خوارزمية كمومية هجينة لمشكلة اختيار تركيبة مولّدات الطاقة ✛

الأصل: "A New Hybrid Quantum-Classical Algorithm for Solving the Unit Commitment Problem"

· Willie Aboumrad, Phani R V Marthi, Suman Debnath, Martin Roetteler, Evgeny Epifanovsky

arXiv:2505.00145 · 2025-04-30 · CC BY 4.0 · 3 دقيقة

الاختيار الكمومي للمرشحين والضبط التقليدي للقدرة يحلان مشكلة تخطيط شبكة الطاقة بخطأ أقل من 3%.

السياق

تخطيط تشغيل محطات الطاقة هو موازنة يومية بين الموثوقية والتكلفة. تتعامل الحواسيب التقليدية مع هذه المهمة، لكن مع زيادة عدد المولّدات والأخذ في الاعتبار حالات عدم اليقين (مثل تقلبات الحمل) يتزايد التعقيد بشكل أسي. إلى جانب هذا العمل، توجد دراسات تعيد صياغة مشكلة UC على أنها تحسين ثنائي تربيعي (QUBO) وتُحل على أجهزة التلدين الكمومي أو باستخدام الخوارزميات variational، لكن الدقة أو قابلية التوسع تظل محدودة. يندرج هذا العمل في هذا السياق، لكنه يراهن على النهج الهجين: المعالج الكمومي لا يحل المشكلة كاملة، بل يقوم فقط بـ«غربلة» فضاء الحلول، تاركًا للحاسوب التقليدي مجموعة صغيرة من المرشحين للضبط الدقيق.

المنهجية

يقسم الباحثون مشكلة UC إلى جزأين: أولًا تحديد أي المولّدات يعمل (متغيرات ثنائية)، ثم تحديد القدرة التي يجب أن ينتجها كل منها (متغيرات مستمرة). لاختيار توليفات التشغيل، يبنون دالة QUBO تفرض عقوبة على عدم تلبية الطلب وتكافئ التكاليف الثابتة المنخفضة. تُرمَّز هذه الدالة في هاميلتوني، وتستخدم خوارزمية VQA للبحث عن حالته الأرضية، أي التوليفة ذات التكلفة الدنيا. يُستخدم ansatz متعدد الطبقات يتبادل بين كتل التشابك (على نمط «الفراشة») وكتل الخلط مع بداية دافئة من الاسترخاء شبه المحدد. بعد تقارب VQA، تُؤخذ عينات من الحالة الكمومية، وتُنقل حتى 128 توليفة مسموحة الأقل تكلفة إلى الحل التقليدي SLSQP، الذي يجد مستويات القدرة المثلى لكل توليفة. الحل النهائي هو التوليفة ذات التكلفة الإجمالية الدنيا.

النتائج

على المحاكي لنظام من 10 مولّدات و24 ساعة، ينخفض متوسط خطأ التقريب من 1.78% (طبقة واحدة من ansatz) إلى 0.55% (تسع طبقات). أما بالنسبة لـ26 مولّدًا، فيستقر الخطأ عند حوالي 2.5% مع زيادة عدد الطبقات. عدد تكرارات التحسين ينمو خطيًا مع عدد المعاملات: بمتوسط 8.63 تكرارًا لكل معامل إضافي. على المعالج الكمومي IonQ Forte لمشكلة 26 مولّدًا، بلغ متوسط الخطأ عند الاستدلال 3.088% مقابل 3.201% على المحاكي، مما يشير إلى توافق نوعي جيد. كما أُظهر تقارب VQA على العتاد الحقيقي لمشاكل ساعة واحدة.

الأهمية

يتميز هذا العمل عن الدراسات المجاورة بأنه لا يحاول حل مشكلة UC كاملة على الحاسوب الكمومي، بل يستخدمه كـ«منخل» لاختيار المرشحين، تاركًا التحسين الدقيق للطريقة التقليدية. وهذا يتيح تحقيق خطأ أقل من 3% لأنظمة تضم 26 مولّدًا، وهو مستوى لم يتحقق سابقًا باستخدام الخوارزميات الكمومية variational في هذا المجال. هذا النهج الهجين يقلل من متطلبات عدد الكيوبتات وعمق الدائرة، مما يجعله أكثر عملية للمعالجات الكمومية الحالية.

