← أحدث الأبحاث
⚛️ الفيزياء الكمومية

Max-Cut QAOA on Non-Hardware-Native Graphs via MinLA Surrogates and Configuration Recovery

تقترح هذه الورقة سير عمل هجينًا بين الحوسبة الكمية والكلاسيكية يقلل من عمق دارة خوارزمية التحسين التقريبي الكمي (QAOA) على الرسوم البيانية غير الأصلية للأجهزة، وذلك عبر بناء نماذج بديلة قائمة على تقليل التفاعل الأدنى (MinLA) بتفاعلات أقل، ومن ثم استعادة الحلول القريبة من المثالية لمسألة الحد الأقصى للقطع (MAX-CUT) الأصلية من خلال استراتيجيات صقل كلاسيكية.

المؤلف الأصلي: K. Bharati, Nathan Earnest-Noble, Ritajit Majumdar

نُشر 2026-11-16
📖 6 دقيقة قراءة🧠 قراءة متعمّقة

المؤلف الأصلي: K. Bharati, Nathan Earnest-Noble, Ritajit Majumdar

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 السباق لبناء حواسيب كمومية مفيدة، يمر العلماء حالياً بمرحلة وسطى صعبة؛ فهم يمتلكون آلات يمكنها إجراء حسابات محددة بسرعة أكبر بكثير من الحواسيب التقليدية، ومع ذلك لا تزال هذه الآلات هشة ومحدودة الحجم. ومن أكثر الطرق واعدة لاستخدامها هو حل الألغاز المعقدة المعروفة باسم مشكلات الأمثلة (optimization problems)، حيث يكون الهدف هو إيجية أفضل ترتيب ممكن من بين ملايين الخيارات. وتعد "خوارزمية الأمثلة التقريبية الكمومية" (Quantum Approximate Optimization Algorithm) طريقة رائدة للقيام بذلك، وهي تعمل عن طريق إعداد حالة كمومية تمثل العديد من الإجابات المحتملة في وقت واحد، ثم صقلها لإيجاد الأفضل بينها. ومع ذلك، يوجد عائق رئيسي: الرقائق الكمومية الحقيقية ليست مبنية للتعامل مع كل نوع من أنواع الألغاز بشكل مباشر. فالرقائق لها تخطيط محدد ومتباعد من الاتصالات بين وحدات المعالجة الصغيرة الخاصة بها، بينما تتضمن العديد من المشكلات المثيرة للاهتمام شبكات كثيفة من الاتصالات التي لا تتناسب مع هذا التخطيط. ولإجبار مشكلة غير متوافقة على العمل على رقاقة ما، يتعين على المهندسين إدراج خطوات إضافية لنقل المعلومات بين الوحدات البعيدة، وهي عملية تضيف طبقات من التعقيد والضجيج. وغالباً ما يدمر هذا الضجيج المعلومات الكمومية الدقيقة قبل العثور على الإجابة، مما يترك الآلة غير قادرة على حل المشكلات التي صُممت لمعالجتها.

لقد طور باحثون في "آي بي إم ريسيرش" (IBM Research) والمعهد الهندي للتكنولوجيا في مدراس استراتيجية جديدة لتجاوز هذه العقبة، مما يسمح للحواسيب الكمومية بحل مشكلات رسوم بيانية (graph problems) أكبر وأكثر تعقيداً مما كان ممكناً في السابق. يتضمن نهجهم، الذي تم اختباره على معالج بقدرة 156 كيوبت، سير عمل ذكي من خطوتين يوازن بين ما يمكن للآلة الكمومية القيام به وما يمكن للحاسوب الكلاسيكي إصلاحه. فبدلاً من محاولة فرض المشكلة المعقدة بأكملها على الرقاقة دفعة واحدة، قام الفريق أولاً بإنشاء نسخة "بديلة" (surrogate) مبسطة من المشكلة تتناسب مع الحدود الفيزيائية للرقاقة. وقد حققوا ذلك من خلال إعادة ترتيب مكونات المشكلة بحيث تكون أهم الاتصالات قصيرة ومحلية، ثم اختيار فقط تلك الاتصالات التي يمكن تنفيذها دون إرهاق الآلة بخطوات توجيه (routing) عرضة للخطأ. وهذا يسمح للحاسوب الكمومي بتشغيل دائرة أقصر وأنظف وتوليد مجموعة من الحلول المرشحة.

