← أحدث الأبحاث
⚛️ الفيزياء الكمومية

A Quantum Support Vector Regression Framework for Missing Data Imputation in Ship Performance Data

تُظهر هذه الدراسة أن إطار عمل انحدار متجه الدعم الكمي، وتحديداً باستخدام خريطة الميزة ZZFeatureMap، يعمل بفعالية على تعويض القيم المفقودة في بيانات أداء السفن ويتنبأ باستهلاك الوقود البحري بدقة عالية، متفوقاً بذلك على النماذج المرجعية لتعلم الآلة الكلاسيكي حتى في ظل ظروف الندرة الشديدة للبيانات.

المؤلف الأصلي: Daniel Maroto Sanchez, Christian Velasco-Gallego, Miriam Bastante Chichon, Jaime Álvarez-Benayas, Tsoulakos Nikolaos, J. A. Bravo-Montes

نُشر 2026-11-18
📖 4 دقيقة قراءة🧠 قراءة متعمّقة

المؤلف الأصلي: Daniel Maroto Sanchez, Christian Velasco-Gallego, Miriam Bastante Chichon, Jaime Álvarez-Benayas, Tsoulakos Nikolaos, J. A. Bravo-Montes

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

لم تعد السفن اليوم مجرد أوعية من الفولاذ والشراع؛ بل هي مراكز بيانات عائمة. فمن خلال شبكة من المستشعرات و"إنترنت السفن"، تقوم ناقلات البضائع الحديثة ببث المعلومات باستمرار حول محركاتها، وتدفق الوقود، والظروف الجوية، والملاحة. هذه البيانات حيوية للحفاظ على كفاءة وسلامة الرحلات، مما يسمح للمشغلين بالتنبؤ باحتياجات الصيانة وتحسين المسارات. ومع ذلك، فإن هذا الشريان الرقمي هش للغاية. فتماماً كما قد تضعف إشارة الراديو أو يتعطل مستشعر ما، غالباً ما تنقطع تدفقات البيانات هذه، مما يترك فجوات حيث ينبغي أن توجد أرقام بالغة الأهمية. وعندما يفتقد كمبيوتر السفينة قراءة عن استهلاك الوقود أو سرعة المحرك، فإن الصورة غير المكتملة الناتجة قد تؤدي إلى تحريف الحسابات، وإخفاء عدم الكفاءة، واتخاذ قرارات سيئة. لسنوات، اعتمد الخبراء على برامج حاسوبية تقليدية لملء هذه الفراغات المفقودة، باستخدام أنماط من البيانات المحيطة لتخمين ما فُقد. ولكن مع بدء عالم الحوسبة في استكشاف أفق جديد يُعرف بميكانيكا الكم، يتساءل الباحثون سؤالاً جريئاً: هل يمكن للمنطق الغريب والقوي للحواسيب الكمومية أن يقوم بعمل أفضل في إصلاح تدفقات البيانات المكسورة هذه من الآلات التي نستخدمها كل يوم؟

في دراسة حديثة، شرع فريق من الباحثين في اختبار هذه الفكرة باستخدام بيانات من العالم الحقيقي لسفينة صب من طراز "باناماكس" ضخمة، وهي نوع من السفن التي تحمل آلاف الأطنان من البضائع عبر المحيطات. كانت السفينة تسجل أداءها لأكثر من عام، حيث رصدت سبعة وثلاثين متغيراً مختلفاً تتراوح من سرعة محركها الرئيسي إلى ارتفاع الأمواج التي واجهتها. أخذ الباحثون مجموعة البيانات الغنية والواقعية هذه وحذفوا أجزاءً منها عمداً، لمحاكة نوع المعلومات المفقودة الذي يحدث في العالم الحقيقي نتيجة تعطل المعدات أو خلل في الشبكة. كان هدفهم هو معرفة ما إذا كان نوع جديد من الخوارزميات، يسمى "انحدار متجه الدعم الكمومي" (Quantum Support Vector Regression)، يمكنه إعادة بناء القيم المفقودة بدقة أكبر من الطرق القياسية المستخدمة حالياً. يستخدم هذا النهج الجديد مبادئ ميكانيكا الكم لرسم البيانات في مساحة عالية الأبعاد ومعقدة حيث قد يكون من السهل العثور على الأنماط المخفية، تماماً كما يمكن للخريطة ثلاثية الأبعاد أن تكشف عن مسار غير مرئي على ورقة مسطحة ثنائية الأبعاد.

أجرى الفريق سلسلة من التجارب لمعرفة مدى كفاءة هذه الأدوات الكمومية تحت ظروف مختلفة. أولاً، اختبروا الأنظمة بكمية صغيرة من البيانات وبعدد قليل من المتغيرات لفهم كيفية تفاعل النماذج عندما تكون المعلومات شحيحة. ثم زادوا من التعقيد، حيث غدوا النماذج بمزيد من المتغيرات ومجموعات بيانات أكبر لمعرفة ما إذا كانت الميزة الكمومية ستصمد مع زيادة صعوبة المهمة. وأخيراً، قارنوا أفضل إعداد كمومي أداءً مقابل أقوى برنامج حاسوبي تقليدي في مواجهة مباشرة. كانت النتائج كاشفة؛ فقد أثبتت كل من الطرق التقليدية والنماذج الكمومية قدرة عالية، حيث نجحتا في تخمين معدلات استهلاك الوقود المفقودة بدقة ملحوظة، حتى عندما كان ما يصل إلى تسعين بالمائة من البيانات مفقوداً. وقد تمكن النموذج الكمومي الذي حقق أفضل أداء من الوصول إلى مستوى من الدقة تفوق قليلاً على النهج التقليدي، حيث تنبأ بتدفق الوقود بمتوسط خطأ يقل عن عشرين كيلوغراماً في الساعة.

ومع ذلك، فإن قصة هذه التجربة لا تتعلق فقط بمن فاز، بل بتكلفة هذا الانتصار. فبينما أنتج النموذج الكمومي الأرقام الأكثر دقة، إلا أنه جاء بثمن باهظ من حيث الوقت. فقد وجد الباحثون أن النظام الكمومي استغرق ما يقرب من ألف وخمسمائة ثانية لإكمال حساباته، في حين أنهى أفضل طريقة تقليدية المهمة نفسها في أقل من ثانيتين. حدث هذا الفرق الهائل لأن الحسابات الكمومية أُجريت على حاسوب كلاسيكي قوي يقوم بمحاكاة بيئة كمومية، وهي عملية تتطلب قدرة حاسوبية وذاكرة هائلة. وتشير الدراسة صراحة إلى أن هذه النتائج لا تثبت أن الحواسيب الكمومية متفوقة حالياً في هذه المهمة؛ بل تظهر أن الأساليب الكمومية قابلة للتطبيق وتنافسية، وقادرة على مضاهاة أفضل الأدوات الكلاسيكية. وخلص الباحثون إلى أنه بينما يوفر النهج الكمومي تحسناً طفيفاً في الدقة، فإن الطرق التقليدية تظل أكثر عملية للاستخدام الفوري نظراً لسرعتها وكفاءتها.

في نهاية المطاف، يوضح هذا البحث أن مستقبل تحليل البيانات البحرية قد يتضمن مزيجاً من العالمين. وتؤكد الدراسة أنه حتى عندما تكون البيانات ناقصة بشدة، يمكن للخوارزميات الحديثة إعادة بناء الأجزاء المفقودة بموثوقية عالية، مما يضمن استمرار مشغلي السفن في اتخاذ قرارات مدروسة. وقد أظهرت النماذج الكمومية واعداً، مما يشير إلى أنه مع زيادة سهولة الوصول إلى الأجهزة الكمومية وقوتها، يمكن أن تصبح أداة قيمة لحل مشكلات البيانات المعقدة في صناعة الشحن. أما في الوقت الحالي، فتظل الطرق التقليدية هي العمود الفقري للصناعة، حيث توفر توازناً بين السرعة والدقة يصعب التغلب عليه. لقد فُتح الباب أمام عصر جديد من استعادة البيانات، مما يثبت أن المنطق الغريب لميكانيكا الكم يمكنه بالفعل مساعدتنا في فهم البيانات الفوضوية وغير المكتملة التي تتدفق من محيطات العالم.

غارق في أبحاث مجالك؟

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

جرّب Digest →