Extending Sample-based Quantum Diagonalization to Systems of Linear Equations
توسع هذه الورقة نطاق عملية التقطيع الكمي القائمة على العينات لحل أنظمة المعادلات الخطية من خلال الإسقاط الكلاسيكي على فضاء جزئي من تكوينات قاعدة الحوسبة التي تم أخذ عينات منها، مما يثبت أن الطريقة قوية ضد الضجيج وتحقق دقة عالية على الأجهزة الكمية مع تحديد قيود معينة تتعلق بالتنافسية الكلاسيكية وعمق الدائرة.
في المشهد الشاسع للحوسبة الحديثة، يعد حل أنظمة المعادلات الخطية مهمة أساسية، تظهر في كل مكان من المحاكاة الهندسية إلى النمذجة المالية. تصف هذه المعادلات كيفية تفاعل المتغيرات المختلفة، ويعني إيجاد الحل تحديد القيم المحددة التي تحقق جميع العلاقات في آن واحد. لعقود من الزمن، تعاملت الحواسيب الكلاسيكية مع هذا العمل بكفاءة، ولكن مع ازدياد حجم المشكلات وتعقيدها، بحث الباحثون عن ميزة السرعة في الحواسيب الكمومية. لقد وعدت أشهر نهج كمومي لهذه المشكلة، والمعروف بخوارزمية HHL، بحل هذه المعادلات بشكل أسرع أسياً من الآلات الكلاسيكية. ومع ذلك، فإن هذا الوعد يأتي بثمن باهظ: فهو يتطلب مستوى من الدقة واستقرار الأجهزة لا تمتلكه الأجهزة الكمومية الحالية ببساطة. فهذه الآلات صاخبة وعرضة للأخطاء، مما يجعل الدوائر العميقة والمعقدة المطلوبة لخوارزمية HHL مستحيلة التشغيل بموثوقية اليوم. وقد خلق هذا حاجة ملحة لطرق جديدة يمكنها العمل ضمن قيود هذه الأجهزة غير المثالية اليوم، وإيجاد الحلول دون المطالبة بالمستحيل.
قام أحد الباحثين الآن بتوسيع تقنية صُممت في الأصل للكيمياء لمعالجة هذه المعادلات الخطية، مقدمًا مسارًا للمضي قدمًا للأجهزة الكمومية الصاخبة. يتجنب نهجه، المسمى "التقطير الكمومي القائم على العينات" (sample-based quantum diagonalization)، الدوائر العميقة المعرضة للخطأ في الطرق السابقة. فبدلاً من محاولة حساب الحل بأكمله دفعة واحدة، تستخدم الطريقة الحاسوب الكمومي لأخذ سلسلة من اللقطات. فهي تُجهز حالة كمومية تمثل نقطة البداية للمشكلة ثم تتركها تتطور بمرور الوقت، تمامًا مثل مراقبة تموج ينتشر عبر بركة. وفي لحظات محددة، يقيس الباحث حالة النظام، ويسجل التكوينات التي تظهر. هذه القياسات ليست هي الإجابة النهائية، بل هي دليل؛ فهي تحدد مجموعة صغيرة يمكن إدارتها من الاحتمالات التي يُحتمل بشدة أن تحتوي على الحل. بعد ذلك، تُسلم المهمة الشاقة لإيجاد الأرقام الفعلية إلى حاسوب كلاسيكي، والذي يحل المعادلة باستخدام هذه المجموعة الصغيرة والمنقحة فقط من الخيارات.
اختبر الباحث هذا المسار على مثال صغير بنسبة أربعة في أربعة باستخدام بيئات محاكات وأجهزة فعلية من IBM. وفي هذه الاختبارات، نجح الجهاز الكمومي في أخذ عينات من التكوينات الضرورية، وأعاد الحاسوب الكلاسيكي بناء الحل بدقة تامة. انتقلت الدراسة بعد ذلك إلى مشكلة أكبر بكثير ذات بُعد 1,024، حيث تمت محاكاة نظام فيزيائي موضعي حيث يتركز الحل في منطقة صغيرة. هنا، أثبتت الطريقة كفاءة عالية، حيث اختارت 33 تكوينًا فقط من أصل 1,024 متاحًا للوصول إلى خطأ نسبي قدره 10 مرفوعة للقوة سالسة (-5). هذا المستوى من الدقة يوضح أن الطريقة يمكنها ضغط مشكلة ضخمة إلى جوهر صغير قابل للحل. والأهم من ذلك، وجد الباحث أن الخطوة الكمومية كانت قوية ضد أخطاء القراءة الشائعة في الأجهزة الحالية؛ فحتى عندما أدخل الضجيج تكوينات إضافية وغير ذات صلة، لم تتدهور دقة الحل النهائي، طالما كانت التكوينات الصحيحة لا تزال موجودة.
