Leaving Quantum Bias on the Table: Pushforwards as a Path to Quantum Advantage in Constrained Optimization

في عالم الحوسبة الحديثة، هناك صراع مستمر لحل المشكلات التي تُعد معقدة للغاية بالنسبة للآلات القياسية، ولكنها في الوقت ذاته جامدة للغاية بالنسبة للأدوات الأكثر قوة والجديدة. تُعرف هذه المشكلات بمسائل التحسين المقيدة (constrained optimization problems)، وهي تظهر في كل شيء بدءاً من تخطيط مسارات التوصيل وصولاً إلى جدولة رحلات الطيران. الهدف هو إيج de أفضل ترتيب واحد لعدة أجزة متحركة، ولكن هناك قواعد صارمة يجب اتباعها؛ فالحل الذي يوفر الوقت ولكنه يكسر قاعدة ما هو حل عديم الفائدة. مؤخراً، توجه العلماء نحو الحواسيب الكمومية، التي تستخدم القوانين الغريبة للفيزياء لاستكشاف العديد من الاحتمالات في وقت واحد. ومع ذلك، فإن هذه الآلات حالياً صاخبة وغير مثالية؛ فهي غالباً ما تنتج إجابات تبدو واعدة ولكنها تفشل في تلبية القواعد الصارمة للمشكلة، مما يترك الباحثين أمام فيض من البيانات غير القابلة للاستخدام. كان التحدي يكمن في كيفية فهم هذه المخرجات المعيبة دون التخلص من الأنماط القيمة الكامنة داخلها.

لقد طور فريق من الباحثين طريقة جديدة لسد هذه الفجوة، وتحويل مخرجات الحاسوب الكمومي الخام والفوضوية إلى تدفق موثوق من الحلول الصالحة. بدلاً من محاولة إجبار الآلة الكمومية على إنتاج إجابة مثالية مباشرة، يعاملون مخرجات الآلة كنقطة انطلاق لخطوة كلاسيكية ثانية. تخيل الحاسوب الكمومي كرامٍ ماهر ولكنه خرق قليلاً يطلق السهام نحو هدف. غالباً ما تستقر السهام خارج مركز الهدف مباشرة، فتخطئ الهدف لكنها لا تزال تظهر اتجاهاً واضحاً نحوه. تتضمن طريقة الباحثين أخذ كل سهم يهبط بالقرب من الهدف ودفعُه بلطف نحو المركز. هذه "الدفعة" هي قاعدة رياضية ثابتة تصلح أي خطأ في مسار السهم، محولةً إياه من إصابة وشيكة إلى إصابة مثالية. ومن خلال تطبيق قاعدة الإصلاح هذه على كل رمية، اكتشف الفريق أن ميل الحاسوب الكمومي الطبيعي لتجميع سهامه بالقرب من أفضل الحلول يصبح قوياً بما يكفي لإيجاد الإجابة المثلى بعدد محاولات أقل بكثير مما كان يُعتقد سابقاً.

يكمن جوهر هذا الاكتشاف في مفهوم يسمى "الدفع للأمام" (pushforward)، والذي يصف كيف يتغير توزيع الاحتمالات عندما يتم تحويل كل نتيجة بواسطة قاعدة ما. في سياق عملهم، أوضح الباحثون أنه عندما يولد حاسوب كمومي سحابة من الإجابات المحتملة، والتي يكون الكثير منها غير صالح، فإن عملية إصلاح كلاسيكية يمكنها مسح جميع الإجابات غير الصالحة القريبة من حل جيد وربطها بذلك الحل الجيد. هذا يؤدي فعلياً إلى توسيع منطقة الهدف. بدلاً من الحاجة إلى أن يصيب الحاسوب الكمومي تكويناً مثالياً واحداً محدداً، فإنه يحتاج فقط إلى إصابة أي من التكوينات المعيبة العديدة التي يمكن إصلاحها بسهء إلى ذلك التكوين المثالي. هذا التحول يغير قواعد اللعبة تماماً؛ فهو يعني أن الحاسوب الكمومي لا يحتاج لأن يكون دقيقاً للغاية أو عميقاً في حساباته لينجح، لأن خطوة الإصلاح الكلاسيكية تقوم بالعمل الشاق المتمثل في جمع كل المحاولات المتناثرة وشبه الناجحة ودمجها في نتيجة واحدة صالحة.

لاختبار هذه الفكرة، ركز الفريق على مسألة "البائع المتجول" (traveling salesman problem)، وهي لغز كلاسيكي حيث يجب على المسافر زيارة قائمة من المدن مرة واحدة بالضبط والعودة إلى المنزل مع قطع أقصر مسافة ممكنة. قاموا بمحاكاة هذا السيناريو باستخدام خوارزمية كمومية مصممة لاحترام الهيكل الأساسي للمشكلة، مثل ضمان زيارة كل مدينة مرة واحدة، مع السماح بحدوث أخطاء في الترتيب النهائي. وعندما طبقوا طريقة الإصلاح الخاصة بهم على النتائج، وجدوا أن الحاسوب الكمومي يركز كتلته الاحتمالية على مجموعات محددة من الإجابات المعيبة التي يمكن إصلاحها لتصبح المسار الأفضل. في عمليات المحاكاة لمشكلة تتضمن عشر مدن، وجدت الطريقة الكمومية المُصلحة الحل الأمثل في حوالي ألف محاولة. وفي المقابل، تطلبت الطريقة الأصلية بدون خطوة الإصلاح هذه مليون محاولة لتحقيق النتيجة نفسها. هذا الاختزال الهائل في عدد المحاولات المطلوبة يثبت أن الحاسوب الكمومي كان يحتفظ بالفعل بمعلومات مفيدة حول الحل الأفضل، حتى عندما كانت المخرجات الخام غير صحيحة تقنياً.