يكمن الابتكار الحقيقي فيما يحدث بعد ذلك. فالباحثون لا يقبلون مخرجات الحاسوب الكمومي ببساطة كإجابة نهائية، بل يأخذون أفضل الحلول المرشحة التي تم توليدها من الدائرة الكمومية المبسطة ويغذونها في حاسوب كلاسيكي. يقوم هذا الحاسوب الكلاسيكي بعد ذلك بعملية صقل دقيقة وخطوة بخطوة لإصلاح المعلومات التي تم تركها خارج الحساب أثناء عملية التبسيط. فهو يقيم المرشحين مقابل المشكلة الأصلية الكاملة والمعقدة، ويحسنهم بشكل منهجي حتى يصلوا إلى حالة تقارب الكمال. ومن خلال فصل العمل الشاق لأخذ العينات الكمومية عن عملية الصقل النهائي للإجابة، نجح الفريق في حل حالات من مشكلة رسوم بيانية كلاسيكية تسمى "MAX-CUT" على رسوم بيانية تصل إلى 100 رأس (vertex). كانت هذه الرسوم البيانية كثيفة جداً بحيث لا يمكن تشغيلها مباشرة على الأجهزة، ومع ذلك أنتجت الطريقة الهجينة حلولاً جيدة تقريباً مثل أفضل الإجابات الممكنة نظرياً.

يعتمد جوهر هذه الطريقة على طريقة محددة لتنظيم بيانات المشكلة قبل وصولها إلى الرقاقة الكمومية. فقد استخدم الباحثون تقنية رياضية تسمى "الترتيب الخطي الأدنى" (Minimum Linear Arrangement) لإعادة ترتيب رؤوس الرسم البياني. تخيل المشكلة كخريطة لمدن متصلة بطرق؛ والهدف هو إيجاد طريقة لتقسيم المدن إلى مجموعتين بحيث يتم تعظيم عدد الطرق التي تعبر بين المجموعتين. في الرقاقة الكمومية القياسية، تكون الاتصالات بين المدن ثابتة ومتباعدة. فإذا كانت المدن في المشكلة بعيدة عن بعضها البعض على الخريطة، يجب على الرقاقة بناء جسور طويلة ومتعرجة لربطها، مما يؤدي إلى حدوث أخطاء. تقوم تقنية الترتيب التي استخدمها الباحثون بإعادة ترتيب المدن بحيث توضع تلك التي لديها اتصالات كثيرة مع بعضها البعض بجانب بعضها البعض مباشرة في التسلسل. وهذا يسمح لهم باختيار "نطاق" (band) من التفاعلات التي تكون جميعها قريبة من بعضها البعض، واستبعاد الاتصالات الطويلة والمكلفة التي قد تتطلب الكثير من الخطوات المعرضة للخطأ لتنفيذها.

يتم توجيه عملية الاختيار هذه بواسطة ميزانية صارمة لعمق الدائرة، وهي في الأساس مقياس لعدد الخطوات التي يجب أن يتخذها الحاسوب الكمومي على التوالي. وقد حدد الباحثون أوسع نطاق ممكن من الاتصالات الذي يمكن أن يتناسب مع هذا الحد من العمق لأجهزتهم المحددة. لقد تأكدوا من أن كل مدينة في المشكلة تظل جزءاً من النموذج المبسط، حتى لو تم تجاهل بعض اتصالاتها مؤقتاً. وقد خلق هذا "هاميلتونيان بديلاً" (surrogate Hamiltonian)، وهو نسخة مبسطة من مشهد طاقة المشكلة التي يمكن للحاسوب الكمومي تشغيلها بالفعل. وعندما قاموا بتشغيل هذه الدائرة المبسطة على معالج IBM، وجدوا أنها قللت عدد الخطوات المطلوبة بأكثر من النصف مقارنة بمحاولة تشغيل المشكلة الكاملة، مع الاحتفاظ بجزء كبير من هيكل الرسم البياني الأصلي. وبالنسبة لأكبر الرسوم البيانية التي تم اختبارها، والتي كانت تحتوي على ما يقرب من ألف اتصال، حافظت الطريقة على حوالي نصف التفاعلات، وهو إنجاز كان مستحيلاً باستخدام التقنيات السابقة التي كانت تختزل الرسم البياني إلى مجرد سلسلة بسيطة.

