QUBO-Based Optimization of Social Indicator Configurations for Working-Age Population Growth

لغز الناس والأماكن

تخيل أنك تحاول خبز كعكة مثالية، ولكن بدلاً من الدقيق والسكر، فإن مكوناتك هي أشياء مثل "عدد السكان الذين يعيشون في بلدة ما"، و"أعمارهم"، و"نوع الوظائف التي يشغلونها". في عالم العلوم، يشبه هذا إلى حد كبير دراسة كيفية تلاحم الأجزاء المختلفة للمجتمع معاً لجعل المجتمع يزدهر. لعقود من الزمن، عرف العلماء أنه عندما تفقد بلدة ما سكانها في سن العمل (الأشخاص الذين تتراوح أعمارهم تقريباً بين 15 و64 عاماً)، فإنها تواجه مستقبلاً صعباً. الأمر يشبه فريقاً رياضياً يفقد لاعبيه النجوم؛ الفريق بأكلى سيعاني من أجل الاستمرار في اللعب.

لكن الجزء الصعب هنا هو أنه لا يمكنك إصلاح شيء واحد فقط. لا يمكنك ببساطة القول: "إذا خفضنا متوسط العمر فقط، فسيكون كل شيء رائعاً!" أو "إذا أضفنا المزيد من المقيمين الأجانب فقط، فستُحل المشكلة!". العالم الحقيقي فوضوي. هذه العوامل تختلط معاً بطرق معقدة، مثل وصفة حيث تغير إضافة رشة ملح طعم السكر. لمعرفة أفضل تركيبة، يستخدم الباحثون نوعاً خاصاً من الرياضيات يسمى التحسين (Optimization). فكر في الأمر كأنه محرك بحث فائق الذكاء لا يبحث عن إجابة واحدة فحسب، بل يستكشف الملايين من "الوصفات" الممكنة ليجد الوصفة التي تعمل بشكل أفضل. ومؤخراً، تم تقديم نوع جديد من التكنولوجيا الحاسوبية يسمى التلدين الكمي (Quantum Annealing) للمساعدة في حل هذه الألغاز الضخمة بشكل أسرع، حيث يعمل مثل بوصلة سحرية يمكنها القفز فوق التلال والوديان في مشهد من الاحتمالات لتجد أدنى نقطة (أو أعلى قمة، اعتماداً على ما تريد الوصول إليه).

الفكرة الكبرى للورقة البحثية: البحث عن الوصفة الاجتماعية المثالية

في هذه الدراسة، قرر فريق من الباحثين من جامعة توهوكو ومؤسسات أخرى معالجة مشكلة تضاؤل السكان في سن العمل في اليابان. أرادوا معرفة: إذا كان بإمكاننا تعديل الإحصاءات الاجتماعية لبلدة ما بشكل سحري، فما هي مجموعة التغييرات التي ستؤدي إلى أكبر قدر من النمو في عدد السكان في سن العمل؟

بدلاً من مجرد التخمين، قاموا ببناء "نموذج بديل" رقمي. تخيل هذا النموذج كأنه كرة بلورية ليست سحرية، ولكنها مدربة على بيانات حقيقية. لقد أخذوا بيانات من 1,855 بلدة يابانية، ونظروا في عشرة مؤشرات اجتماعية مختلفة من تعداد عام 2010 (مثل الكثافة السكانية، ومتوسط العمر، ونسبة أنواع مختلفة من العمال) وكيف ارتبطت تلك المؤشرات بالنمو السكاني بين عامي 2010 و2020. قاموا بتحويل هذه الأرقام المستمرة إلى رمز "واحد ساخن" (one-hot code) بسيط، مثل تحويل قرص دوار إلى أربعة إعدادات لكل مؤشر.

كانت النتيجة معادلة تربيعية — وهي صيغة رياضية لا تلتقط فقط كيف يعمل كل مؤشر بمفرده، بل كيف تتفاعل مع بعضها البعض. الأمر يشبه إدراك أن "انخفاض متوسط العمر" أمر جيد، ولكن "انخفاض متوسط العمر" بالإضافة إلى "عدد معتدل من عمال الصناعات الأولية" هو أمر أفضل. كان النموذج دقيقاً بشكل مدهش، حيث تنبأ بالنمو السكاني بمعامل ارتباط قدره 0.84 ومتوسط معامل تحديد ($R^2$) قدره 0.76. وهذا يعني أن الوصفة الرياضية التي صنعوها تطابقت مع النتائج في العالم الحقيقي بشكل جيد للغاية، رغم أن المؤلفين يلاحظون بحذر أن هذا أداة لاستكشاف الاحتمالات، وليس كرة بلورية تضمن المستقبل.

رحلة البحث عن الأمثل: الكمي مقابل الكلاسيكي

بمجرد حصولهم على الوصفة، احتاج الفريق إلى إيجاد أفضل تركيبة ممكنة. وهنا يأتي دور إطار عمل "QUBO" (التحسين الثنائي التربيعي غير المقيد). لقد حولوا نموذج النمو الخاص بهم إلى لغز حيث يكون الهدف هو إيجاد المزيج المحدد من المؤشرات العشرة التي تزيد من النمو المتوقع إلى أقصى حد.