التطور المستقبلي

الاتجاه الواعد هو استبدال VQE بالتطور الكمومي variational في الزمن التخيلي (varQITE)، الذي قد يسرّع التقارب. ويتطلب ذلك تكييف varQITE مع المشكلات ذات القيود: دراسة طرق فعّالة لتشفير القيود في QUBO، وتطوير تحليل للدالة الهدف الكمومية، والنظر في تطبيقات أخرى لـQITE. اتجاه آخر هو إنشاء ansatze متخصصة تحاكي بشكل أفضل الحالة الأرضية لهاميلتوني مشكلة UC، مما يقلل عدد تكرارات التحسين.

التأثير

قد تكون هذه الطريقة مفيدة لمشغلي شبكات الطاقة في التخطيط قصير المدى، خاصة مع تزايد حصة مصادر الطاقة المتجددة وعدم اليقين في الحمل. كما أنها تُظهر مبدأً عامًا للحوسبة الهجينة الكمومية-التقليدية لمشكلات التحسين المختلط-الصحيح.

الخطوات التالية

من الخطط القريبة تكييف varQITE مع مشكلة UC وتطوير ansatze خاصة بالمشكلة. كما يتطلب الأمر فهمًا أعمق للعلاقة بين عدد طبقات ansatz وخطأ التقريب مع زيادة عدد المولّدات إلى المقاييس الصناعية.

المسائل المفتوحة الرئيسية

بالنسبة لقطاع الطاقة، تظل مسألة توسيع نطاق الخوارزميات الكمومية والهجينة إلى الأحجام الحقيقية لشبكات الطاقة (مئات وآلاف المولّدات) مفتوحة. كما أن مشكلة مراعاة عدم اليقين في الحمل وتوليد المصادر المتجددة في الصياغات الكمومية لم تُحل بعد. هذا العمل خطوة نحو الإجابة على السؤال الأول، لكن الثاني لا يزال دون معالجة.

نظرة آلة المعرفة

هذا القسم موجَّه إلى مؤلف العمل وزملائه. الأعمال المجاورة عثر عليها بحثٌ دلالي في أرشيفنا، لا بتطابق الكلمات. نحن لا نقيّم العمل: نعرض الحقل من حوله.

ماذا يفعل هذا العمل

يقدم المؤلفون خوارزمية هجينة من ثلاث مراحل تجمع بين الحوسبة الكمومية والكلاسيكية لحل مشكلة اختيار تركيبة وحدات التوليد: خوارزمية كمومية متغيرة (variational quantum algorithm) تختار التركيبات الواعدة للوحدات المفعلة، بينما تقوم خوارزمية SLSQP الكلاسيكية بضبط مستويات القدرة، ثم يتم اختيار أفضل مزيج. تم اختبار الطريقة على أنظمة تضم 3 و10 و26 مولدًا بأفق زمني يصل إلى 24 ساعة؛ فبالنسبة لعشرة مولدات، ينخفض متوسط الخطأ إلى 0.55%، وبالنسبة لـ26 مولدًا يصل إلى 2.53%. تؤكد التجارب على المعالج الكمومي IonQ Forte التقارب وتتوافق مع المحاكاة.

أين تكمن قوته

تكمن القوة في تقسيم المشكلة إلى جزء ثنائي (اختيار التركيبات) وجزء مستمر (تحسين القدرة)، مما يسمح باستخدام الحاسوب الكمومي كمرشح لتقليص فضاء المرشحين مع الحفاظ على دقة التحسين الكلاسيكي.

إلى أين يمكن المضي

قد يكون من المثير للاهتمام النظر في كيفية تطبيق طرق تحسين دقة الحوسبة الكمومية الموصوفة في العمل لتقليل خطأ خوارزمية VQA عند اختيار التركيبات، خاصة على الأجهزة الحقيقية.استنادًا إلى: منظّم آلي للبوابات الكمومية arXiv:2504.10938
توجد أعمال قريبة تستخدم الخوارزميات الكمومية لمشاكل شبكات الطاقة؛ ربما يمكن دمج نهجهم في صياغة مشكلة UC أو في معالجة عدم اليقين ضمن مخططك الهجين.استنادًا إلى: إسعاف كمومي لشبكات الطاقة: كيف تقود الكيوبتات أوركسترا الكهرباء arXiv:2607.29582v1

يستحق التجربة

تجربة بدء دافئ للأنزات (ansatz) ليس فقط من الاسترخاء شبه المحدد (semidefinite relaxation) ولكن أيضًا من حلول تم الحصول عليها عبر الاستدلالات الكلاسيكية (classical heuristics).
فحص كيفية تأثير تغيير عدد التركيبات التي يتم أخذ عينات منها (مثل 64 أو 256) على التوازن بين الدقة والتكلفة الحسابية.
استكشاف إمكانية تطبيق تقنيات تخفيف الأخطاء من [2504.10938] على التشغيلات الكمومية الحقيقية لتحسين جودة الاختيار.

