لطالما أثبتت الحوسبة الخزانية (reservoir computing) جدارتها في التنبؤ بالسلاسل الزمنية الفوضوية، لكن الشبكات الصدوية التقليدية تتطلب ضبطًا دقيقًا وموارد كبيرة. أما الخزانات الكمومية فتُعِد بديناميكيات غنية بفضل التراكب والتشابك الكمومي، لكن معظم الأبحاث تقتصر على الإشارات أحادية البعد وتتجاهل قيود الأجهزة الكمومية الحديثة. عملنا يندرج ضمن الأبحاث حول الخوارزميات الكمومية وتصحيح الأخطاء، لكنه يتميز بكونه الأول الذي يكيّف خزانًا كموميًا قائمًا على البوابات ليتعامل مع سلاسل متعددة الأبعاد مع مراعاة الترابط الفعلي بين البتات الكمومية. إنها خطوة نحو التطبيق العملي للحوسبة الكمومية في مهام السلاسل الزمنية.
يبني الباحثون دائرة كمومية تُقسَّم فيها البتات الكمومية إلى نوعين: بتات حقن تستقبل البيانات، وبتات ذاكرة تحتفظ بالتاريخ. تُرمَّز البيانات بدوران حول المحور Y، ويوصف التطور بمعادلة هاميلتون لإيزينغ (Ising Hamiltonian) مع مجال عرضي، محدودًا بالجيران الأقرب وفقًا لطوبولوجيا الشريحة. وللتنفيذ على حاسوب قائم على البوابات، تُستخدم طريقة تروتر من الدرجة الأولى مع تكرار واحد. يُطبَّق بروتوكول إعادة اللف (rewinding) بنافذة منزلقة من 10 نقاط، مما يتيح معالجة سلاسل طويلة بعمق دائرة ثابت. ويتلخص التعلم في انحدار خطي على القيم المتوقعة المقاسة لمؤثرات باولي Z.
على المحاكي دون ضوضاء، يحقق النموذج MSE قدره 0.0087 لبيانات لورنز-63 و0.0036 لبيانات ENSO، متجاوزًا خط الأساس (نسخ الخطوة السابقة) وشبكات LSTM/GRU المدربة. وعلى المعالج الحقيقي IBM Heron R2 ذي 156 بتًا كموميًا، تبقى الدقة محفوظة، وبالنسبة لـENSO تعمل الضوضاء على تحسين النتيجة: متوسط MSE عبر ثلاث عمليات تشغيل بلغ 0.0030 مقابل 0.0036 على المحاكي. ويُظهر تحليل القيم المفردة أن الضوضاء تركّز تباين الميزات في الاتجاه الرئيسي، فتعمل كمنظّم ضمني. أما بالنسبة للورنز-63 فالتأثير معاكس: فالضوضاء تشتت المعلومات وتُضعف التنبؤ.
يُثبت هذا العمل أن الخزانات الكمومية القائمة على البوابات يمكنها منافسة الطرق التقليدية في التعامل مع الفوضى متعددة الأبعاد حتى على عتاد حديث مليء بالضوضاء. وعلى عكس الأبحاث المجاورة التي تركز على مسائل أحادية البعد أو تجارب محاكاة بحتة، يُظهر هذا البحث لأول مرة فائدة عملية للضوضاء بوصفها منظّمًا لمجموعة بيانات محددة. وهذا يفتح الباب أمام استخدام منهجي لضوضاء العتاد كمورد وليس كعائق. وتبرز النتائج أيضًا أهمية مراعاة طوبولوجيا الترابط عند تصميم الدوائر الكمومية.
يمكن أن يتطور الموضوع نحو دراسة هاميلتونيات أخرى، مثل هاميلتون هايزنبرغ أو نماذج بعيدة المدى، وسلاسل زمنية أعلى أبعادًا. كما أن التحليل المنهجي للظروف التي تساعد فيها الضوضاء سيتيح تصميم خزانات كمومية بخصائص مرغوبة بشكل هادف. ومن المحتمل ظهور دوائر تكيفية تضبط مستوى الضوضاء أو عمق تروتر وفقًا للمهمة المحددة. ومن الواعد أيضًا الدمج مع طرق تخفيف الأخطاء لتوسيع نطاق التطبيق على دوائر أعمق.