كما نقل الباحثون طريقتهم إلى معالج كمومي حقيقي، وهو جهاز بقدرة 127 كيوبت من إنتاج شركة IBM، ليروا مدى صمودها أمام الضجيج والأخطاء في الأجهزة الفعلية. قاموا بتشغيل نفس مسائل البائع المتجول على هذا الجهاز الفيزيائي، وهو أكثر ضجيجاً من المحاكاة المثالية. وحتى مع العيوب الموجودة في الآلة الحقيقية، نجحت عملية الإصلاح في تحويل المخرجات، التي غالباً ما تكون فوضوية، إلى جولات صالحة. بالنسبة للحالات الاختبارية الأصغر، طابقت النتائج المُصلحة أفضل الحلول المعروفة. أما بالنسبة للحالات الأكبر والأكثر صعوبة، فقد كانت الحلول المُصلحة في الواقع أفضل من الإجابات المرجعية التي توفرها مكتبات البرمجيات القياسية. وقد أكد هذا أن الطريقة لا تعمل في النظرية أو المحاكاة فحسب، بل تعمل أيضاً على الأجهزة غير المثالية المتاحة اليوم. وكان الاكتشاف الرئيسي هو أن الحاسوب الكمومي لم يكن يولد ضجيجاً عشوائياً؛ بل كان يولد توزيعاً منحازاً حيث تتجمع أكثر الأخطاء فائدة وقابلية للإصلاح معاً، وتمكنت عملية الإصلاح من حصاد هذا الانحياز لإيجاد حلول عالية الجودة.

يشير هذا العمل إلى مبدأ تصميم جديد لكيفية استخدامنا للحواسيب الكمومية في المستقبل القريب. فبدلاً من انتظار الآلات لتصبح مثالية بما يكفي لحل المشكلات الصعبة مباشرة، يمكننا بناء أنظمة هجينة حيث يقوم الجزء الكمومي بالعمل الشاق المتمثل في استكشاف فضاء الحلول، بينما يعمل جزء كلاسيكي كمرشح وآلية للإصلاح. مهمة الحاسوب الكمومي هي تحديد مناطق فضاء المشكلة التي من المرجح أن تحتوي على الإجابة، حتى لو لم يستطع تحديد الإجابة بدقة. ثم تأخذ قاعدة الإصلاح الكلاسيكية تلك المناطق الواعدة وتستخرج أفضل حل ممكن منها. إن هذا النهج يفصل بين التفوق الكمومي، وهو القدرة على تركيز الاحتمالية على مناطق مفيدة، وبين التفوق الكلاسيكي، وهو القدرة على فرض قواعد صارمة وإصلاح الأخطاء. ومن خلال الجمع بين نقاط القوة هذه، أظهر الباحثون أنه يمكننا تحقيق تحسينات كبيرة في حل المشكلات المعقدة اليوم، باستخدام الأجهزة الكمومية غير المثالية التي نمتلكها بالفعل.

كما سلطت الدراسة الضوء على كيفية تأثير الضجيج على هذه العملية. فعندما يكون الحاسوب الكمومي صاخباً للغاية، فإنه يسرب المعلومات خارج فضاء الحلول الصالح تماماً، ويرسل البيانات إلى مناطق لا يمكن إصلاحها. وجد الباحثون أنه مع زيادة هذا التسريب، تتضاءل ميزة طريقة الإصلاح، لتتحول العملية في النهاية إلى بحث عشوائي. ومع ذلك، بالنسبة لمستويات الضجيج الموجودة في الأجهزة الحالية، ظلت الطريقة فعالة للغاية. وقد اشتق الفريق حدوداً رياضية تتنبأ بدقة بمدى قدرة عملية الإصلاح على المساعدة، موضحة أنها يمكن أن تقلل من عمق الدائرة الكمومية المطلوبة لإيجاد حل. وهذا تفصيل بالغ الأهمية لأن الدوائر الأعمق تكون أكثر عرضة للأخطاء. ومن خلال السماح بدورات أقل عمقاً، تجعل طريقة الإصلاح من الممكن تشغيل مشكلات أكثر تعقيداً على الأجهزة الحالية دون أن تتدمر النتائج بسبب الضجيج.

في نهاية المطاف، تؤسس الورقة البحثية لفكرة أن قيمة العينة الكمومية في التحسين المقيد لا تكمن فقط في الإجابات المثالية التي تنتجها، بل في بنية أخطائها. فالحاسوب الكمومي يخلق مشهداً لا تكون فيه الإجابات "الخاطئة" مبعثرة عشوائياً، بل متجمعة بطرق معينة تشير نحو الإجابة الصحيحة. ومن خلال التعرف على هذه البنية واستغلالها عبر قاعدة إصلاح حتمية، يمكننا فتح مستوى من الأداء لا يمكن للحاسوب الكمومي ولا للحاسوب الكلاسيكي تحقيقه بمفردهما. توفر النتائج المستخلصة من كل من المحاكاة والتجارب على الأجهزة الحقيقية دليلاً قوياً على أن هذا النهج يمثل مساراً قابلاً للتطبيق نحو التفوق الكمومي في عصر الأجهزة الكمومية الحالية ذات المقياس المتوسط والمشوبة بالضجيج. إنها تحول مشكلة التعامل مع المخرجات غير الممكنة من وضع فشل إلى ميزة، مما يسمح للباحثين بالاعتماد على الحاسوب الكمومي للقيام بما يجيده: إيجاد الطريق، حتى لو احتاج إلى القليل من المساعدة للبقاء على المسار.