QKAN: شبكات كولموغوروف-أرنولد الكمومية مع تطبيقات في تعلم الآلة وإعداد حالات متعددة المتغيرات

أدمغة كمومية للأنماط المعقدة

العديد من أصعب مشاكل اليوم — من فهم المواد الغريبة إلى تحليل البيانات عالية الأبعاد — تتضمّن أنماطاً يصعب التقاطها بواسطة الحواسيب التقليدية والشبكات العصبية الاعتيادية. تقدّم هذه الورقة نوعاً جديداً من «الدماغ الكمومي» يُسمى شبكة كولموغوروف‑أرنولد الكمومية (QKAN)، مصمّمًا للعمل على حواسيبٍ كموميةٍ آمنة مستقبلية. تهدف QKAN إلى معالجة مجموعات بيانات كمومية هائلة وحتى بناء حالات كمومية معقّدة بكفاءة أكبر من الأساليب الكلاسيكية، مما قد يفتح مسارات جديدة لتعلم الآلة الكمومي والمحاكاة الكمومية.

من فكرة رياضية كلاسيكية إلى بنية كمومية

تبني هذه الورقة عملًا على بصيرة رياضية تُعرف بتمثيل كولموغوروف‑أرنولد: من حيث المبدأ، يمكن تجميع أي دالة سلسة لعدة متغيرات من قطع بسيطة تعتمد على متغير واحد ومجاميعها. شبكات «كولموغوروف‑أرنولد» الحديثة (KANs) تكيّف هذه الفكرة إلى تصميم شبكة عصبية كلاسيكية يربط بين العديد من دوال التنشيط أحادية البعد بدلاً من الاعتماد بشكل أساسي على ضرب المصفوفات. أظهرت KANs وعدًا في المشكلات العلمية حيث تكون الصيغ الأساسية مُنظَّمة وقابلة للتفسير. يأخذ المؤلفون هذا المخطط المفاهيمي ويتساءلون: هل يمكننا بناء نسخة كمومية بحتة تعيش بطبيعتها في لغة الدوائر الكمومية؟

تحويل المصفوفات الكمومية إلى «خلايا عصبية»

في QKAN، الحاملات الأساسية للمعلومات ليست أعدادًا عادية بل القيم الذاتية لمصفوفات كمومية خاصة. تُخزن هذه المصفوفات داخل عمليات وحدة أكبر عبر خدعة قياسية تُسمى ترميز الكتلة (block‑encoding). تقنية قوية تُعرف بتحويل القيم المفردة الكمومي تتيح للدائرة تطبيق دوال حدودية مُفصّلة على تلك القيم الذاتية، فتقوم بدور دوال التنشيط في شبكة عصبية. من خلال ترتيب هذه العمليات في «طبقة» واحدة أو عدد قليل من الطبقات، يمكن لـQKAN أن تعمل بشكل متزامن على فضاء إدخالات ذي حجم أسي — وهو ما لا تستطيع الشبكات الكلاسيكية تحقيقه ضمن موارد مماثلة عندما تكون الإدخالات بحدّ ذاتها كمومية.

شبكة كمومية عريضة لكنها ضحلة

يبين المؤلفون أن QKAN تجسّد طبيعياً بنية «عريضة وضحلة». إذا كان الجهاز الكمومي قادرًا على ترميز كتلي بكفاءة إدخالٍ بُعده N — على سبيل المثال، حالة كمومية مُهيأة بواسطة خوارزمية أخرى أو هاميلتونيان يصف نظامًا فيزيائيًا — فإن طبقة QKAN يمكنها تنفيذ تحويلات شديدة العرض مع تكلفة زائدة تعدّية لوغاريتمية في N فقط. أما تكديس العديد من هذه الطبقات فمكلف، لأن عمق الدائرة ينمو تقريبًا بشكل أُسِّي مع عدد الطبقات وتتراكم الأخطاء الصغيرة. نتيجة لذلك، يُفضّل استخدام QKAN بعدد قليل من الطبقات، مقابل مبادلة العمق بتوازيٍ هائل في العرض. تحلل الورقة كيفية تمرير معامِلات هذه الشبكات عبر دوائر كمومية، وكيفية تدريبها باستخدام استراتيجيات قائمة على التدرّج، وكيفية قراءة مخرجات منخفضة البعد بكفاءة.

إعداد الحالة الكمومية كحالة استخدام

بعيدًا عن مهام التعلم، يؤدي نفس البناء دورًا مزدوجًا كأداة لإعداد حالات كمومية معقّدة. يركّز المؤلفون على عائلة من الأمثلة المهمة: توزيعات غاوس متعددة المتغيرات منتشرة على شبكة نقاط منتظمة. يصممون QKAN ذو طبقتين يحسب أولاً مربع المسافة لكل نقطة شبكة عن المنشأ باستخدام تحويلات حدودية بسيطة، ثم يطبّق تقريبًا حدوديًا مختارًا بعناية لمحاكاة التناقص الأسّي لتوزيع غاوسي. عندما يُطبَّق هذا التحويل المرجعي المرمّز على سوبر بوزيعة متساوية ويُكبّر، تكون النتيجة حالة كمومية تتبع سعاتها عن كثب ملفًا غاوسيًا عالي الأبعاد. يوفر التحليل حدودًا صريحة على عدد البوابات الكمومية والبتّات الإضافية المطلوبة.

الفرص والحدود لتعلّم الكم

لغير المتخصص، الخلاصة الأساسية هي أن QKAN يقدم لغة منظمة جديدة للخوارزميات الكمومية تدمج أفكارًا من الشبكات العصبية المفسّرة مع أدوات الجبر الخطي الكمومي المتقدّم. يمكنها، من حيث المبدأ، حساب دوال معقّدة على بيانات كمومية وتجميع مناظر احتمالية متعددة المتغيرات بعدد خطوات أقل من الأساليب الكلاسيكية المعروفة، بشرط توفر تقريبات حدودية مناسبة وكفاءة ترميزات الكتل. في الوقت نفسه، ليست QKAN حلًا عالميًا جاهزًا: يجب أن يبقى عمقها صغيرًا، وأداؤها يعتمد على قواعد حدودية جيدة، وتورث تساؤلات مفتوحة من KANs الكلاسيكية حول متى تكون هذه البنية متفوقة حقًا. ومع ذلك، توسّع QKAN صندوق أدوات تعلم الآلة الكمومي وإعداد الحالات، مشيرة إلى نماذج كمومية تجمع بين القوة والشفافية البنائية.

الاستشهاد: Ivashkov, P., Huang, PW., Koor, K. et al. QKAN: quantum Kolmogorov-Arnold networks with applications in machine learning and multivariate state preparation. npj Quantum Inf 12, 73 (2026). https://doi.org/10.1038/s41534-026-01202-5

الكلمات المفتاحية: تعلم الآلة الكمومي, شبكات كولموغوروف-أرنولد, الشبكات العصبية الكمومية, إعداد حالات كمومية, تحويل القيم المفردة الكمومي