لحل ذلك، استخدموا ثلاثة "باحثين" مختلفين:

1. Gurobi: وهو برنامج حاسوبي دقيق وقوي يعمل مثل أمين مكتبة دقيق يفحص كل كتاب للعثور على الكتاب المثالي.
2. التلدين المحاكي (Simulated Annealing): وهي طريقة حاسوبية كلاسيكية تحاكي تبريد المعادن، حيث تستقر ببطء في حل جيد.
3. التلدين الكمي (Quantum Annealing): وهي طريقة تستخدم نظام D-Wave Advantage2، والذي يستخدم فيزياء الكم لاستكشاف مساحة الحل بطريقة فريدة.

اتفقت الطرق الثلاث على نفس التكوين الأمثل تماماً! تضمنت "الوصفة" المثالية للنمو ما يلي:

• أعلى مستوى من الكثافة السكانية.
• أدنى مستوى من متوسط العمر.
• أعلى مستوى من نسبة الجنس (الذكور لكل 100 أنثى).
• أعلى مستوى من المقيمين الأجانب.
• أعلى مستوى من الأسر المكونة من شخص واحد.
• المستوى الثاني من الأسر المكونة من ثلاثة أجيال.
• أدنى مستوى من عمال الصناعة الأولية.
• أدنى مستوى من عمال الصناعة الثانوية.
• أعلى مستوى من عمال الصناعة الثالثة.
• أعلى مستوى من نسبة السكان في وقت النهار إلى الليل.

بلغ معدل النمو المتوقع لهذا التكوين المثالي حوالي 6.35. ومع ذلك، لم يتوقف الباحثون عند الإجابة "المثالية" فحسب، بل لاحظوا أن طرق التلدين (سواء الكمي أو المحاكي) قد وجدت أيضاً العديد من التكوينات الأخرى الجيدة والممكنة التي كانت أقل كمالاً بقليل ولكنها لا تزال واعدة للغاية. وهذا أمر بالغ الأهمية لأن البلدة في العالم الحقيقي قد لا تتمكن من التحول فوراً إلى "التكوين المثالي" بسبب الميزانية أو الجغرافيا. إن امتلاك قائمة من البدائل "الجيدة بما يكفي" غالباً ما يكون أكثر فائدة من مجرد إجابة مثالية نظرية واحدة.

التحول المفاجئ: الأمر كله يتعلق بالمزيج

لرؤية كيف يعمل هذا النموذج في الممارسة العملية، اختار الفريق ثلاث بلدات حقيقية (تم إخفاء هويتها كـ A وB وC) كانت تمتلك معدلات نمو سكاني متشابهة. ثم لعبوا لعبة "ماذا لو": ماذا يحدث إذا غيرنا شيئاً واحداً فقط في هذه البلدات؟

وجدوا شيئاً رائعاً. تغيير مؤشر واحد لم يكن يساعد دائماً. على سبيل المثال، في بعض البلدات، أدى تحريك "نسبة السكان في وقت النهار إلى الليل" لتصبح أقرب إلى المستوى "الأمثل" إلى خفض النمو المتوقع. أثبت هذا أن المؤشرات مترابطة بعمق. لا يمكنك إصلاح جزء واحد من اللغز بمعزل عن الآخر؛ فتأثير تغيير شيء ما يعتمد تماماً على ما تفعله الأشياء الأخرى.

كما سلطت الدراسة الضوء على تفاعل قوي ومحدد: حيث كان الجمع بين انخفاض متوسط العمر ونسبة معتدلة من عمال الصناعة الأولية محركاً قوياً للنمو. وهذا يشير إلى أن السحر لا يكمن فقط في وجود شباب أو مزارعين، بل في وجود المزيج الصحيح منهم.

ماذا يعني هذا (وما لا يعنيه)

يؤكد المؤلفون بوضوح على ماهية عملهم وما ليس عليه. فهم يذكرون أن هذا عرض منهجي، وليس إثباتاً سببياً. بمعنى آخر، هم لا يقولون: "إذا فعلت X، فسيحدث Y بالتأكيد". بدلاً من ذلك، هم يقولون: "نموذجنا يشير إلى أن هذه التوليفات مرتبطة بالنمو". السياسة في العالم الحقيقي معقدة، وتغيير التركيبة السكانية لبلدة ما فعلياً يتضمن قوانين واقتصاداً وسلوكاً بشرياً لا يلتقطه هذا النموذج الرياضي.

ومع ذلك، نجحت الدراسة في إظهار أنه يمكننا أخذ بيانات اجتماعية معقدة، وتحويلها إلى نموذج رياضي قابل للتفسير، واستخدام أدوات تحسين متقدمة (بما في ذلك الحوسبة الكمية) لاستكشاف سيناريوهات مختلفة. إنها توفر طريقة شفافة لطرح سؤال: "ماذا لو جربنا هذه التركيبة؟" والحصول على إجابة قائمة على البيانات. وبينما لم يتفوق الحاسوب الكمي بالضرورة على الحاسوب الكلاسيكي في هذا الاختبار الصغير والنطاق المحدود، فإن حقيقة أن كلاهما وجد نفس الإجابة تعطي الثقة في أن الطريقة تعمل. تكمن القيمة الحقيقية في امتلاك أداة يمكنها إنشاء قائمة من السيناريوهات الممكنة والمُحسّنة ليناقشها صانعو السياسات، بدلاً من مجرد التحديق في رقم واحد والأمل في الأفضل.