← أحدث الأبحاث
🔬 البصريات

Study of Randomness in Quantum Random Number Generator using Bayesian Neural Networks

تقترح هذه الورقة إطار عمل لشبكة عصبية بايزية يستخدم بيانات جهد الهوموداين الخام للتنبؤ باليقين العشوائي كأداة تشخيصية في الوقت الفعلي ومحفزة فيزيائياً لتكميم العشوائية الجوهرية ومراقبة عيوب الأداء في مولدات الأرقام العشوائية ذات المتغيرات المستمرة.

المؤلف الأصلي: Shriram Pragash M, Aditi Das, Megha Shrivastava, Mohit Mittal, R. Srikanth, Venkat Abhignan

نُشر 2026-11-17
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

المؤلف الأصلي: Shriram Pragash M, Aditi Das, Megha Shrivastava, Mohit Mittal, R. Srikanth, Venkat Abhignan

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 العالم الرقمي، تُعد العشوائية الحقيقية سلعة نادرة وثمينة؛ فهي حجر الزاوية في التشفير الحديث، والسر الخفي الذي يحافظ على أمن الخدمات المصرفية عبر الإنترنت وخصوصية الرسائل من المتسللين. لعقود من الزمن، اعتمدت الحواسيب على وصفات رياضية لتوليد أرقام تبدو عشوائية، لكن هذه ليست سوى أوهام. فإذا توفر الوقت والقدرة الحسابية الكافية، يمكن لمراقب ذكي التنبؤ بالتسلسل بأكمله لأنه ينبع من نقطة بداية ثابتة. وللمساعدة في كسر هذه الحلقة، توجه العلماء إلى العالم دون الذري، حيث يسلك الطبيعة نفسها سلوكاً غير متوقع. فمن خلال قياس التقلبات الضئيلة والمتأصلة للضوء أو فراغ الفضاء، يمكن للباحثين حصاد عشوائية حقيقية لا يمكن لأي قدر من الحسابات التنبؤ بها. ومع ذلك، فإن بناء آلة لالتقاط هذه الفوضى الكمومية أمر صعب؛ فالإشارات خافتة للغاية، ومن السهل أن يطغى عليها ضجيج المعدات الإلكترونية أو محدودية المستشعرات المستخدمة لقياسها. وإذا لم تكن الآلة مضبوطة بدقة، أو إذا كانت المستشعرات خشنة للغاية، فقد تحتوي الأرقام "العشوائية" الناتجة في الواقع على أنماط خفية، مما يترك النظام عرضة للاختراق.

لقد طور فريق من الباحثين طريقة جديدة لمراقبة هذه الآلات الكمومية في الوقت الفعلي، لضمان أنها تلتقط حقاً فوضى الكون. وبدلاً من الانتظار حتى نهاية عملية ما للتحقق مما إذا كانت الأرقام جيدة، قاموا بتدريب نوع خاص من الذكاء الاصطناوي للاستماع إلى الإشارات الكهربائية الخام القادمة مباشرة من المولد. هذا النظام، المعروف باسم الشبكة العصبية البايزية (Bayesian neural network)، يعمل كأداة تشخيصية عالية الحساسية. فهو لا يبحث فقط عن أنماط بسيطة، بل يتعلم التنبؤ باللحظة التالية في تدفق بيانات الجهد الكهربائي، والأهم من ذلك، أنه يحسب مدى عدم اليقين في ذلك التنبؤ. في النظام العشوائي المثالي، يكون المستقبل مستحيلاً للتنبؤ به، لذا يجب أن يكون عدم اليقين لدى الآلة مرتفعاً. فإذا انخفض عدم اليقين، فهذا يشير إلى أن النظام أصبح قابلاً للتنبؤ بشكل مفرط، ربما بسبب فشل المستشعرات أو تغير البيئة المحيطة.

اختبر الباحثون هذا النهج على جهاز ألياف ضوئية يقيس تقلبات الفراغ في الضوء. قاموا بتغذية بيانات الجهد الخام من الجهاز في شبكتهم وراقبوا كيف تتغير ثقة الذكاء الاصطناعي تحت ظروف مختلفة. وعندما زادوا من قوة الليزر المستخدم لسبر أغوار الفراغ، ارتفع عدم اليقين المقاس في النظام، وهو ما يطابق التوقعات النظرية بأن زيادة الطاقة تكشف المزيد من الضجيج الكمومي الحقيقي. وقد أكد ذلك أن طريقتهم يمكنها تتبع سلامة مصدر العشوائية. والأهم من ذلك، أن الذكاء الاصطناعي رصد مشكلات فاتتها طرق الاختبار التقليدية؛ فعندما قام الباحثون بمحاكاة مستشعر ذي دقة أقل أو معدل أخذ عينات أبطأ — وهي عيوب شائعة في الأجهزة الواقعية — انخفض مقياس عدم اليقين الخاص بالذكاء الاصطناعي بشكل حاد. لقد اكتشف أن الإشارة قد فقدت فوضاها الدقيقة، رغم أن الاختبارات الإحصائية القياسية، التي تبحث عن الارتباطات البسيطة، لم تلاحظ أي خطأ.

يسلط هذا الاكتشاف الضوء على فجوة حرجة في كيفية التحقق من مولدات الأرقام العشوائية حالياً. فالاختبارات التقليدية غالباً ما تفحص الأنماط طويلة المدى أو الارتباطات البسيطة، لكنها قد تكون عمياء عن التدهور الطفيف الناتج عن الأجهزة غير المثالية. فقد يكون المستشعر خشناً لدرجة أنه ينعم الارتجاجات السريعة والدقيقة لعالم الكم، مما يحول الإشارة الفوضوية فعلياً إلى إشارة يمكن التنبؤ بها. إن مقياس الذكاء الاصطناعي الجديد حساس بما يكفي ليشعر بهذه التغييرات فور حدوثها. وهو يعمل كمراقب في الوقت الفعلي، يخبر المهندسين بالضبط متى يخرج الجهاز عن نطاقه الأمثل أو عندما لا تلتقط المحولات الرقمية تفاصيل كافية. ومن خلال التركيز على الإشارة التناظرية الخام قبل معالجتها إلى بتات رقمية، توفر هذه الطة نافذة مباشرة على العملية الفيزيائية لتوليد العشوائية.

لم تدعِ الدراسة استبدال البراهن الأمنية الصارمة المطلوبة في التشفير عالي المخاطر، والتي تعتمد على افتراضات رياضية صارمة حول المصدر والمهاجمين المحتملين. بدلاً من ذلك، وضع المؤلفون هذه الأداة كطبقة دفاع تكميلية؛ فهي توفر فحصاً فيزيائياً قائماً على البيانات يعمل جنباً إلى جنب مع شهادات الأمن الرسمية. وفي تجاربهم، نجح النظام في تحديد كيفية تغير توليد العشوائية مع تعديل قوة الليزر من صفر إلى تسعة ميلي واط، وكيف تدهورت عندما قللوا دقة البيانات اصطناعياً من ستة عشر بت إلى ثمانية بتات. وتشير النتائج إلى أن هذا النهج يمكن أن يصبح جزءاً قياسياً من مجموعة الأدوات لبناء وصيانة مولدات الأرقات العشوائية الكمومية، مما يضمن أن الأقفال الرقمية للمستقبل مبنية على أساس من الفوضى الحقيقية وغير القابلة للكسر.

غارق في أبحاث مجالك؟

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

جرّب Digest →