UCL: الحوسبة الكمية الهجينة والذكاء الاصطناعي تتنبأ بالأنظمة الفوضوية بدقة أكبر

أثبتت فريق جامعة كوليدج لندن (UCL) أن الكمبيوتر الكمومي يمكنه فعلاً تقديم فوائد عملية ــ وليس في النظرية البعيدة، بل في مهام حقيقية للتنبؤ بالأنظمة المعقدة. يجمع مخطط هجينهم بين الحوسبة الكمومية والتعلم الآلي بحيث يتنبأ الذكاء الاصطناعي بدقة أكبر بسلوك العمليات الفوضوية على فترات زمنية طويلة. في الاختبارات، ثبت أن النهج أكثر استقراراً بشكل ملحوظ من النماذج التقليدية، وحقق مكاسب في الدقة تبلغ حوالي 20%، وتطلب مئات المرات أقل من الذاكرة.

يتعلق الأمر بأنظمة يصعب بشكل خاص محاكاتها باستخدام الطرق الكلاسيكية: التدفقات المضطربة، ديناميكيات السوائل والغازات، العمليات التي تتسع فيها الأخطاء الصغيرة بسرعة وتُفسد التنبؤ. هذه مشكلة نموذجية لنماذج المناخ والديناميكا الهوائية والأنظمة الطاقوية والطب الحيوي. يمكن للمحاكاة الرقمية الكاملة لمثل هذه العمليات أن تستغرق أسابيع على أجهزة الكمبيوتر العملاقة، بينما تعمل نماذج الشبكات العصبية البحتة بسرعة أكبر لكنها غالباً ما تصبح غير مستقرة عندما يجب تمديد التنبؤات عبر الزمن.

حاولت فريق UCL احتلال موقف وسطي: الحفاظ على نموذج الذكاء الاصطناعي الكلاسيكي، لكن في مرحلة التدريب اقتراح هيكل البيانات باستخدام معالج كمومي. من الناحية التقنية، يعمل المخطط كما يلي: أولاً، يعالج الكمبيوتر الكمومي بيانات التدريب ويستخرج الخصائص الإحصائية الثابتة — أي الأنماط المختفية التي تستمر عبر الزمن حتى في البيئة الفوضوية. يتم بعد ذلك استخدام هذه الميزات المستخلصة كمومياً لتدريب نموذج انحداري عادي على كمبيوتر عملاق كلاسيكي.

يسمي المؤلفون هذا النهج التعلم الآلي المستنير بالكم. النقطة المهمة هي أن المكون الكمومي لا يشارك في كل خطوة تنبؤ ولا يتطلب تبادل بيانات مستمر مع الجزء الكلاسيكي. هذا يقلل من متطلبات الأجهزة ويساعد في تجاوز القيود النموذجية لأنظمة الكم الحالية، بما في ذلك الضوضاء والأخطاء وعدم استقرار القياس.

تم اختبار الطريقة على عدة مهام: معادلة كوراموتو-سيفاشينسكي، تدفق كولموغوروف ثنائي الأبعاد، وتدفق القناة المضطرب ثلاثي الأبعاد، الذي يقترب أكثر من ظروف الهندسة الحقيقية. وفقاً للورقة المنشورة في Science Advances، حسّن المخطط الجديد دقة التنبؤ بالتوزيعات بنسبة تصل إلى 17.25% وحافظ بشكل أفضل على البنية الطيفية للنظام، ما أعطى في بعض الحالات مكاسب تصل إلى 29.

36% مقارنة بنماذج خط الأساس الكلاسيكية. للسيناريو الأكثر واقعية، استخدم الباحثون كمبيوتراً كمومياً من طراز IQM بـ 20 كيوبت متصلاً بموارد حسابية من مركز ليبنيز للحوسبة الفائقة في ألمانيا. يلاحظ المؤلفون على وجه التحديد أنه بدون تمثيل سابق كمومي، أصبحت التنبؤات غير مستقرة، بينما معه، أنتج النموذج توقعات طويلة الأجل متسقة فيزيائياً وفي بعض الحالات تجاوزت حلالات المعادلات التفاضلية الرقمية الرائدة.

مسألة الكفاءة مهمة بشكل خاص. عادة ما تصطدم النقاشات حول الحوسبة الكمومية سريعاً بمشكلة أن الميزة مكلفة جداً أو هشة جداً للممارسة العملية. هنا، يوضح الباحثون صورة أكثر ارتباطاً وفائدة: المكون الكمومي لا يحل محل خط الأنابيب بأكمله، بل يضغط الديناميكا المعقدة في تمثيل مضغوط.

تناقش الورقة مزايا الذاكرة بترتيب من حيث الحجم: تم اختزال أحجام البيانات بعدة ميجابايت إلى تمثيل كمومي بمقياس كيلوبايت. بالنسبة لمهام النمذجة العلمية، هذا حاسم، لأن الذاكرة وعرض النطاق الترددي غالباً ما يصبحان قيوداً ليست أقل أهمية من القوة الحسابية الخام. إذا أمكن توسيع نطاق هذا النهج ليشمل مجموعات بيانات أكبر والملاحظات الحقيقية، ستكون هناك تطبيقات كثيرة.

في المناخ، يمكن أن يعني نماذج أكثر قوة للغلاف الجوي والمحيط. في الطاقة، تصميم أكثر دقة لتوربينات الرياح والأنظمة التي تعمل مع التدفقات المضطربة. في الطب، نمذجة أفضل لتدفق الدم والتفاعلات الجزيئية.

في النقل والصناعة، حسابات معجلة للديناميكا الهوائية والأنظمة السائلة دون نمو حتمي في تكاليف الذاكرة. الخلاصة الرئيسية هنا ليست أن أجهزة الكمبيوتر الكمومية أصبحت فجأة جاهزة لاستبدال أجهزة الكمبيوتر العملاقة الكلاسيكية. بل العكس: يوضح البحث سيناريو واقعي حيث يمكن حتى للأجهزة الكمومية المحدودة اليوم أن تعزز نماذج الذكاء الاصطناعي الموجودة في مهام علمية ضيقة لكنها بالغة الأهمية.

هذا أحد أكثر الأمثلة إقناعاً على كيفية أن تظهر الميزة الكمومية العملية ليس من خلال تعطيل كامل للحوسبة الحالية، بل من خلال تكامل موجه في خطوط أنابيب الذكاء الاصطناعي التي تعمل بالفعل.