← أحدث الأبحاث
⚛️ الفيزياء الكمومية

Beauty and charm jet identification with end-to-end training on a superconducting quantum processor

تقدم هذه الورقة أول تدريب واختبار شامل لنظام طرف إلى طرف لدائرة كمية تباينية لتحديد نفاثات الجمال والسحر على معالج كمي فائق التوصيل حقيقي مكون من 5 كيوبتات، مما يثبت أن الضوضاء العتادية لا تؤدي إلى تدهور الأداء بشكل كبير ويمهد الطريق للميزة الكمية المستقبلية في مهام التصنيف في فيزياء الطاقات العالية.

المؤلف الأصلي: Lucio Anderlini, Pietro Asinari, Gianluca Bertaina, Davide Calonico, Marco Coïsson, Alessio Gianelle, Donatella Lucchesi, Giovanni Passaleva, Matteo Maria Piredda, Lorenzo Sestini, Michele Veltri, Dav
نُشر 2026-11-13
📖 4 دقيقة قراءة🧠 قراءة متعمّقة

المؤلف الأصلي: Lucio Anderlini, Pietro Asinari, Gianluca Bertaina, Davide Calonico, Marco Coïsson, Alessio Gianelle, Donatella Lucchesi, Giovanni Passaleva, Matteo Maria Piredda, Lorenzo Sestini, Michele Veltri, Davide Zuliani

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلف ولم يصادق عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في عالم فيزياء الجسيمات عالي الطاقة، يقوم العلماء بصدم البروتونات مع بعضها البعض بسرعة تقترب من سرعة الضوء لإعادة تهيئة ظروف الكون المبكر. وعندما تحدث هذه التصادمات، تنتج رشاشات من الجسيمات تسمى "النفاثات" (jets). معظم هذه النفاثات عادية، لكن بعضها ينشأ من جسيمات ثقيلة وقصيرة العمر تُعرف بـ "كواركات الجمال" (beauty) و"الكواركات الساحرة" (charm). إن تحديد أي النفاثات تأتي من هذه الكواركات الثقيلة أمر بالغ الأهمية لاختبار القوانين الأساسية للطبيعة، ومع ذلك، فهو مهمة صعبة للغاية. فالكواركات الثقيلة تتحلل بسرعة كبيرة لدرجة أن نفاثاتها تبدو مشابهة جداً لنفاثات الجسيمات الأخف، مما يتطلب من الباحثين البحث عبر مئات الأدلة الدقيقة للتمييز بينها. ولعقود من الزمن، كان هذا العمل من مهام الحواسيب الكلاسيكية القوية والذكاء الاصطناعي المتقدم، ولكن برز سؤال جديد: هل يمكن لتكنولوجيا الحوسبة الكمومية الناشئة، التي تعالج المعلومات بطريقة مختلفة جوهرياً، أن تساعد في حل هذه المشكلة؟

لقد اتخذ فريق من الباحثين في إيطاليا خطوة مهمة نحو الإجابة على ذلك السؤال من خلال تدريب حاسوب كمومي على تحديد نفاثات "الجمال" و"السحر" الثقيلة. لم يكتفوا بمحاكاة العملية على حاسوب عادي، بل أجروا دورة التدريب والاختبار بأكملها على معالج كمومي حقيقي ومادي. هذا الجهاز، وهو جهاز فائق التوصيل مكون من خمسة كيوبتات يُدعى "لاغرانج" (Lagrange)، يقع في جامعة "بوليتكنيكو دي تورينو". قام الباحثون بتغذية الحاسوب الكمومي ببيانات من تجربة (LHCb) التابعة لمصادم الهادرات الكبير، والتي تمت محاكاتها لتمثل تصادمات عند طاقة قدرها 13 تيرا إلكترون فولت. كان هدفهم هو معرفة ما إذا كان بإمكان خوارزمية كمومية أن تتعلم التمييز بين نفاثات كواركات الجمال وتلك القادمة من كواركات السحر، رغم الطبيعة الصاخبة وغير المثالية للأجهزة الكمومية الحالية.

كان التحدي كبيراً. فالحواسيب الكمومية اليوم لا تزال في مهدها، وهي عرضة للأخطاء ومحدودة في كمية المعلومات التي يمكنها استيعابها. اضطر الباحثون إلى ضغط البيانات المعقدة التي تصف النفاثة في خمس سمات رئيسية فقط، مثل كتلة نقطة التحلل الثانوية وعدد مسارات الجسيمات، لتناسب خمسة كيوبتات متاحة فقط. وقد صمموا دائرة كمومية محددة، وهي مجموعة من التعليمات التي تقوم بتدوير وتشابك البتات الكمومية لمعالجة هذه المعلومات. وعلى عكس الحاسوب القياسي الذي يتبع مساراً ثابتاً، كانت هذه الدائرة الكمومية تحتوي على مقابض قابلة للتعديل، أو "بارامترات"، يمكن للآلة ضبطها بنفسها لتحسين دقتها. وضع الفريق حلقة حيث يقوم المعالج الكمومي بعمل تخمين، ثم يقوم حاسوب كلاسيكي بحساب مدى خطأ ذلك التخمين، ومن ثم يقوم المعالج الكمومي بتعديل مقابضه ليؤدي بشكل أفضل.

ما وجدوه كان مشجعاً. فبعد تشغيل عملية التدريب بالكامل على معالج "لاغرانج" الكمومي، تعلمت الآلة بنجاح الفصل بين نوعي النفاثات. كان أداء النموذج المدرب كمومياً قريباً بشكل ملحوظ من أداء نموذج تم تدريبه على محاكاة مثالية خالية من الضجيج. ورغم أن الحاسوب الكمومي قد أدخل بعض الضجيج وأدى إلى إزاحة النتائج قليلاً، إلا أنه لم يدمر القدرة على التصنيف الصحيح. حقق النظام مستوى من التمييز يضاهي المحاكاة المثالية، مما يثبت أن الضجيج المتأصل في الأجهزة الحالية لا يمنع بالضرورة الآلة الكمومية من تعلم مهمة فيزيائية معقدة. استغرقت عملية التدريب بأكملها، والتي تضمنت آلاف الحسابات، أقل من ساعة من الوقت الفعلي الذي قُضي على المعالج الكمومي.

تعتبر هذه التجربة بمثابة إثبات حيوي للمفهوم. فهي توضح أن سير العمل الكامل لتدريب نموذج تعلم آلي كمومي — من الإعداد الأولي إلى الاختبار النهائي — يمكن إتمامه على أجهزة حقيقية وصاخبة دون انهيار الأداء. كما طور الباحثون طريقة للتنبؤ بالوقت الذي ستستغرقه مثل هذه المهمة على آلات أكبر، حيث قدروا أن الحواسيب الكمومية المستقبلية التي تحتوي على عشرات الكيوبتات يمكنها التعامل مع بيانات أكثر واقعية وتعقيداً ضمن أطر زمنية معقولة، بشرط إدارة الأعباء الإضافية للأجهزة. وبينما يعتبر هذا الجهاز المحدد المكون من خمسة كيوبتات صغيراً جداً لحل المشكلة الكاملة لتحديد النفاثات كما هي موجودة في التجارب الحقيقية، والتي تتضمن مئات المتغيرات، فإن الدراسة توضح الطريق للمضي قدماً. إنها تشير إلى أنه مع نمو المعالجات الكمومية واستقرارها، قد توفر في النهاية أداة جديدة للفيزياء عالية الطاقة، قادرة على معالجة مهام التصنيف التي يصعب حتى على أكثر الحواسيب الكلاسيكية تقدماً التعامل معها.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →