← أحدث الأبحاث
🌀 العلوم اللاخطية

To predict or to persist: how decoherence shapes learning in a spin-qubit quantum reservoir

تُظهر هذه الدراسة أن تأثير فك الترابط على التعلم في خزان كمي مكون من سلسلة سبين سداسية الكيوبت يعتمد بشكل كبير على المهمة، حيث يمكن لفك الترابط الطوري المعتدل أن يعزز دقة التنبؤ للإشارات ذاتية الانحدار، ولكنه يقصر آفاق التنبؤ للأنظمة الفوضوية ويفشل في التقاط ديناميكيات الجاذبات الغريبة غير الفوضوية.

المؤلف الأصلي: Nikolaos Petropoulos, Elena Blokhina

نُشر 2026-11-20
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

المؤلف الأصلي: Nikolaos Petropoulos, Elena Blokhina

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

إن التنبؤ بالمستقبل يمثل تحديًا جوهريًا لأي نظام ذكي، سواء كان إنسانًا يحاول تخمين حالة الطقس أو حاسوبًا يتوقع أسعار الأسهم. ولتقديم تخمين جيد، يجب على النظام أن يتذكر الماضي، لكن لا يمكنه تذكر كل شيء إلى الأبد؛ إذ يجب أن يكون قادرًا أيضًا على التخلي عن المعلومات القديمة لإفساح المجال للبيانات الجديدة. هذا التوازن الدقيق يقع في قلب مجال يُسمى "الحوسبة الخزانية" (reservoir computing). فبدلاً من بناء دماغ معقد من الصفر، يستخدم الباحثون نظامًا فيزيائيًا — "خزانًا" — يقوم بطبيعته بخلط وتحويل الإشارات الواردة. يتم توجيه النظام بواسطة مدخلات، وتستخدم أداة رياضية بسيطة لتعلم كيفية قراءة الحالة الداخلية للنظام للتنبؤ بما سيأتي بعد ذلك. والسؤال الكبير في العالم الكمومي هو كيف يؤثر "الضجيج" الحتمي للعالم الفيزيائي على هذه العملية. في ميكانيكا الكم، يمكن للجسيمات مثل الإلكترونات أن توجد في حالات تراكب دقيقة، لكن التفاعلات مع بيئتها تسبب فقدان هذه الحالات لتماسكها، وهي عملية تُعرف باسم "فقدان التماسك" (decoherence). ولسنوات، جادل العلماء حول ما إذا كان فقدان هذه الرقة الكمومية هو خلل يفسد التعلم أم ميزة تساعد النظام على نسيان الماضي والأداء بشكل أفضل.

لقد عزم فريق من الباحثين في مختبرات "إيكوال وان" (Equal1 Labs) وجامعة كوليدج دبلن على حسم هذا الجدل عبر محاكاة حاسوب كمومي مكون من ستة مغناطيسات صغيرة، تُعرف باسم "الكيوبتات المغزلية" (spin qubits). لقد بنوا نموذجًا افتراضيًا لهذه الكيوبتات، مرتبة في سلسلة وتتفاعل مع بعضها البعض، ثم اختبروا مدى قدرة هذا النظام على تعلم التنبؤ بأنواع مختلفة من الإشارات المتغيرة. أجروا آلاف عمليات المحاكاة، وغيروا بشكل منهجي كيفية احتفاظ الكيوبتات بحالتها الكمومية قبل أن يتدخل الوسط المحيط بها ويشتت تلك الحالة. تم تغيير هذه المدة، التي تسمى "زمن التماسك"، من ميكروثانية واحدة فقط وصولًا إلى 5 ميلي ثانية، كما قارنوا بين هذه الظروف المليئة بالضجيج وسيناريو مثالي خالٍ من الضجيج. واختبر الباحثون ثلاثة تحديات متميزة: التنبؤ بتسلسل رقمي معقد وعشوائي، وتوليد نمط متكرر من تلقاء نفسه، والتنبؤ بنظام فوضوي حساس للغاية للتغيرات الطفيفة.

وكشفت النتائج أن الإجابة على سؤال ما إذا كان الضجيج يساعد أم يضر تعتمد كليًا على المهمة المطلوبة. فعندما كان الهدف هو التنبؤ بتسلسل رقمي معقد وعشوائي، كان النظام المليء بالضجيج يعمل بشكل أفضل من النظام المثالي. وتحديدًا، عندما كان زمن التماسك قصيرًا، حوالي 1 ميكروثانية، ارتكب النظام أخطاءً أقل مما فعله عندما كان متماسكًا تمامًا. حدث هذا لأن الضجيج ساعد النظام على نسيان المدخلات القديمة التي لم تعد مفيدة، مما منعه من الارتباك بسبب كثرة التاريخ الماضي. ومع ذلك، اختفى هذا التفوق مع زيادة زمن التماسك، وأصبح أداء النظام في النهاية يطابق النسخة المثالية. ووجد الباحثون أن النظام المليء بالضجيج لم يفقد ذاكرته ببساطة، بل أعاد تشكيل طريقة تخزين المعلومات، حيث حافظ على تركيز أدق على الأحداث الأخيرة بينما سمح للتفاصيل الأقدم بالتلاشي بشكل أسرع.

وتغيرت القصة تمامًا عندما طلب الباحثون من النظام توليد نمط متكرٍ من تلقاء نفسه، دون أي مساعدة خارجية. في هذا السيناريو، لم يبدُ أن كمية الضجيج تؤثر كثيرًا؛ فسواء كانت الكيوبتات متماسكة للغاية أو مليئة بالضجيج، نجح النظام في الحفاظ على النمط طوال الوقت تقريبًا بنفس القدر. اعتمد النجم أو الفشل في هذه المهمة على الترتيب العشوائي المحدد للروابط بين الكيوبتات أكثر من اعتماده على طول مدة بقائها متماسكة. وهذا يشير إلى أنه بالنسبة لبعض المهام، يكون المخطط الفيزيائي للأجهزة أكثر أهمية من النقاء الكمومي لمكوناتها.

أما الفرق الأكثر دراماتيكية فقد ظهر عندما كُلِّف النظام بالتنبؤ بإشارة فوضوية، وهي نوع من الحركة حيث تنمو الأخطاء الصغيرة بسرعة وتجعل التنبؤ طويل الأمد مستحيلاً. هنا، كان الضجيج عائقًا واضحًا. فعندما كان زمن التماسك قصيرًا، انهارت قدرة النظام على التنبؤ بالمستقبل؛ حيث استطاع تتبع المسار الفوضوي لنصف المدة التي يستطيع النظام المثالي الخالي من الضوضاء تتبعها فقط. في هذه المحاكاة، أدى فقدان التماسك الكمومي مباشرة إلى تقصير النافذة الزمنية التي يظل خلالها التنبؤ دقيقًا. كما حاول الباحثون أيضًا التنبؤ بنمط غريب مدفوع بالضجيج يشبه المدار الفوضوي ولكنه ليس فوضويًا حقًا. فشل النظام الكمومي في التقاط التشتت العشوائي لهذا النمط، حيث أنتج حلقة سلسة ونظيفة بدلاً من ذلك. لم يكن هذا الفشل بسبب مستوى الضجيج، بل لأن النظام لم يستطع الوصول إلى التقلبات العشوائية التي تقود النمط، والتي هي خارجية عن النظام نفسه.

في الختام، توضح الدراسة أنه لا توجد قاعدة واحدة لكيفية تأثير الضجيج الكمومي على التعلم. ففي بعض الحالات، مثل التنبؤ بالتسلسلات المعقدة، يعمل القليل من الضجيج كمرشح مفيد ينقي الذاكرة. وفي حالات أخرى، مثل تتبع الحركة الفوضوية، يكون هذا الضجيج نفسه قوة تدميرية تكسر التنبؤ. واكتشف الباحثون أيضًا أن مجرد قياس خصائص أكثر للنظام الكمومي — أي النظر في كيفية تفاعل أزواج من الكيوبتات بدلاً من مجرد مراقبة الفردي منها — وفر دفعة كبيرة في الدقة، حتى مع بقاء إجمالي البيانات المعالجة ثابتًا. وهذا يشير إلى أن الطريقة الفريدة التي تترابط بها الجسيمات الكمومية مع بعضها البعض تحمل معلومات قيمة تفتقر إليها الأنظمة الكلاسيكية. يوفر هذا العمل خارطة طريق واضحة لمهندسي المستقبل: لبناء حاسوب كمومي مفيد للتنبؤ، يجب على المرء مطابقة مستوى الضجيج في الجهاز بعناية مع المهمة المحددة التي يحتاجها، بدلًا من افتراض أن النقاء الكمومي الأعلى هو الأفضل دائمًا.

غارق في أبحاث مجالك؟

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

جرّب Digest →