Quantum-Enhanced Inference of Conditional Future Probabilities with Reduced Memory Cost

إن التنبؤ بالمستقبل هو دافع بشري جوهري، ومع ذلك، في الأنظمة المعقدة التي تحكم عالمنا، من تحركات الصفائح التكتونية إلى تقلبات الأسواق العالمية، غالبًا ما يكون اليقين مجرد وهم. يعتمد العلماء على الاحتمالات للتنقل عبر حالة عدم اليقين هذه، حيث يحسبون احتمالية وقوع أحداث نادرة ولكنها مدمرة مثل الزلازل أو الانهيارات المالية. وللقيام بذلك، يبنون نماذج تتبع كيفية سلوك النظام بمرور الوقت، مستخدمين بيانات الماضي للتنبؤ بما قد يحدث بعد ذلك. ومع ذلك، مع ازدياد تعقيد هذه الأنظمة، ينفجر حجم المعلومات الماضية المطلوبة لإجراء تنبؤ دقيق. يجب على الحواسيب التقليدية تخزين كميات هائلة من هذا التاريخ لتجنب الانحياز، لكنها محدودة بمدى البيانات التي يمكنها استيعابها وسرعة معالجتها. وعندما تصبح الذاكرة المطلوبة لتتبع عملية ما كبيرة جدًا، يجب تبسيط النماذج، وهذا التبسيط يؤدي إلى أخطاء لا يمكن لأي قوة حوسبة إصلاحها.

يقترح نهج جديد، فصّله بحث حديث، أن الحواسيب الكمومية يمكنها حل هذه المعضلة من خلال القيام بشيئين في آن واحد: تذكر أقل، والحساب بشكل أسرع. تُظهر الدراسة، التي قادها باحثون من جامعة نانيانغ التكنولوجية وجامعة مانشستر، طريقة لاستنتاج احتمالية الأحداث المستقبلية في العمليات العشوائية المعقدة بتكاليف ذاكرة أقل بكثير. وبينما وعدت الخوارزميات الكمومية منذ فترة طويلة بتسريع حسابات الاحتمالات، إلا أنها واجهت عقبة عملية: إذ يتطلب إعداد الحالة الكمومية الأولية غالبًا ذاكرة بقدر تلك التي تحتاجها الحواسيب الكلاسيكية التي تهدف لاستبدالها. يتجاوز هذا العمل الجديد تلك العقبة؛ فمن خلال الاستفلاً بالخصائص الفريدة لميكانيكا الكم، تمكن الفريق من إنشاء نظام يمكنه ضغط التاريخ اللازم لعملية ما في مساحة أصغر بكثير دون فقدان الدقة. والنتيجة هي طريقة لا تسرع البحث عن الإجابات فحسب، بل تتجنب أيضًا الأخطاء المنهجية التي تعاني منها النماذج الكلاسيكية المبسطة.

يكمن جوهر المشكلة في كيفية تتبع الماضي. تخيل محاولة التنبؤ بالحركة التالية لجسيم يتحرك عشوائيًا على حلقة. لكي تكون دقيقًا تمامًا، سيحتاج الكمبيوتر إلى تذكر الموقع الدقيق للجسيم في كل لحظة من تاريخه. في العالم الرقمي، يتطلب هذا قدرًا هائلًا من الذاكرة، خاصة إذا كان موقع الجسيم محددًا بدقة عالية. وإذا نفدت المساحة من الكمبيوتر، فعليه تقريب الأرقام أو تجميع الحالات المتشابهة معًا. هذا التقريب يخلق تشوهًا، وهو انحياز منهجي يشوه التنبؤ النهائي. ومهما كررت عدد المرات التي يقوم فيها الكمبيوتر بإجراء المحاكاة، فإن هذا الانحياز يظل قائمًا، لأن النموذج نفسه معيب. لقد وجد الباحثون أن النماذج الكلاسيكية تصطدم بحائط حيث تكون إضافة المزيد من الذاكرة هي الطلية الوحيدة لتقليل هذا الخطأ، لكن النماذج الكمومية يمكنها اختراق ذلك.

