عندما تختلف النماذج الكمومية والكلاسيكية: التعلم أبعد من معيار المربع الأصغر للنورم

لماذا هذا مهم لأجهزة الحوسبة المستقبلية

تستند آمال كثيرة في الحواسيب الكمومية إلى فكرة أنها ستتعلم من البيانات بطرق لا تستطيع الآلات العادية فعلها. لكن مع تطور خوارزميات كلاسيكية أذكى، تختفي بعض المزايا الكمومية المقترحة. يطرح هذا المقال سؤالًا حادًا: عندما يختلف نموذج تعلم كمومي عن أفضل نسخة له كلاسيكيًا، هل يمكن أن تكون هذه الخلاف إشارة إلى مكسب حقيقي، أم أنها مجرد سراب؟

نوعان من المتعلمين يلاحقان نفس النمط

يدرس المؤلفون عائلة شائعة من نماذج التعلم الكمومي المبنية من دارات كمومية تغايرية. تأخذ هذه الدارات البيانات، وتشفّرها في حالات كمومية، ثم تقيس مخرجًا يعمل كتنبؤ. رياضيًا، يمكن اعتبار كل من النموذج الكمومي ونموذج كلاسيكي مختار بعناية على أنهما صيغ خطية بسيطة تعمل على نفس مجموعة الميزات. هذه البنية المشتركة تجعل من المغري استبدال النموذج الكمومي بـ "بديل" كلاسيكي يحاول تقليد سلوكه، ما يثير الشكوك بشأن ما إذا كانت الأجهزة الكمومية ضرورية فعلًا.

أين تبدأ الحلول المختصرة الكلاسيكية بالفشل

في البيئات عالية البُعد، هناك العديد من الصيغ المختلفة التي تناسب نفس بيانات التدريب تمامًا. تميل طرق التعلم الكلاسيكية مثل نزول التدرج إلى تفضيل حل مميز واحد: ذلك الذي يمتلك أصغر وزن إجمالي، والمعروف بخيار المربعات الصغرى للنورم الأدنى. يمكن للحيل الكلاسيكية القوية المسماة طرق الميزات العشوائية أن تقرب هذا الحل المفضل باستخدام عدد أقل بكثير من الميزات من النموذج الكامل، وهو ما يزيل غالبًا أي ميزة في السرعة أو الدقة قد تمتلكها الجهاز الكمومي. يظهر المؤلفون أنه إذا كان النموذج الكمومي فعليًا يصل إلى نفس حل الوزن الصغير، فمثل هذه طرق إزالة الكمومية من المرجح أن تعمل جيدًا.

وصفة لفصل كمومي حقيقي

الاقتراح الأساسي هو النظر إلى حجم متجه أوزان النموذج الكمومي. إذا كانت أوزان الكم بعد تدريب ناجح أكبر بكثير من أوزان حل النورم الأدنى الكلاسيكي، فيجب أن يجلس النموذجان بعيدين في فضاء المتنبئات الممكنة. في هذه الحالة، لا يمكن لبديل كلاسيكي قائم على الميزات العشوائية أن يتتبع النموذج الكمومي بسهولة مع الحفاظ على تعميم جيد. يطوّر الورق هذه الفكرة لخرائط الميزات الكمومية الشائعة المبنية من مكونات شبيهة بفورير ومن ما يُسمى بدارات إعادة التحميل، ويربطها بأمثلة موجودة من التشفير حيث يتفوق المتعلمون الكموميون بالفعل على نظائرهم الكلاسيكية.

موازنة القدرة التعبيرية وقابلية التدريب العملية

دفع النماذج الكمومية نحو متجهات أوزان كبيرة يأتي مع قيد. تعاني الدارات العشوائية عالية التعبيرية غالبًا من "التركيز"، حيث تصبح المخرجات وإشارات التدريب شبه مسطحة، مما يجعل التعلم بطيئًا إلى درجة غير عملية. يحلل المؤلفون هذا التوتر ويبنون عائلات من الدوال الرياضية التي تكون بعيدة عن حل النورم الأدنى الكلاسيكي وفي الوقت نفسه متغيرة بما يكفي لتكون مفيدة. كما يقدمون وسيلة عملية لتقدير حجم متجه الأوزان الكمومي مباشرة من تقييمات الدائرة، مانحين التجريبيين أداة للتحقق مما إذا كانت الدائرة المدربة من المرجح أن تتفادى المحاكاة الكلاسيكية.

ماذا يعني هذا للميزة الكمومية

العمل لا يدعي أن النماذج الكمومية تتفوق تلقائيًا على النماذج الكلاسيكية. بدلًا من ذلك، يقدم شروطًا واضحة تبين متى لا يمكن استبدال نموذج تعلم كمومي بتقريب كلاسيكي رخيص يستخدم نفس الميزات. من خلال ربط الميزة المحتملة بمدى بُعد الحل الكمومي عن خيار النورم الأدنى الكلاسيكي، وتسليط الضوء على دور حجم فضاء الميزات وتأثيرات التركيز، يرسم البحث خارطة طريق لتصميم دارات كمومية مستقبلية لا تكون مختلفة عن النماذج الكلاسيكية فحسب، بل قد تكون أكثر فائدة أيضًا.

الاستشهاد: Thabet, S., Monbroussou, L., Mamon, E.Z. et al. When quantum and classical models disagree: learning beyond minimum norm least square. npj Quantum Inf 12, 81 (2026). https://doi.org/10.1038/s41534-026-01217-y

الكلمات المفتاحية: تعلم آلي كمومي, دارات كمومية تغايرية, ميزات عشوائية, بدائل كلاسيكية, أفضلية كمومية