מעגל קוונטי פרמטרי מונחה סטטיסטיקה: לקראת הכנה ולמידת מצבים קוונטיים מעשית באמצעות עקרון האנטרופיה המקסימלית

הפיכת נתוני עולם אמיתי למצבים קוונטיים

מחשבים קוונטיים מודרניים מבטיחים קפיצות ביצועים בתחום המימון, המדע ולמידת המכונה — אך רק אם נצליח קודם כל לתרגם נתונים אמיתיים ומבולגנים לשפת המצבים הקוונטיים השברירית. מאמר זה מציג שיטה חדשה לתרגום כזה, בשם המעגל הקוונטי הפרמטרי המודע לסטטיסטיקה (SI-PQC). על ידי שילוב דפוסים בסיסיים של הנתונים ישירות במבנה המעגל הקוונטי, SI-PQC שואף לטעון התפלגויות הסתברות על קיוביטים בצורה הרבה יותר יעילה, וכך להפוך מהירויות הקוונטום המוצעות לריאליסטיות יותר במציאות.

מדוע קשה להמיר נתונים לצורה קוונטית

לפני שהאלגוריתם הקוונטי יכול לפעול, יש לקודד את הקלט כמצב קוונטי שהאמפליטודות שלו תואמות להתפלגות הסתברות יעדית, כגון עקומת פעמון או תערובת של כמה שיאים. בנייה של מצב כזה בכללותו יקרה למדי: במקרה הגרוע, מספר השערים או קיוביטים עזר גדל באופן מעריכי עם גודל מערך הנתונים. שיטות קיימות מנסות לנצל מודלים של הנתונים — למשל באמצעות נוסחאות ידועות להתפלגויות סטנדרטיות או על ידי אימון מעגלים קוונטיים גמישים כדי לחקות דגימות שנתקבלו. אבל גישות אלה לעתים קרובות מטילות מחיר כבד: הן דורשות חישוב מקדים נרחב או ריצות אימון ארוכות כדי לתרגם פרמטרי מודל להגדרות שערים, ועלות זו עלולה למחוק את היתרונות התיאורטיים של האלגוריתם הקוונטי עצמו, במיוחד כאשר הנתונים או פרמטרי המודל משתנים עם הזמן.

שימוש בסימטריה ואי-וודאות כמדריכים לעיצוב

הרעיון המרכזי של SI-PQC הוא להתייחס לנתונים לא כאוסף שרירותי של מספרים, אלא כמשהו שמאורגן על ידי “סימטריות” פשוטות, כגון ממוצע קבוע או פיזור נתון. המחברים נשענים על עקרון האנטרופיה המקסימלית, מושג בסטטיסטיקה ובפיזיקה שאומר: מתוך כל ההתפלגויות העומדות בתנאים של מספר קטן של ממוצעים ידועים, הניחוש ההגון והלא מוטה ביותר הוא זה בעל האנטרופיה הגבוהה ביותר. התפלגויות מוכרות רבות — כמו הגאוסיאנית — ניתנות להבנה בדרך זו. SI-PQC מפריד מידע לשני חלקים. חלק אחד הוא ידע קבוע על צורת המודל והתכונות השמורות שצריך לכבד. החלק השני הוא קבוצה מצומצמת של פרמטרים ניתנים לכיול שמעתיקים את מה שעדיין לא ידוע או משתנה בנתונים. במעגל, זה מתורגם לשכבות קבועות שאינן משתנות בין בעיות, וקבוצת שערי סיבוב קומפקטית שמקודדת ישירות את פרמטרי המודל.

בניית ערבוב של התפלגויות קוונטיות

באמצעות עיצוב זה, המחברים בונים "טוען התפלגויות אנטרופיה-מקסימלית" היכול להכין מגוון רחב של צורות הסתברות סטנדרטיות על מספר צנוע של קיוביטים. הם בוחנים את המעגלים שלהם על התפלגויות מעריכיות, כיי-ברבר, גאוסיאניות וראיילי ומראים שבאמצעות כיוונון דרגת קירוב פולינומית ניתן להתאים את המצב הקוונטי בעדינות לעקומת היעד תוך שמירה על עומק מעגל מבוקר. תכונה בולטת היא שמבנה המעגל נשאר זהה גם כאשר הפרמטרים משתנים, מה שמאפשר שימוש חוזר ואופטימיזציה אגרסיבית. המחברים מרחיבים את הרעיון גם לתערובות של התפלגויות — מצבים שבהם אי-הוודאות בפרמטרים מתוארת בחוק הסתברות נוסף, כפי שקורה במודלי תערובת גאוסיאנית בשימוש בלמידת מכונה ובמימון. ה"מערבל התפלגויות משוקלל" שלהם יכול לקודד גם את הנתונים הנראים וגם מרחב לטנטי של הגדרות פרמטרים אפשריות במצב קוונטי יחיד, ובכך להימנע מההתפוצצות המעריכית שמפריעה לבניות קוונטיות פשוטות יותר.