بعد ذلك، قامت الحاسوب الكمومي بأخذ عينات من آلاف الحلول المحتملة من هذا المشهد المبسط. وبما أن الدائرة كانت أقصر وأنظف، فإن الحلول التي أنتجتها كانت ذات جودة أعلى مما كانت ستكون عليه لو تمت محاولة تشغيل الدائرة الكاملة المليئة بالضجيج. ومع ذلك، كانت هذه الحلول لا تزال تعتمد على صورة غير مكتملة للمشكلة. ولإصلاح ذلك، استخدم الفريق استراتيجيتين كلاسيكيتين للاسترداد (recovery). كانت الأولى نهجاً "جشعاً" (greedy approach) ينظر إلى كل مدينة على حدة ويقلب تعيين مجموعتها إذا كان القيام بذلك يحسن إجمالي عدد الطرق العابرة. أما الاستراتيجية الثانية، الأكثر تطوراً، فقد نظرت إلى أزواج من مجموعات المدن وحلت نوعاً معيناً من مشكلات الأمثلة لإيجاد أفضل طريقة لإعادة ترتيبها معاً. سمحت هذه الطريقة الثانية، التي تستخدم تقنية تتعلق بإيجاد "القطع الأدنى" (minimum cut) في الشبكة، للنظام بالهروب من الفخاخ المحلية حيث قد لا يساعد التغيير الفردي، ولكن التغيير المنسق سيفعل.

كانت نتائج سير العمل الهجين هذا مذهلة. ففي الرسوم البيانية ذات 100 رأس، كانت المخرجات الخام من الحاسوب الكمومي، حتى بعد تبسيطها، جيدة بالفعل. ولكن بعد خطوة الاسترداد الكلاسيكية، قفزت جودة الحلول بشكل كبير. حققت أفضل الحلول التي تم العثور عليها بعد الاسترداد نسبة تقريب تبلغ 0.997 تقريباً، مما يعني أنها كانت ضمن 0.3 في المائة من أفضل إجابة ممكنة. وكان هذا صحيحاً حتى بعد أن لم ينفذ الحاسوب الكمومي أبداً المجموعة الكاملة من التفاعلات المطلوبة للمشكلة الأصلية. وقد تحقق الباحثون من أن هذا التحسن جاء بالكامل من عملية الصقل الكلاسيكية، حيث عملت عملية الاسترداد بشكل مستقل على كل حل مرشح دون الحاجة إلى أي وقت إضافي على المعالج الكمومي.

يوضح هذا العمل أن قيود الأجهزة الكمومية الحالية لا تمنع بالضرورة من حل مشكلات كبيرة ومعقدة. فمن خلال الاعتراف بقيود الأجهزة وتصميم سير عمل يحترم هذه القيود، أظهر الباحثون أنه يمكن استخراج إشارات مفيدة من تنفيذ كمومي مبسط وتضخيمها من خلال الحوسبة الكلاسيكية. وتعد هذه الطريقة قوية بشكل خاص لأنها قابلة للتوسع؛ فمع تحسن المعالجات الكمومية وقدرتها على تحمل دوائر أعمق، يمكن توسيع "نطاق" التفاعلات ليشمل المزيد من المشكلة الأصلية، مما يتطلب عملاً أقل من الحاسوب الكلاسيكي. وعلى العكس من ذلك، بالنسبة للآلات الحالية المليئة بالضجيج، توفر هذه الطريقة مساراً عملياً، مما يثبت أن الجمع بين التبسيط المدرك للأجهزة والاسترداد الكلاسيكي يمكن أن يقدم حلولاً عالية الجودة لمشكلات كانت بعيدة المنال سابقاً. وتؤكد الدراسة أن مستقبل الأمثلة الكمومية قد لا يكمن في انتظار آلات مثالية وخالية من الأخطاء، بل في بناء أنظمة هجينة ذكية تعرف كيف تعمل مع الأدوات غير المثالية المتاحة حالياً.

غارق في أبحاث مجالك؟

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

جرّب Digest →