QRGEC: التعلم التعزيزي الكمومي مع تحسين ابن آوى الذهبي لتنسيق سحابة الحافة المرن في حوسبة الإنترنت

حراس حركة أذكى للإنترنت

التطبيقات التي نستخدمها يومياً — الملاحة، المكالمات الفيديوية، الكاميرات الذكية، حساسات المصانع — تعتمد على آلاف الحواسيب الصغيرة عند حافة الشبكة التي تعمل بانسجام مع مراكز بيانات سحابية ضخمة. عندما يزدحم هذا النظام المرئي للناقلات أو تتعطل أجزاء منه، نشعر بذلك على شكل تأخر، جودة فيديو رديئة، أو حتى انقطاعات في الخدمة. تقدم هذه الورقة طريقة جديدة لتنسيق كل تلك الآلات على الحافة وفي السحابة بحيث تبقى سريعة، كفؤة في الطاقة، وقادرة على التعافي، مستعيرة أفكاراً من فيزياء الكم وسلوك الحيوان.

لماذا تكافح الشبكات الحالية

الخدمات الحديثة على الإنترنت لم تعد تعمل فقط في مراكز بيانات بعيدة. فهي تعتمد أيضاً على أجهزة "حافة" قريبة موضوعة في محطات القاعدة، وحدات على جانبي الطرق، أو محاور محلية تتعامل مع مهام حساسة زمنياً مثل القيادة الذاتية أو التحكم الصناعي. هذه البيئات فوضوية وغير متوقعة: تنضم الأجهزة وتخرج، وتتفجر الأحمال في موجات، وتتباطأ روابط الاتصال أو تنهار. يمكن لأساليب التحسين والتعلم التقليدية أن تخطط بشكل معقول في بيئات صغيرة أو مستقرة، لكنها تميل إلى الاستجابة ببطء، والاستكشاف بشكل ضيق، وتصبح هشة عندما يتغير الشبك باستمرار.

خلط أفكار كمومية وغرائز حيوانية

يقترح المؤلفون إطار عمل يُدعى QRGEC يجمع بين مصدرين غير تقليديين للإلهام. أولاً، يستخدمون تعلماً على طراز كمومي، حيث يُمثَّل "حالة" النظام كتراكب—إمكانات متعددة في الوقت نفسه—داخل دائرة كمومية محاكاة. هذا يتيح لوكيل التعلم استكشاف العديد من خيارات الجدولة بالتوازي قبل أن يختار كيفية توجيه المهام عبر الحافة والسحابة. ثانياً، يتبنون طريقة بحث مستوحاة من الطبيعة مُنمذجة على استراتيجيات الصيد لابن آوى ذهبي. في الطبيعة، تتناوب هذه الحيوانات بين استكشاف واسع وهجمات منسقة بإحكام. في QRGEC، تُحوَّل هذه الفكرة إلى إجراء رياضي يعدل تلقائياً معدل التعلم ومعلمات أخرى بحيث يستطيع الخوارزم كلّاً من البحث على نطاق واسع ثم التركيز سريعاً على الحلول الجيدة.

موازنة السرعة والطاقة والتعافي

لا يركّز QRGEC على هدف واحد فقط. فهو يسعى للحفاظ على أوقات استجابة منخفضة، واستخدام طاقة معتدل، وقدرة عالية للنظام على التعافي من الأعطال. لتحقيق ذلك، يبني الإطار نموذجاً مفصّلاً لمدى انتظار المهام في الطوابير، ومقدار الطاقة التي تستهلكها المعالجات وروابط الاتصال، واحتمال فشل العقد المختلفة وإصلاحها. تُجمَع هذه المكوّنات في درجة واحدة تكافئ السلوك السريع والصديق للطاقة والموثوق، مع معاقبة انتهاكات اتفاقيات الخدمة، وهجرات المهام المكلفة، وازدحام الشبكة. يقوم المتعلِّم القائم على الأفكار الكمومية بمحاكاة الشبكة مراراً، يجرب إجراءات جدولة، ويتلقى مكافآت مُشكَّلة بهذه الدرجة، بينما يستمر المكوّن المستوحى من سلوك الابن آوى في ضبط مفاتيحه الداخلية لتحسين الاستقرار والتقارب.

مدى أداء النهج الجديد

لاختبار QRGEC، أجرى المؤلفون محاكيات واسعة النطاق باستخدام آثار واقعية من حسّاسات إنترنت الأشياء، سجلات مراكز بيانات جوجل، وقياسات شبكات واسعة النطاق. قارنوا طريقتهم بعدة أساليب متقدمة كمعايير مرجعية، بما في ذلك مجدولات التعلم التعزيزي العميق، ومحسّنات مستوحاة من الطبيعة، وخوارزميات مستوحاة من الكم، وخطة تنسيق مقاومة للأخطاء. عبر مجموعة من السيناريوهات — متوازنة، منحازة، متفجرة، ومحملة بكثافة عالية — قدّم QRGEC باستمرار تأخيرات أقل، وتوفيراً أعلى للطاقة، واستخداماً أفضل للمعدات المتاحة. حافظ على نحو 94% من موارد الحافة والسحابة تعمل إنتاجياً، وخفّض الكمون بنحو الثلث إلى النصف، وعزّز بشكل ملحوظ قدرة النظام على التعافي من الازدحام والأعطال.

حدود اليوم وآمال الغد

مع أن QRGEC يستعير مفاهيم من الحوسبة الكمومية، فإن العمل الحالي يعمل بالكامل على محاكيات برمجية بدلاً من أجهزة كمومية حقيقية. هذا يعني أن النتائج ينبغي أن تُفهَم كدليل على أن استراتيجيات التعلم المستوحاة من الكم يمكن أن تكون قوية، وليس بعد كدليل على تفوق كمومي على مستوى الأجهزة. ومع ذلك، يقترح البحث اتجاهاً واعداً: قد تنسق الشبكات المستقبلية نفسها باستخدام مزيج من التوازي الكمومي والتكيف المستوحى من الطبيعة، مما يؤدي إلى خدمات إنترنت تظل سريعة، وكفؤة، وقادرة على التعافي ذاتياً حتى مع ازدياد تعقيدها وانتشارها.

الاستشهاد: Lella, K.K., Krishna, M.S.R. QRGEC: quantum reinforcement learning with golden jackal optimization for resilient edge cloud coordination in internet computing. Sci Rep 16, 12766 (2026). https://doi.org/10.1038/s41598-026-42859-4

الكلمات المفتاحية: حوسبة سحابة الحافة, التعلم التعزيزي الكمومي, الجدولة الذكية, الشبكات الموفرة للطاقة, أنظمة الإنترنت المرنة