ومع ذلك، رسمت الدراسة أيضًا خطًا واضحًا حول أين تكمن الميزة الكمومية الحقيقية. فبينما تعمل الطريقة بشكل رائع للمشكلات التي يكون فيها الحل مركزًا في منطقة صغيرة، اكتشف الباحث أنه بالنسبة لهذا النوع المحدد من المشكلات، يمكن لحاسوب كلاسيكي غالبًا إيجاد نفس المجموعة الصغيرة من التكوينات بنفس السهولة والتكلفة. فباستخدام حيل رياضية قياسية لتتبع كيفية انتشار الحل، يمكن لخوارزمية كلاسيكية تحديد نفس الـ 33 تكوينًا دون الحاجة إلى حاسوب كمومي على الإطلاق. وتستبعد الورقة صراحةً فكرة أن هذه الطريقة تقدم اختصارًا عالميًا لجميع الأنظمة الخطية. فبالنسبة للمشكلات التي ينتشر فيها الحل عبر النظام بأكمله، أو للمصفوفات الكثيفة والمعقدة، تتطلب الطريقة الكمومية عددًا أسيًا من العمليات لوصف النظام، مما يلغي أي ميزة محتملة في السرعة. علاوة على ذلك، لاحظ الباحث أن الدوائر الكمومية المستخدمة لتطوير النظام تُدخل أخطاءها الخاصة، والتي يمكن أن تخلق تكوينات "زائفة" تملأ عملية الاختيار، رغم أنها لم تفسد الدقة النهائية في اختباراته.
تشير النتائج إلى أن مستقبل هذه التكنولوجيا يعتمد على إيجاد نوع المشكلة المناسب. فالطريقة ليست حلًا سحريًا يحل كل معادلة خطية بشكل أسرع؛ بل هي أداة متخصصة تتفوق عندما يكون الحل موضعيًا ويمكن للأجهزة الكمومية أخذ عينات من الحالات ذات الصلة دون أن تغمرها الضوضاء أو عمق الدائرة. ويخلص الباحث إلى أنه لكي توفر الطريقة ميزة حقيقية على الحواسيب الكلاسيكية، يجب تطبيقها على المشكلات التي تكون فيها التكوينات ذات الصلة غير متاحة للاستراتيجيات الكلاسيكية أو حيث يكون أخذ العينات الكمومية نفسه صعبًا بطبيعته على المحاكاة بواسطة الآلات الكلاسيكية. وحتى يتم تحديد هذه المشكلات واختبارها على أجهزة حقيقية في نظام مقصوص، يظل المسار الأكثر كفاءة لحل هذه المعادلات هو الخوارزميات الكلاسيكية. لا يدعي هذا العمل أنه قد حل مشكلة المعادلات الخطية للعصر الكمومي، لكنه نجح في رسم تضاريس الطريق، موضحًا بالضبط أين يكون المسار الكمومي قابلًا للتطبيق وأين يؤدي إلى طريق مسدود.
ملخص تقني: توسيع نطاق عملية القطرية الكمومية القائمة على العينات لتطبيقات أنظمة المعادلات الخطية
بيان المشكلة يعد حل أنظمة المعادلات الخطية، Ax=b، مهمة أساسية في العلوم الحسابية. وبينما توفر خوارزمية هارو-هاسيميديم-للويد (HHL) تسارعاً كمومياً مع مقياس لوغاريتمي في الأبعاد N، إلا أنها تعتمد على دوائر عميقة تتضمن تقدير الطور الكمومي، والتدويرات المتحكم بها، والاختيار اللاحق، مما يجعلها غير عملية لأجهزة الكمبيوتر الكمومية الحالية ذات المقياس المتوسط المشوب بالضجيج (NISQ). وتتطلب البدائل الموجودة غالباً موارد مقاومة للأخطاء أو تعاني من مقاييس سيئة فيما يتعلق بأرقام الحالة (condition numbers) والدقة المطلوبة. وهناك حاة إلى خوارزميات يمكنها العمل بشكل أصيل ضمن قيود الأجهزة الحالية، باستخدام دوائر أقل عمقاً.
