מתזמן ריבוי-מטרות מונע-מחשוב קוונטי לתיאום משימות מדרגי במערכות קיבר-פיזיות-חברתיות מבוססות ערפל

מחשוב חכם בקצה הרשת

משעונים חכמים, רכבים מחוברים ורשתות חיישנים עירוניות — חיינו תלויים יותר ויותר במיליוני מכשירים זעירים שצריכים להגיב בזמן אמת. המאמר הזה בוחן כיצד לתאם את הפעילות הדיגיטלית הזו מהר יותר, בזול יותר ובשימוש אנרגיה נמוך יותר על ידי חשיבה מחדש על אופן תזמון המשימות ב"ערפל" — שרתים קטנים שממוקמים בין המכשירים שלנו למרכזי הנתונים הרחוקים בענן.

מדוע הענן לבדו לא מספיק

מערכות קיבר-פיזיות-חברתיות מודרניות משלבות חיישנים פיזיים, רשתות מחשבים והתנהגות אנושית. דוגמאות לכך הן תחבורה חכמה, ניטור מרחוק של בריאות ואוטומציה תעשייתית. בסביבות אלה יש לעבד נתונים לעיתים בתוך מילישניות; הסתמכות רק על שרתי ענן מרוחקים עלולה לגרום לעיכובים, צווארי בקבוק והפרעות שירות. מחשוב ערפל פותר זאת על ידי הצבת צמתים חישוביים קרוב יותר למשתמשים — ביחידות דרכים, תחנות בסיס ושערים מקומיים. עם זאת, ההחלטה איזה צומת ערפל יטפל באיזו משימה רחוקה מלהיות טריוויאלית. כל בחירה משפיעה על זמן ההמתנה של המשתמשים, על התשלום של ספקי השירות ועל כמות החשמל שהמערכת כולה צורכת.

האתגר של איזון זמן, כסף ואנרגיה

תזמון משימות בסביבות ערפל הוא מה שמדעני המחשב מכנים בעיית NP-קשה: ככל שמספר המכשירים והמשימות גדל, כמות ההקצאות האפשריות מתפוצצת. מתזמנים קיימים המבוססים על בינה קולקטיבית, למידה חיזוקית או אלגוריתמים אבולוציוניים קלאסיים יכולים לאזן שני מטרות, כמו זמן ועלות, אך הם נתקלים בקשיים כאשר נוסף גורם שלישי — יעילות אנרגטית — או כאשר מגיעים אלפי משימות ממשתמשים ניידים ומונעי-חברה. שיטות אלה עשויות להתכנס לאט, להיתקע באופטימה מקומית או להפיק סט מוגבל של אפשרויות פשרה, מה שמקשה על פריסות גדולות וריאליסטיות.

לשאוב רעיונות מפיזיקה קוונטית—בלי מחשב קוונטי

המחברים מציעים את FOG-QIEA, מסגרת תזמון חדשה שהיא "בהשראת קוונטום" אך רצה כולה על מעבדים רגילים. במקום להשתמש בקיוביטים אמיתיים, האלגוריתם מקודד כל הקצאה אפשרית של משימה לצומת כווקטור הסתברותי המדמה סופרפוזיציה קוונטית: ייצוג של אפשרויות רבות בו-זמנית. כללי עדכון מיוחדים, המזכירים שערי סיבוב ושזירה, מתאימים את ההסתברויות האלה באופן מתואם, ועוזרים לחיפוש לחקור תחילה באופן רחב ואז להתמקד באזורים מבטיחים במרחב הפתרונות. אסטרטגיית שכונה משכללת עוד קבוצות של פתרונות קרובים כך שהמערך הסופי של לוחות זמנים מציע פשרות מאוזנות בין שלוש מטרות: זמן ביצוע כולל, עלות כספית כוללת (כולל קנסות על חריגות זמן) וצריכת האנרגיה הכוללת בצמתים הערפל.

בדיקת המתזמן החדש

להערכת FOG-QIEA, המחברים מדמים תרחישי סגנון עיר חכמה ריאליסטיים באמצעות ערכת הכלים iFogSim, ומדגימים מאות עד אלפי משימות של אינטרנט הדברים זורמות דרך ארכיטקטורה בת שלוש שכבות — מכשירי קצה, צמתים בערפל ושרתי ענן. הם משווים את הגישה שלהם לאלגוריתמים אבולוציוניים ידועים כמו NSGA-II, למתזמנים מבוססי-עדר ולמידה מודרנית, ולשיטות נוספות בהשראת קוונטים. לאורך ריצות רבות וגדלי משימות שונים, FOG-QIEA מתכנס לפתרונות איכותיים במהירות גבוהה ב-20–35%, מחסך בצריכת אנרגיה בכ-15–25%, ומקטין עלות כוללת והפרות רמות שירות לעומת שיטות מתחרות. הוא גם שומר על "חזית פארטו" עשירה יותר — סט מגוון יותר של אפשרויות פשרה מיטביות — כך שמפעילי המערכת יכולים לבחור לוחות זמנים שמדגישים מהירות, חיסכון או קיימות לפי הצורך.

מה משמעות הדבר לחברות מחוברות בעתיד

ללא-מומחים, המסר המרכזי הוא ששאיבת רעיונות ממכניקת הקוונטים יכולה לשפר את יכולת המחשבים הקלאסיים של היום לנהל רשתות מורכבות בצורה חכמה יותר. FOG-QIEA מראה שעל ידי ייצוג של הרבה אפשרויות תזמון בו-זמנית ועדכון מתואם המונחה הסתברויות, מערכות מבוססות ערפל יכולות לשרת יותר משתמשים באמינות גבוהה יותר תוך צריכת אנרגיה נמוכה יותר. הדבר הופך שירותים בקנה מידה גדול בתחום ערים חכמות, בריאות ותחבורה לפרקטיים וידידותיים יותר לסביבה כיום, ומניח בסיס למערכות היברידיות עתידיות שעשויות יום אחד לשלב אלגוריתמים כאלה עם חומרה קוונטית ממשית.

ציטוט: Hammouda, N.G., Shalaby, M., Alfilh, R.H.C. et al. A quantum-driven multi-objective scheduler for scalable task orchestration in fog-based cyber-physical-social systems. Sci Rep 16, 6874 (2026). https://doi.org/10.1038/s41598-025-33627-x

מילות מפתח: מחשוב ערפל, תזמון משימות, אלגוריתמים בהשראת קוונטים, ערים חכמות, מחשוב חסכוני באנרגיה