قام الفريق بتطوير خوارزمية تبدأ بنموذج كلاسيكي قياسي لعملية ما وتترجمه إلى نسخة كمومية. في الكمبيوتر الكلاسيكي، يخزن النموذج المعلومات في حالات متميزة، مثل الصناديق على الرف. أما في النسخة الكمومية، فتُمثل هذه الحالات بواسطة "البتات الكمومية" أو "الكيوبتات"، والتي يمكن أن توجد في حالة تراكب لعدة تكوينات في وقت واحد. يسمه هذا النموذج الكمومي بتمثيل نفس القدر من المعلومات باستخدام موارد فيزيائية أقل. وقد أظهر الباحثون أنه بالنسبة لعملية ذات مستوى معين من التعقيد، يمكن للنموذج الكمومي تحقيق نفس دقة التنبؤ بعدد أقل بكثير من حالات الذاكرة مقارنة بنظيره الكلاسيكي. وفي عمليات المحاكاة، اختبروا ذلك على جسيم يتحرك على حلقة، وهي عملية تحاكي ظواهر واقعية مثل الانتشار في الشبكات أو الضوضاء الطورية. وقد قيدوا كلا النموذجين الكلاسيكي والكمومي باستخدام أربع حالات ذاكرة فقط، وهو حد كان صغيرًا جدًا ليكون النموذج الكلاسيكي دقيقًا.

كانت النتائج مذهلة. فعندما أُجبر النموذج الكلاسيكي على استخدام أربع حالات فقط، أنتج تنبؤات غير دقيقة باستمرار، بغض النظر عن عدد مرات إجراء المحاكاة. لم يختفِ الخطأ؛ بل كان جزءًا متأصلًا في بنية النموذج. ومع ذلك، تمكن النموذج الكمومي من التقاط السلوك الحقيقي للنظام بدقة أكبر بكثير. وحتى مع نفس القيد الضيق للذاكرة، أنتج النهج الكمومي تقديرات كانت أقرب بكثير إلى الاحتمال الفعلي. لم تكن هذه الميزة تتعلق بالسرعة فحسب؛ فبينما تُعرف الخوارزميات الكمومية بقدرتها على تقليل عدد العينات المطلوبة للوصول إلى مستوى معين من الدقة —وهو تسريع تربيعي يُعد فائدة معروفة للحوسبة الكمومية— أضافت هذه الطة الجديدة طبقة ثانية من المزايا. لقد قللت من الانحياز نفسه. وفي عمليات المحاكاة، وصل النموذج الكمومي إلى مستوى من الدقة لم يستطع النموذج الكلاسيكي تحقيقه أبدًا، حتى لو سُمح للنموذك الكلاسيكي بالعمل للأبد.

اختبر الباحثون ذلك على عمليات بمستويات مختلفة من الدقة. في أحد السيناريوهات، قاموا بنمذجة جسيم يتحرك على حلقة مقسمة إلى ثمانية أجزاء، وفي سيناريو آخر، زادوا الدقة إلى ستة عشر جزءًا. وفي كلتا الحالتين، عندما تم تقييد الذاكرة بأربعة حالات فقط، فشل النموذج الكلاسيكي في رصد الأحداث النادرة بدقة. وفي المق المقابل، نجح النموذج الكمومي في تحديد هذه الحالات النادرة بمعدل خطأ أقل بكثير. وبالنسبة للأحداث التي تحدث باحتمالية تتراوح بين واحد في المليار وواحد في عشرة مليارات، ظل خطأ النموذج الكلاسيكي مرتفعًا، بينما انخفض خطأ النموذج الكمومي بشكل كبير مع زيادة عدد عمليات المحاكاة. وهذا يشير إلى أنه بالنسبة للتنبؤ بالأحداث النادرة ولكن الحرجة، مثل الانهيارات المالية أو الكوارث الطبيعية، يمكن للطرق الكمومية أن توفر مستوى من الموثوقية بعيد المنال حاليًا بالنسبة للحواسيب الكلاسيكية.