المنهجية يعمل هذا العمل على توسيع نطاق القطرية الكمومية القائمة على العينات (SQD)، التي طُورت في الأصل للكيمياء الكمومية، لحل الأنظمة الخطية. يتبع النهج سير عمل هجين (كمي-كلاسيكي):
تفكيك باولي (Pauli Decomposition): يتم تفكيك المصفوفة الهيرميتية A إلى مجموع من سلاسل باولي: A=∑l=1LclPl.
تحضير الحالة والتطور (State Preparation and Evolution): يتم ترميز متجه الطرف الأيمن b كحالة كمومية أولية ∣ψ0⟩. ثم تخضع المنظومة لتطور زمني "تروتري" (Trotterized) تحت تأثير الهاملتوني A عند نقاط زمنية منفصلة tj، مما يقرب الحالة ∣ψ(tj)⟩=e−iAtj∣ψ0⟩ باستخدام صيغة "لي-تروتر" للمنتج.
أخذ العينات (Sampling): يتم قياس الحالات المتطورة في القاعدة الحسابية عند خطوات زمنية متعددة. ويتم تجميع تكوينات السلاسل الثنائية الناتجة لتكوين توزيع تجريبي p^agg(z).
اختيار التكوينات (Configuration Selection): يتم إنشاء مجموعة تكوينات C من السلاسل الثنائية التي تم أخذ عينات منها (التي لها احتمالية تجريبية غير صفرية) ومع الدعم المعروف لـ b.
إسقاط غاليركين (Galerkin Projection): يتم إسقاط النظام الخطي على الفضاء الجزئي الذي تشغله التكوينات في C. يتضمن ذلك بناء مصفوفة مختزلة Asub=V†AV ومتجه V†b=bsub، حيث V هي التماثل (isometry) لحالات القاعدة المختارة. يتم حل النظام المختزل Asubxsub=bsub كلاسيكياً، ثم يتم رفع الحل مرة أخرى إلى الفضاء الكامل كـ xapprox=Vxsub.
المساهمات الرئيسية يقدم البحث أربع مساهمات رئيسية مقارنة بحلول الأنظمة الخطية الكمومية القائمة على العينات (تحديداً المراجع 4 و6):
التوصيف النظري للدقة (Exactness): يثبت المؤلف أنه إذا احتوت مجموعة التكوينات المأخوذة من العينات C على "دعم كريلوف" (Krylov support) لـ b (أي دعم المجموعة {Akb})، فإن حل غاليركين يكون دقيقاً تماماً. علاوة على ذلك، بالنسبة للمصفوفات المتماثلة والموجبة المحددة (SPD)، يكون الحل أمثلاً في "معيار الطاقة" (energy norm)؛ حيث لا تؤدي التكوينات الناتجة عن الضجيج إلى تدهور الدقة طالما أنها لا تزيح التكوينات المثالية.
تحليل التكلفة في ترميز باولي: يحلل العمل تكلفة الطريقة في ترميز سلاسل باولي. ويوضح أنه بالنسبة للمصفوفات الحزمة (banded matrices)، يتطلب ترميز باولي عدد O(N) من حدود باولي، ويمكن لأخطاء "لي-تروتر" أن تملأ تكوينات زائفة خارج دعم كريلوف، مما قد يلغي فوائد الضغط قبل فقدان الدقة.
التنفيذ مفتوح المصدر: تم توفير حزمة "كيسكيت" (Qiskit) مفتوحة المص المصدر (sqd_linsolve) توفر واجهة موحدة للمحاكيات الخالية من الضجيج، والمحاكيات المشوبة بالضجيج، وأجهزة IBM Quantum.
التحليل المقارن: تمت مقارنة الطريقة بطرق "كريلوف" الكلاسيكية، والاختيار الجشع القائم على البواقي (residual-based greedy selection)، واختيار الأوراكل (oracle selection) على نماذج محلية وكثيفة باستخدام توزيعات أخذ العينات الدقيقة.
