Empirical Evaluation of Quantum Kernel Methods for Classification: A Comparative Study with Classical Kernels

في السباق لبناء آلات مفيدة يمكنها التعلم من البيانات، يبحث العلماء عن طرق لاستخدام القوانين الغريبة لفيزياء الكم لحل مشكلات صعبة للغاية على أجهزة الكمبيوتر الحالية. إحدى الأفكار الواعدة هي استخدام كمبيوتر كمي ليس لتشغيل عملية التعلم بأكملها، بل ليعمل كأداة متخصصة تساعد في فرز المعلومات. تخيل أنك تحاول إيجاد أفضل طريقة لفصل كومة من الكرات الملونة المختلطة بين الحمراء والزرقاء؛ يقوم الكمبيوتر التقليدي برسم خط بينهما، أما النهج الكمي فيقوم أولاً برفع الكرات إلى مساحة أعلى وأكثر تعقيداً حيث قد تنفصل طبيعياً إلى مجموعات مرتبة، ثم يرسم الخط. مهمة الآلة الكمية هي حساب مدى قرب أي كرتين من بعضهما البعض في هذه المساحة الجديدة، وهي عملية حسابية صعبة على أجهزة الكمبيوتر العادية ولكنها سهلة بالنسبة للكمبيوتر الكمي. هذا الأسلوب، المعروف باسم "النواة الكمية" (quantum kernel)، هو أحد أكثر الطرق ملموسة لاستخدام الأجهزة الكمية الحالية غير الكاملة للمساعدة في التعامل مع بيانات العالم الحقيقي. ومع ذلك، لسنوات طويلة، جادل الباحثون حول ما إذا كانت هذه الحيلة الكمية تعمل بالفعل بشكل أفضل من أفضل الأساليب التي نمتلكها بالفعل على أجهزة الكمبيوتر العادية. تقول بعض الدراسات إنها متفوقة، وتقول أخرى إنها مماثلة، بينما يقول البعض الآخر إنها أسوأ. كان الارتباك عميقاً لدرجة أنه لم يكن واضحاً ما إذا كان الخلاف نابعاً من التكنولوجيا الكمية نفسها أم من الطريقة التي أُجريت بها التجارب.

قرر باحث يدعى روناك بهالجامي حسم هذا الجدل من خلال جعل التجربة نفسها هي موضوع الدراسة. فبدلاً من مجرد إجراء اختبار واحد والأمل في فوز واضح، صمم الفريق تحقيقاً ضخماً ومنضبطاً غير قواعد اللعبة لضمان مواجهة عادلة. لقد بنوا نظاماً اختبروا فيه الأساليب الكمية مقابل الأسالية عبر مئات السيناريوهات المختلفة، مع تغيير حجم البيانات، وعدد المتغيرات، ومدى سهولة المهمة في حلها. والأهم من ذلك، أنهم أصلحوا خللاً خفياً عانى منه الباحثون في الدراسات السابقة: الطريقة التي يتم بها ضبط مقياس البيانات قبل تغذيتها في الآلة. في الأعمال السابقة، غالباً ما كان الباحثون يضبطون إعدادات الكمبيوتر الكلاسيكي بعناية بينما يتركون الإعدادات الكمية ثابتة، مما أدى فعلياً إلى إضعاف جانب الكم. في هذه الدراسة الجديدة، مُنح كلا الجانبين نفس الفرصة لإيجاد أفضل إعداداتهما. كما قاموا بتغيير كيفية حساب تكلفة العمل، حيث قاسوها بعدد العمليات الفيزيائية التي ستحتاجها آلة كمية حقيقية للقيام بها، بدلاً من مجرد الوقت الذي يستغرقه التشغيل على محاكاة.

كشفت نتائج هذه المقارنة الصارمة عن حقيقة مفاجئة: العامل الأكبر الذي يحدد النجاح لم يكن الطبيعة الكمية للآلة، بل كان إعداداً بسيطاً يتحكم في كيفية قياس البيانات. عندما قام الباحثون بضبط هذا الإعداد للطريقة الكمية، قفزت الدقة بشكل كبير بمقدار يصل إلى 0.339 نقطة في بيانات العالم الحقيقي. كان هذا التحسن كبيراً لدرجة أنه تجاوز أي فرق وجدوه بين الطريقة الكمية وأفضل الطرق الكلاسيكية. في الواقع، بمجرد ضبط الطريقة الكمية بشكل صحيح، أدت أداءً يضاهي أفضل الطرق الكلاسيكية في أربع مجموعات بيانات قياسية من العالم الحقيقي، لكنها لم تتفوق عليها. إن الفكرة القائلة بأن أجهزة الكمبيوتر الكمية تمتلك ميزة طبيعية مدمجة لهذه المهام لم تدعمها البيانات. الحالة الوحيدة التي أظهرت فيها الطريقة الكمية تفوقاً واضحاً كانت في مجموعة بيانات خاصة ومصطنعة صُممت خصيصاً ليتم حلها بواسطة المنطق الداخلي للآلة الكمية نفسها. أما في البيانات العادية، فقد تقلص التفوق الكمي كلما زادت تعقيد المشكلة، ولم ينمُ إلا مع زيادة كمية البيانات.

كشفت الدراسة أيضاً عن عقبة عملية ستؤثر على كيفية استخدام هذه الآلات في المستقبل القريب. وجد الباحثون أن المصدر الأكبر للخطأ لم يكن الضوضاء الناتجة عن الأجهزة الكمية نفسها، بل حقيقة أن الآلة تضطر إلى إجراء العديد من القياسات للحصول على إجابة واحدة. هذه العملية، التي تسمى "أخذ العينات" (sampling)، تسببت في أخطاء أكثر بكثير من عيوب الأجهزة. وللحصول على نتيجة موثوقة لمجموعة بيانات كبيرة، ستحتاج الآلة الكمية إلى تشغيل دائرتها حوالي 50 مليون مرة، وهي مهمة قد تستغرق أساباً من التشغيل المستمر على الأجهزة الحالية. في المقابل، كانت الضوضاء من مكونات الأجهزة مشكلة أصغر بكثير. يشير هذا إلى أن العائق الرئيسي لاستخدام هذه الأدوات الكمية الآن ليس جعل الأجهزة أكثر هدوءاً، بل إيجاد طريقة للحصول على الإجابات بعدد أقل من القياسات. وخلص الباحثون إلى أنه إذا أريد استخدام النوى الكمية على أجهزة حقيقية، فإن النسخة المبسطة المحددة من الطريقة هي الخيار العملي الوحيد، لأنها تتطلب عمليات أقل بمئات المرات مقابل انخفاض طفيف جداً في الدقة.

في النهاية، يوضح هذا العمل سبب الارتباك الذي ساد المجال. لم تكن النتائج المتضاربة في الدراسات السابقة ناتجة عن كون الفيزياء الكمية غير قابلة للتنبؤ، بل بسبب عدم اتساق التجارب نفسها. عندما تُجعل القواعد عادلة وتُضبط الإعدادات بشكل صحيح، تكون الطريقة الكمية منافساً كفؤاً للطرق الكلاسيكية، لكنها ليست حلاً سحرياً يحل المشكلات التي لا تستطيع حلها. إن ميزة استخدام كمبيوتر كمي لهذه المهمة ليست فوزاً مضموناً، بل هي إمكانية ضيقة تعتمد كلياً على البنية المحددة للبيانات والعناية المتناهية في إعداد التجربة. في الوقت الحالي، الدرس الأكثر أهمية هو أن الطريقة التي نقيس ونضبط بها هذه الأنظمة تهم أكثر من الطبيعة الكمية للآلة نفسها.