Гибридная архитектура с квантовой частью улучшила классификацию изображений на 50%
В июле 2026 года учёные опубликовали на arXiv гибридную систему для классификации изображений, которая объединяет квантовые вычисления с классическими нейросетями через архитектуру mixture of experts. На тестовых наборах MNIST и Fashion-MNIST система достигла снижения ошибок на 50% по сравнению с использованием отдельных экспертов. При этом накладные расходы на GPU остаются умеренными, что делает подход практичной альтернативой классическим схемам.
معالج بواسطة الذكاء الاصطناعي من arXiv cs.LG؛ بتحرير Hamidun News
في يوليو 2026، قدم الباحثون على موقع arXiv نظاماً هجيناً لتصنيف الصور، يجمع بين مكونات كمومية وكلاسيكية من خلال معمارية mixture of experts. بناءً على نتائج الاختبار على مجموعات بيانات MNIST و Fashion-MNIST، قلل النظام معدل الخطأ بحوالي النصف وأثبت أن النهج المستوحاة من الفيزياء الكمومية تتجاوز البحث النظري.
كيفية عمل النظام الهجين
ينقسم النظام إلى جزأين. يقوم الجزء الكمومي بترميز الصورة من خلال amplitude encoding، ويطبق عمليات الالتفاف من خلال تحويلات وحدوية محلية، ويعالج البيانات من خلال عدة خبراء بمعاملات مختلفة. يتم استخراج الميزات باستخدام quantum stabiliser codes. بعد ذلك، يجمع الجزء الكلاسيكي نتائج جميع الخبراء من خلال شبكة عصبية متصلة بالكامل للتصنيف النهائي.
- يستخدم الجزء الكمومي amplitude encoding لتحويل بيانات البكسل
- تتضمن المعمارية عدة خبراء، يقوم كل منهم بمعالجة الصورة بمعاملات مختلفة
- يجمع الجزء الكلاسيكي تنبؤات جميع الخبراء في تنبؤ نهائي
- على MNIST و Fashion-MNIST، تم تحقيق تقليل الخطأ بحوالي 50%
- يظل overhead وحدة المعالجة الرسومية مقبولاً للتطبيق العملي على محطات العمل الحديثة
النتائج والعملية
أظهر التحليل المشترك للخبراء نتائج أفضل من أداء الخبراء الفرديين. يؤكد المؤلفون أن overhead الحوسبة لاستراتيجيتهم المستوحاة من الكمومية معتدل على محطات عمل وحدة المعالجة الرسومية، مما يجعل النهج بديلاً عملياً للأنظمة الكلاسيكية الموجودة. بالإضافة إلى ذلك، يشير الباحثون إلى أن الجزء الكمومي من الإطار يمكن تنفيذه على معالج كمومي حقيقي — عندما يصبح هذا الجهاز متاحاً.
ماذا يعني هذا
يثبت البحث أن المعماريات الهجينة الكمومية الكلاسيكية مع mixture of experts بدأت الانتقال من المختبرات إلى التطبيقات العملية. بفضل overhead الحوسبة المعتدل، يعمل النهج بالفعل على أجهزة الكمبيوتر الكلاسيكية اليوم، وقد يظهر مزايا كبيرة مع تطور معالجات الكم.
الأسئلة المتكررة
ما هي mixture of experts في هذا البحث؟
عدة خبراء — في هذه الحالة مكونات كمومية — يتم تدريبهم على نفس البيانات مع معاملات مختلفة. يعالج كل خبير الصورة بشكل مستقل، ثم تجمع شبكة عصبية كلاسيكية تنبؤاتهم في النتيجة النهائية.
على أي مجموعات بيانات تم اختبار النظام؟
استخدم الباحثون MNIST (الأرقام المكتوبة بخط اليد 28×28 بكسل) و Fashion-MNIST (صور الملابس بنفس الحجم) — مجموعات البيانات المعيارية القياسية لمهام تصنيف الصور.
متى يمكن استخدام هذا على أجهزة الكمبيوتر الكمومية الحقيقية؟
تم تكييف المعمارية بالفعل للعمل على معالجات الكم، لكن هذا يتطلب تطوير الأجهزة المناسبة. حالياً، النظام عملي للاستخدام على محطات عمل وحدة المعالجة الرسومية الكلاسيكية.
هل تحتاج إلى ذكاء اصطناعي يعمل داخل شركتك — وليس فقط في موجز الأخبار؟
أبني ذكاءً اصطناعياً جاهزاً للإنتاج للشركات — أنظمة CRM مخصّصة، أدوات داخلية، وكلاء مستقلون، أتمتة سير العمل. ملك لك، مصمّم وفق عمليتك، دون رسوم لكل مستخدم. من إعداد جمال خميدون، مدير المنتجات في AlpinaGPT (منصة ذكاء اصطناعي، أكثر من 6000 مستخدم).
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.