النتائج يتحقق المؤلف من صحة المسار من خلال تجارب عددية وتشغيل على الأجهزة:
مثال 4×4: في محاكي خالٍ من الضجيج، ومحاكي مشوب بالضجيج، وجهاز IBM Quantum (ibm_fez)، نجحت الطريقة في حل نظام SPD بمقاس 4×4. ورغم أن توزيع الجهاز اختلف عن التوزيع الدقيق (بسبب الضجيج)، إلا أنه تم استرداد الحل بدقة لأن التكوينات الأربعة قد تم أخذ عينات منها (R=N)، مما حقق شرط الدقة.
مشكلة محلية (N=1024): باستخدام توزيعات أخذ عينات دقيقة (لتجاوز ضجيج الدائرة لهذا الاختبار تحديداً) على مؤثر "بواسون" مُقنّع (screened Poisson operator)، اختارت الطريقة فضاءً جزئياً من R=33 تكويناً فقط من أصل N=1024. وقد حقق ذلك خطأً نسبياً قدره 10−5، وتوافق الفضاء الجزئي المقتطع مع اختيار "الأوراكل" الأمثل.
الضجيج والأخطاء: أثبتت الطريقة متانة تجاه ضجيج القراءة؛ حيث أدى إضافة أخطاء قلب البت (bit-flip errors) إلى توسيع مجموعة التكوينات ولكن لم يؤدِ إلى تدهور خطأ معيار الطاقة، وهو ما يتوافق مع ادعاءات الأمثلية النظرية. ومع ذلك، وُجد أن أخطاء "تروتر" تملأ تكوينات زائفة، مما قد يؤدي إلى تضخم حجم الفضاء الجزئي وتقليل الكفاءة.
المقارنة الكلاسيكية: بالنسبة للمشكلات المحلية المختبرة، اختارت خطوة أخذ العينات الكمومية فضاءات جزئية تتوافق مع تلك التي تجدها طرق الاختيار الجشع القائمة على البواقي الكلاسيكية وتحليل دعم كريلوف الكلاسيكي. أما بالنسبة للمصفوفات العشوائية الكثيفة، فقد كان أداء الطريقة مشابهاً للاختيار العشوائي ما لم تُستخدم شبكة زمنية أدق (خطوة نايكويست)، ومع ذلك ظلت متأخرة عن الاختيار الجشع الكلاسيكي.
الأهمية والقيود يخلص البحث إلى أن الطريقة المقترحة تحدد الظروف التي يمكن أن تكون فيها خطوة أخذ العينات الكمومية مفيدة. تشير النتائج إلى أنه في المشكلات التي يتركز فيها الحل على عدد قليل من التكوينات، وحيث تكون المصفوفة معطاة كمجموع من عدد حدود باولي كثير الحدود، تكون الطريقة فعالة. ومع ذلك، يشير المؤلف إلى قيد كبير: في النطاقات المختبرة (المشكلات المحلية ذات "الأهرامات الضوئية" الصغيرة)، لا تتفوق خطوة أخذ العينات الكمومية على الاختيار الكلاسيكي القائم على البواقي.
يذكر المؤلف أن تحديد هياكل المشكلات التي تكون فيها التكوينات ذات الصلة غير قابلة للوصول عبر التوسعات الكلاسيكية القصيرة، أو حيث يكون أخذ العينات من e−iAt∣b⟩ صعباً كلاسيكياً، يظل سؤالاً مفتوحاً. يعمل هذا البحث كتحقق أولي لإطار عمل SQD للأنظمة الخطية، مؤكداً أنه بينما تعد الط طريقة متينة تجاه أنواع معينة من الضجيج وسليمة نظرياً، فإن تحقيق تفوق كمي يتطلب هياكل مشكلات محددة لم تُثبت بعد على الأجهزة الحالية. ويشدد البحث على أنه بالنسبة للمصفوفات الحزمة، يؤدي ترميز سلسلة باولي إلى دوائر عميقة، ولم تختبر اختبارات الأجهزة الحالية بعد نظام التقطيع (R<N) حيث قد يظهر التفوق الكمي.