيل محطات الطاقة الشمسية الضخمة بكفاءة أمراً بالغ الأهمية للتحول العالمي نحو الطاقة النظيفة.

يستكشف الباحثون الآن مساراً جديداً لحل هذه المشكلة من خلال الجمع بين الحوسبة التقليدية والقوة الناشئة للآلات الكمومية. وبينما تعالج الحواسيب الكلاسيكية المعلومات في شكل "بتات" (bits) تكون إما صفراً أو واحداً، تستخدم الحواسيب الكمومية "البتات الكمومية" (qubits)، والتي يمكن أن توجد في حالات متعددة في آن واحد. وتسمح هذه الخاصية الفريدة بمعالجة الأنماط المعقدة بموارد أقل بكثير من نظيراتها الكلاسيكية. وفي دراسة حديثة، اختبر فريق من العلماء من جامعة فلورنسا وشركة إيني (Eni S.p.A) ما إذا كانت هذه الميزة الكمومية يمكن أن تساعد في تحديد الأعطال في محطات الطاقة الشمسية الكهروضوئية واسعة النطاق. وقد ركزوا على سيناريو محدد تكون فيه البيانات شحيحة وغير متوازنة، وهو واقع شائع في البيئات الصناعية حيث تكون حالات الفشل الحقيقية أحداثاً نادرة.

قام الفريق ببناء محاكاة واقعية لمحطة طاقة شمسية، مولدةً بيانات تحاكي ستة عشر يوماً من التشغيل بمعدل عينة قدره قياس واحد في الثانية. وأدخلوا أنواعاً مختلفة من الأعطال الاصطناعية في النظام، مثل الدوائر القصيرة، وتدهور الأداء، والدوائر المفتوحة، والتظليل الناتج عن السحب أو الحطام. مثلت الغالبية العظمى من البيانات التشغيل الطبيعي والسليم، بينما شكلت الأعطال جزءاً ضئيلاً جداً من الإجمالي. كان الهدف هو تدريب نموذج حاسوبي لرصد هذه الحالات الشاذة النادرة وتصنيف نوع العطل الذي يحدث بالضبط. وللقيام بذلك، طوروا بنية هجينة مكونة من خطوتين؛ أولاً، استخدموا شبكة حاسوب كلاسيكي لضغط تسلسل القراءات الطويلة إلى ملخص أصغر وأكثر قابلية للإدارة، ثم قاموا بتغذية هذا الملخص في طبقة كمومية مصممة لاتخاذ القرار النهائي بشأن ما إذا كانت البيانات طبيعية أم معيبة، وإذا كانت معيبة، فما هو نوع العطل.

أظهرت النتائج أن هذا النهج الهجين كان فعالاً للغاية. ففي مهمة مجرد الكشف عما إذا كان هناك شذوذ موجود، قدم النموذج الهجين أداءً يضاهي النموذج الكلاسيكي بالكامل، محققاً دقة تقترب من المثالية. ومع ذلك، حقق النموذج الهجين ذلك مع تقليل هائل في التعقيد؛ فقد استخدم حوالي أربعين ضعفاً أقل من الإعدادات القابلة للضبط، أو "المعلمات" (parameters)، مقارنة بالنسخة الكلاسيكية. وفي المهمة الأكثر صعوبة المتمثلة في تصنيف النوع المحدد للعطل، تفوق النموذج الهجين في الواقع على النموذج الكلاسيكي، حيث ارتكب أخطاءً أقل في التمييز بين البيانات السليمة وأنواع محددة من الأضرار، مثل التظليل الجزئي. والأهم من ذلك، وجدت الدراسة أن وضع الطبقة الكمومية في نهاية العملية تماماً، بعد ضغط البيانات، كان الاستراتيجية الأكثر فعالية. فعندما حاول الباحثون استخدام الطبقة الكمومية في مرحلة مبكرة من العملية، انخفض الأداء بشكل كبير، مما يشير إلى أن ترتيب العمليات أمر بالغ الأهمية.

كما اختبر الباحثون طرقاً مختلفة لبناء الدائرة الكمومية، وهي البنية الداخلية التي تعالج المعلومات. واكتشفوا أن تصميم الدائرة البسيط، عندما يقترن بعدد كافٍ من تكرارات البيانات، يعمل بشكل أفضل من التصميمات الأكثر تعقيداً وتطوراً. وتعد هذه النتيجة مهمة لأن الدوائر الأبسط تكون أقل عرضة للأخطاء في الجيل الحالي من الأجهزة الكمومية، والتي لا تزال صاخبة وغير كاملة. وتشير الدراسة إلى أنه من خلال ترك المهام الشاقة للحواسيب الكلاسيكية لتنظيم البيانات المتسلسلة، وترك الحواسيب الكمومية للتركيز على التصنيف النهائي، فمن الممكن بناء نماذج ليست دقيقة فحسب، بل وفعالة أيضاً وأقل عرضة لـ "الفرط في التخصيص" (overfitting)، وهي مشكلة شائعة حيث يقوم النموذج بحفظ بيانات التدريب بدلاً من تعلم القواعد العامة.

يُظهر هذا العمل أن تعلم الآلة الكمومي ليس مجرد مفهوم نظري، بل هو أداة عملية يمكن تطبيقها على المشكلات الصناعية في العالم الحقيقي اليوم. ومن خلال استخدام نهج هجين، أظهر الفريق أنه من الممكن تحقيق أداء عالٍ بجزء بسيط من التكلفة الحسابية المطلوبة للطرق التقليدية. وتعد هذه الكفاءة أمراً حيوياً مع توجه العالم نحو شبكات طاقة ضخمة تتطلب مراقبة مستمرة وموثوقة. وتؤكد الدراسة أن المسرعات الكمومية، عند دمجها مع الحوسبة عالية الأداء التقليدية، يمكن أن توفر حلاً مستداماً وقوياً للكشف عن الأحداث النادرة والحاسمة التي تحافظ على تشغيل أنظمة الطاقة لدينا بأمان.