كما تناولت الدراسة التحديات العملية لبناء هذه الأنظمة. أحد المخاوف الرئيسية المتعلقة بالحوسبة الكمومية هو أن الأجهزة نفسها صاخبة وعرضة للأخطاء. حلل الباحثون كيف سيكون أداء طريقتهم في بيئة صاخبة، مشابهة لجيل الحواسيب الكمومية الحالي. ووجدوا أن فائدة استخدام نموذج كمومي أصغر وأكثر كفاءة قد تفوق الضوضاء الناتجة عن الأجهزة. نظرًا لأن النموذج الكمومي يتطلب عمليات أقل للتشغيل، فإنه يوفر فرصًا أقل لتسلل الأخطاء. وفي تحليلهم، وجدوا أن استخدام نموذج كمومي بذاكرة مخفضة لمحاكاة العملية ذات الثماني حالات أدى إلى خطأ إجمالي أقل من استخدام نموذج أكثر تعقيدًا ودقة يتطلب بوابات أكثر وبالتالي تعرضًا أكبر للضوضاء. وهذا يشير إلى أن الطريقة ليست مجرد فضول نظري، بل يمكن أن تكون قابلة للتطبيق على الأجهزة الكمومية القريبة من الواقع.

تمتد آثار هذا العمل إلى ما هو أبعد من مجرد التنبؤ بالمستقبل؛ فهي تقدم طريقة جديدة للتفكير في كيفية تخزين ومعالجة المعلومات. يشير البحث إلى أن الحدود الأساسية للذاكرة ليست جامدة كما كان يُعتقد سابقًا عند إدخال ميكانيكا الكم في المعادلة. ومن خلال استخدام الحالات الكمومية لتشفير الماضي، من الممكن الاحتفاظ بالمعلومات الأساسية اللازمة للتنبؤ الدقيق مع التخلص من التفاصيل الزائدة التي تضخم النماذج الكلاسيكية. يمكن لهذا أن يحدث ثورة في المجالات التي تعتمد على المحاكاة المعقدة، من نمذجة المناخ إلى تحليل المخاطر المالية. إن القدرة على محاكاة العمليات ذات التعقيد المتزايد دون زيادة أسية في تكلفة الذاكرة تفتح الباب أمام تنبؤات أكثر دقة وموثوقية.

يشير الباحثون بعناية إلى أن هذه دراسة قائمة على المحاكاة، وبينما النتائج قوية، إلا أنها ليست بعد عرضًا على حاسوب كمومي مادي. ومع ذلك، فإن المبادئ التي وضعوها ترتكز على ميكانيكا الكم الراسخة وقد تم اختبارها وفق معايير رياضية صارمة. لقد أثبتوا أن المزايا النظرية لتقليل الذاكرة الكمومية حقيقية ويمكن تسخيرها لتحسين دقة التقديرات الاحتمالية. ويوفر العمل مسارًا واضحًا لدمج الخوارزميات الكمومية في التطبيقات العملية، مما قد يسرع الجدول الزمني لوصول الحواسيب الكمومية إلى تقديم ميزة ملموسة في السيناريوهات الواقعية.

في النهاية، تقدم الدراسة رؤية مقنعة لمستقبل الحوسبة. فهي تشير إلى أن القفزة التالية في قدرتنا على فهم العالم والتنبؤ به لن تأتي من بناء حواسيب كلاسيكية أكبر، بل من إعادة التفكير في كيفية تخزين الماضي. ومن خلال تبني الطبيعة غير البديهية لميكانيكا الكم، يمكننا بناء نماذج تكون أصغر وأذكى، وقادرة على رؤية المستقبل بوضوح كان مستحيلاً في السابق. هذا ليس مجرد تحسين تقني؛ بل هو تحول جذري في كيفية مقاربتنا لمشكلة عدم اليقين، مما يوفر أداة جديدة للتنقل عبر الأنظمة المعقدة وغير المتوقعة غالبًا التي تشكل حياتنا.