ستؤثر النتائج على التعلم الآلي الكمومي، خاصة مهام التنبؤ بالسلاسل الزمنية في الأرصاد الجوية والمالية وإدارة الأنظمة السيبرانية-الفيزيائية. كما تقدم لمهندسي الأجهزة الكمومية مؤشرات لتحسين ترابط البتات بما يخدم الحوسبة الخزانية.
الخطوة التالية ستكون دراسة منهجية لتأثير نوع الضوضاء ومستواها على جودة التنبؤ لفئات مختلفة من الأنظمة الديناميكية. ونخطط أيضًا لتوسيع الاختبارات على سلاسل أطول وعدد أكبر من المتغيرات للتحقق من قابلية التوسع في هذا النهج.
يتناول العمل مشكلة أساسية في التعلم الآلي الكمومي: كيف نستخرج فائدة حسابية من الأجهزة الكمومية المليئة بالضوضاء دون تصحيح أخطاء معقد. كما يساهم في فهم أي خصائص للديناميكا الكمومية تمنح ميزة حقيقية على الخزانات التقليدية. ويبقى السؤال مفتوحًا حول وجود مهام يُظهر فيها الخزان الكمومي تفوقًا أسيًا.
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
يبني المؤلفون حاسوبًا كموميًا خزانيًا (quantum reservoir computer) ببنية بوابات (gate-based) لمعالجة السلاسل الزمنية متعددة الأبعاد، عبر ترميز البيانات بدورانات Y وتطويرها وفق هاميلتوني إيزينغ (Ising Hamiltonian) مع تقييد بالجيران الأقرب. باستخدام تقنية تروتر (Trotterization) وبروتوكول إعادة اللف، يدربون نموذجًا خطيًا على القيم المتوقعة للمتغير Z. على المحاكي، يحققون متوسط مربع الخطأ (MSE) بمقدار 0.0087 لنظام لورينز-63 و0.0036 لمؤشر التذبذب الجنوبي (ENSO)، بينما على المعالج الحقيقي IBM Heron R2، يحسن الضجيج دقة التنبؤ لـ ENSO، حيث يعمل كمنظم ضمني (regularizer).
أين تكمن قوته
تظهر هذه الدراسة فائدة عملية للضجيج العتادي (hardware noise) كمنظم (regularizer) لمجموعة بيانات محددة، وهي ملاحظة نادرة وقيمة. كما أن مراعاة طوبولوجيا ترابط الكيوبتات عند تصميم الدائرة يفتح الطريق نحو تنفيذ فعال على الأجهزة الحقيقية.
إلى أين يمكن المضي
يستحق التجربة
لماذا قد يكون هذا مهمًا
إظهار إمكانية تحويل الضجيج العتادي إلى ميزة قد يسرع التطبيق العملي للحوسبة الخزانية الكمومية في مهام التنبؤ الواقعية، حيث لا يمكن تحقيق الظروف المثالية. كما يحفز هذا الأمر إعادة النظر في دور الضجيج في خوارزميات التعلم الآلي الكمومي.
أعمال قريبة في أرشيفنا
الأرشيف خالٍ حول هذا العمل: أقرب تحليل عند 0.57 فقط، مقابل 0.64 المعتادة. يبدو أن الحفر بجواره كان نادرًا.
المعالج Heron R2 المستخدم في هذا العمل يحتوي على 156 بتًا كموميًا فائق التوصيل ويمكنه تنفيذ ما يصل إلى 5000 بوابة في تمريرة واحدة. ولمعالجة سلسلة زمنية واحدة من 990 نافذة، استغرق الأمر حوالي 20 دقيقة فقط من وقت الآلة.