השפעת רעש במדידה על הימלטות מסאדלים באלגוריתמים וריאציונליים קוונטיים

מדוע רעש קוונטי אקראי יכול להיות עוזר נסתר

מחשבי הקוונטים של היום עדיין קטנים ורועשים, אך חוקרים מקווים להשתמש בהם כדי לטפל בבעיות כימיה, חומרים ואופטימיזציה שמעייפות מחשבים קלאסיים. אסטרטגיה מובילה היא ה-Variational Quantum Eigensolver (VQE), שמבצעת מדידות חוזרות על מעגל קוונטי ומכווננת את הפרמטרים כדי להוריד מדד דמוי-אנרגיה. מכיוון שכל מדידה היא באופן טבעי אקראית, האלגוריתם לעולם אינו מקבל אות חד ומדויק. המחקר הזה שואל שאלה מעשית ועדינה: האם רעש ה״שוט״ הבלתי נמנע מפריע בלבד, או שהוא יכול דווקא לעזור ל-VQE להימלט מפתרונות גרועים ולמצוא טובים יותר מהר יותר?

לטפס על גבעות עם מצפן מטושטש

VQE פועל קצת כמו טיול בנוף של גבעות ועמקים, שבו הגובה מייצג את האנרגיה של מערכת קוונטית. המטרה היא למצוא את העמק העמוק ביותר, המתאים למצב היסוד. בכל צעד האלגוריתם מעריך את השיפוע של הנוף ומעדכן את פרמטרי המעגל בכיוון שיורד. על מכשיר קוונטי אמיתי, עם זאת, יש להעריך את השיפוע מתוך מספר סופי של מדידות, או שוטים. מכיוון שכל שוט מניב תוצאה הסתברותית, הערכת השיפוע מתנודדת מצעד לצעד: גם אם השיפוע האמיתי זהה, הערך הנמדד משתנה. הדבר הופך את ה״ירידה במדרון״ החלקה הרגילה לגרסה סטוכסטית, רועשת, הידועה כירידה במדרון סטוכסטית.

להתנתק מרכסי-שפיץ שטוחים

בנופים בממדים גבוהים, המכשולים העיקריים לעיתים קרובות אינם עמקים מקומיים אלא נקודות אוכף—רכסים שטוחים שנראים כמו עמק מכמה כיוונים וכמו גבעה מכיוונים אחרים. אלגוריתם דטרמיניסטי טהור יכול להמשיך להיטמע על גבי אותם מישורים למשך זמן רב לפני שהוא מוצא מוצא, ובכך מבזבז מדידות קוונטיות יקרות. המחברים מראים שרמת האקראיות שנגרמת ממדידות עם מספר שוטים סופי יכולה להפיל את הפרמטרים מאותם אוכפים מהר יותר. בסימולציות של VQE על מודלים של ספינים קוונטיים מתפקדים הם מגלים שהזמן הנדרש להמלטת מאוכף מתקצר בצורה סדירה ככל שרמת הרעש היעילה גדלה. קריטי כי רמת רעש זו תלויה בשני כיבובים שבידי המשתמש: שיעור הלמידה (כמה גדול כל צעד פרמטרי) ומספר השוטים המשמש להערכת כל גרדיאנט.

תמונה רציפה לתהליך צעדי

למרות ש-VQE מעדכן את הפרמטרים בצעדים דיסקרטיים, המחברים מדמים את התנהגותו בעזרת משוואת תנועה אקראית רציפה, בדומה לאלו שבהן משתמשים בפיזיקה לתיאור חלקיקים הנדחפים על ידי רעש תרמי. בתמונה הזו, שיעור הלמידה ממלא את תפקיד קפיצת זמן, ואקראיות תוצאות המדידה מופיעה כחיזוק מתנודד. מסגרת זו חוזה כי מה שבאמת קובע את היכולת להימלט מאוכפים הוא כמות משולבת הבנויה משיעור הלמידה וממספר השוטים, הפועלת כעוצמת רעש יעילה. הצוות בודק בקפידה היכן הקירוב הזה עובד והיכן הוא נכשל, ומוצא כי אף שלא תופס באופן מושלם תנודות ארוכות-טווח ויציבות, הוא מתאר במדויק את ההתנהגות החולפת הקריטית של היציאה מאוכפים ומפלטפורמות מצבים מעוררים.

כיצד רעש, גודל צעד ותקרת מדידה מתמחרים זה את זה

על ידי סריקה של שיעורי למידה שונים ומספרי שוטים בסימולציות שלהם, החוקרים חושפים כללי חזקת-כוח פשוטים: בקירוב, הזמן להמלטת מאוכף יורד כמו חזקת קבועה של עוצמת הרעש היעילה. משמעות הדבר היא שהגדלת שיעור הלמידה או הקטנת מספר השוטים לכל צעד יכולים להניב השפעות כמעט שקולות על מהירות העתקת האלגוריתם מפלטפורמה. הם גם מגדירים עלות מדידה כוללת—מספר השוטים הכולל הנדרש כדי להשתחרר—ומראים כיצד היא מתנדדת עם אותו פרמטר רעש-יעיל. הרחבת המחקר למערכות גדולות יותר, של שישה קיוביטים, חושפת כי בריחה בעזרת רעש פועלת היטב כאשר הנוף סביב נקודה סטציונרית מכיל כיוונים רבים בלתי יציבים; באזורים עם פרמטריזציה עודפת שבהם כיוונים אלה נדירים, רעש נוסף מועיל פחות.

מה המשמעות של זה לאלגוריתמים קוונטיים עתידיים

לעיני קהל שאינו מומחה, המסקנה המרכזית היא שלא כל רעש קוונטי הוא מזיק טהור. האקראיות הבלתי נמנעת בתוצאות המדידה יכולה, בתנאים הנכונים, לעזור ל-VQE להחליק מאזורים שטוחים או גבוליים ולהתקדם לפתרונות טובים יותר ביעילות רבה יותר. העבודה מספקת מתכון מוחשי לחשיבה על הטרייד‑אוף בין שיעור הלמידה ומספר המדידות במונחים של עוצמת רעש יעילה אחת, ומבהירה מתי מודל רציף וחלק מהימן לחזות התנהגות אופטימיזציה במציאות. ככל שחומרת הקוונטום תשתפר ויינקטו בעיות VQE גדולות יותר, תובנות אלה יכולות לכוון את המתרגלים בבחירת גדלי צעדים, תקציבי שוטים ועיצובים של מעגלים שימקסמו את המשאבים הקוונטיים המוגבלים שלהם—לפעמים על ידי כך שייתנו קצת רעש לעשות עבודה מועילה.

ציטוט: Kaminishi, E., Mori, T., Sugawara, M. et al. Impact of measurement noise on escaping saddles in variational quantum algorithms. Sci Rep 16, 9390 (2026). https://doi.org/10.1038/s41598-026-40123-3

מילות מפתח: אלגוריתם אנזיגנס וריאציונלי קוונטי, רעשים במדידה, ירידה במדרון סטוכסטית, בריחת נקודת אוכף, אופטימיזציה קוונטית