لماذا قد يكون هذا مهمًا

النهج الهجين، حيث يُستخدم الحاسوب الكمومي لتقليص فضاء البحث بينما يتولى الكلاسيكي التحسين الدقيق، قد يمثل مسارًا عمليًا لتطبيق الحوسبة الكمومية في قطاع الطاقة على الأجهزة الحالية، إذ لا يتطلب تفوقًا كموميًا كاملًا.

أعمال قريبة في أرشيفنا

ثلاثة بواعث بدلاً من بطارية ليزراتarXiv:2605.093252026-05-10سريعالتقارب 0.55
بوصلة كمومية لبطاريةarXiv:2606.160172026-06-14سريعالتقارب 0.55
حرارة الجسم كدليل: نظرة كمية على سرطان الثديarXiv:2604.169532026-04-18سريعالتقارب 0.55
آلة حاسبة كمومية تحسب الجزيئات بكفاءة مضاعفةarXiv:2602.011652026-02-01سريعالتقارب 0.54
منظّم آلي للبوابات الكموميةarXiv:2504.109382025-04-15التقارب 0.54
أكواد الكم الجبلية الجليدية: الأخطاء تجعل الحاسوب أذكىarXiv:2602.222112026-02-25سريعالتقارب 0.54
إسعاف كمومي لشبكات الطاقة: كيف تقود الكيوبتات أوركسترا الكهرباءarXiv:2607.29582v12026-07-31سريعالتقارب 0.54

الأرشيف خالٍ حول هذا العمل: أقرب تحليل عند 0.55 فقط، مقابل 0.64 المعتادة. يبدو أن الحفر بجواره كان نادرًا.

الرسم كاملاً →

بالنسبة لنظام من 15 مولّدًا و24 ساعة، يتجاوز عدد التوليفات الممكنة للتشغيل/الإيقاف 2.3×$10^{108}$، وهو أكبر من عدد الذرات في الكون المرصود (حوالي $10^{80}$).

\min_{u,p} \sum_{t=0}^{T-1} \sum_{j=0}^{N-1} u_j^t F_j^t(p_j^t)

تقليل التكلفة الإجمالية للتوليد عبر جميع الساعات والمولّدات، حيث u_j^t هو القرار الثنائي بتشغيل المولّد j في الساعة t، وp_j^t هي قدرته، وF_j^t هي دالة التكلفة التربيعية.

\sum_j p_j^t = \ell^t, \quad \forall t

يجب أن تساوي القدرة الإجمالية لجميع المولّدات العاملة في كل ساعة الحمل المطلوب بالضبط.

Q(u) = c_{\min}(u) + \lambda P(u)

الدالة الهدفية لـVQA: مجموع التكلفة الدنيا للمولّدات العاملة وعقوبة عدم تلبية الطلب، حيث λ معامل قابل للضبط.

أرقام رئيسية

متوسط الخطأ لـ10 مولّدات (9 طبقات): 0.55%
متوسط الخطأ لـ26 مولّدًا (أفضل نتيجة): 2.53%
عدد المرشحين المُرسلين إلى الحل التقليدي: حتى 128
عدد التوليفات الممكنة لـ15 مولّدًا و24 ساعة: 2.3×10¹⁰⁸
متوسط الزيادة في التكرارات لكل معامل: 8.63

العلماء

David Deutsch Erwin Schrödinger John Stewart Bell Louis de Broglie Lov Grover Paul Benioff

المفاهيم

خوارزمية هجينة الخوارزمية الكمومية النهج الهجين تحسين موارد الحوسبة الكمومية الحاسوب التقليدي تعقيد شبه كلاسيكي قوة حسابية الحد الكلاسيكي عملية كيوبت مفرد كيوبت منطقي مسألة تحسين ذاكرة تكلفة حسابية مفكك ترميز مركز البيانات فاينمان طب قراءة معالجة متوازية

أنا المؤلف