למידה מנתונים בעזרת סיוע קוונטי

מעבר להכנת מצבים, SI-PQC משמש גם כמודל ניתן לאימון ללמידה מנתונים. מכיוון שמספר הפרמטרים החופשיים במעגל מותאם באופן הדוק למספר דרגות החופש של מודל הסטטיסטי הבסיסי, פני השטח של האימון קטנים וברורים יותר מאשר במעגלים ואריאציוניים גנריים. המחברים ממחישים זאת על ידי התאמת מודל תערובת גאוסיאנית באמצעות לולאת היברידית קלאסית–קוונטית שמכיילת זוויות מעגל כדי למזער מרחק בין המצב הקוונטי המוכן לדגימות מתוך הנתונים. ככל שהאימון מתקדם, גם המצב הקוונטי וגם הפרמטרים הקלאסיים שהוא מייצג (כמו ממוצעים ושונות) מתכנסים לערכיהם האמיתיים. התיאוריה מרמזת שמעגלים קומפקטיים מונחי-סימטריה כאלה אמורים להתכלל טוב יותר, להזדקק לפחות דגימות אימון ולהיות פחות רגישים לאזורים שטוחים או "עקרים" שבהם הגרדיאנטים נעלמים.

תשואות מעשיות במימון וסיכון

כדי להראות השפעה מעשית, המאמר בוחן שתי משימות פיננסיות: תמחור נגזרים והערכת סיכון. הצעות רבות בתחום זה נשענות על שגרות קוונטיות בסגנון מונטה-קרלו שיכולות להאיץ את הערכת התשלומים הצפויים או הסתברות ההפסד — בתנאי שניתן להכין במהירות את התפלגות המחירים הבסיסית על מכשיר קוונטי. SI-PQC מקצרת באופן משמעותי את זמן העיבוד הקלאסי המוקדם ואת עומק חלק הכנת-המצב של האלגוריתמים הללו, ויכולה לעדכן את פרמטריה בזמן קבוע כאשר תנאי השוק משתנים, מה שקריטי לתמחור בזמן אמת ולחישובי ה"יונים" (Greeks). המחברים גם מתכננים פרוצדורה בסיוע קוונטי לאמידת Value at Risk ישירות מנתוני זרימה אמפיריים. כאן ממוצעים רציפים פשוטים ממוניטורים קלאסיים משמשים כמגבלות במודל אנטרופיה-מקסימלית, ש-SI-PQC הופך לגירסה קוונטית מקורבת של התפלגות ההפסד בזמן אמת. הערכת אמפליטודה קוונטית מניבה לאחר מכן אמצעי סיכון שעוקבים בצמוד לאלה המחושבים מתוך הנתונים הגולמיים.

מה משמעות הדבר לעתיד

עבור קוראים שאינם מומחים, המסר המרכזי הוא שהטענה היעילה של "טענת נתונים" קריטית לפחות כמו מהירות האלגוריתם הקוונטי עצמו. SI-PQC מציעה דרך מושכלת לגשר על הפער הזה על ידי קידוד מבנה סטטיסטי פשוט ומפורש ישירות בפריסת המעגלים הקוונטיים, תוך שמירה על חלק ניתן-כוונון קטן וגמיש. המחברים מראים שאסטרטגיה זו יכולה להכין וללמוד התפלגויות מורכבות, לטפל בתערובות באופן טבעי, ולחסוך משמעותית במשאבים מקצה-לקצה ביישומים ממוקדי-מימון. אם רעיונות אלו יתמלאו בקנה מידה על חומרה עתידית, הם עשויים לסייע להזיז את המחשוב הקוונטי מהבטחה מופשטת לכלי מעשי בתחומים כמו מסחר בזמן אמת, למידת מכונה אדפטיבית ואפילו אבחון רפואי, היכן שנדרשת לכידה ועיבוד של דפוסים סטטיסטיים המשתנים במהירות בקצב קוונטי.

ציטוט: Zhuang, XN., Chen, ZY., Xue, C. et al. Statistics-informed parameterized quantum circuit: towards practical quantum state preparation and learning via maximum entropy principle. npj Quantum Inf 12, 45 (2026). https://doi.org/10.1038/s41534-026-01191-5

מילות מפתח: הכנת מצב קוונטי, אנטרופיה מקסימלית, למידת מכונה קוונטית, מודלי תערובת גאוסיאנית, מימון קוונטי