מיון בהשראת קוונטים עבור מצבים מעורבים אקראיים

מדוע דפוסים קוונטיים חבויים חשובים

טכנולוגיות קוונטיות כמו תקשורת על־גבי ביטחון עליון ומחשבים רבי‑עוצמה נשענות על סוג מוזר של קישור בין חלקיקים שנקרא קורלציות, ובפרט שזירה. אך במעבדה, מערכות קוונטיות אמיתיות הן מבולגנות ועם רעש, מה שמקשה לזהות אילו קורלציות קיימות בפועל. מאמר זה מציג שיטה חדשה למיין באופן אוטומטי מצבים קוונטיים רועשים לשלוש משפחות רחבות — בלתי־מקושרים, מקושרים באופן קלאסי, וממש שזורים — תוך שימוש ברעיונות שנלקחו מאופן שבו מכשיר קוונטי עצמו היה מנסה להבחין בין מצבים. השיטה רצה על מחשב רגיל אך מונחית על־פי עקרונות פיזיקה קוונטית מהיסוד.

מיון מצבים קוונטיים כמו דואר זבל

מהנדסים משתמשים יותר ויותר בלמידת מכונה על מנת לזהות דפוסים בנתונים קוונטיים, בדומה לסינון דואר זבל שסורק אימיילים. גישות מסוימות רצות ישירות על חומרה קוונטית, בעוד שאחרות משתמשות באלגוריתמים קלאסיים שמעוצבים בהשראת התיאוריה הקוונטית. מבחן מרכזי לשיטות אלו הוא האם הן מסוגלות לסווג נכונה דפוסי קורלציה שונים במערכות קטנות של סיביות קוונטיות (קיווביטים). לשתי ואלף שלושה קיווביטים, מצבים יכולים להיות בלתי תלויים לחלוטין, מעורבים באופן קלאסי בלבד, או שזורים באמת באופן שמאפשר טכנולוגיות קוונטיות. הטלת ההבחנה בין המקרים קלה עבור מצבים אידיאליים ומוכנים באופן מושלם; אך היא נעשית מאתגרת בהרבה כאשר נכנסות טעויות ורעש, שיוצרים מצבים "מעורבים" המשלבים מספר אפשרויות יחד.

מסווג בהשראת מדידות קוונטיות

המחברים בונים על מסגרת שנקראת מסווג המדידה הטובה‑למדי (Pretty‑Good‑Measurement, PGM), שנבדקה בעבר על מצבים טהורים אידיאליים. בתיאוריה הקוונטית ניתן לעצב מדידה שתבדיל בין מספר מצבים אפשריים בצורה אמינה ככל האפשר, בהינתן דוגמאות לכל אפשרות. ה‑PGM הוא מתכון ספציפי למדידה קרובה לאופטימלית זו. החוקרים מתרגמים רעיון זה לכלל סיווג לנתונים נומריים: הם קודם ממירים כל מצב קוונטי בערכת האימון לייצוג מטריציוני, ואז מחשבים "מטריצת אב‑טיפוס" ממוצעת עבור כל כיתה. מתוך האב‑טיפוסים והתדירויות שלהם הם בונים מתמטית סט של אופרטורים בדמיון למדידות אשר, כאשר מוחלים על מצב חדש, מפיקים ציונים שמצביעים על הסבירות שהוא משתייך לכל כיתה. בניגוד לרשתות נוירונים, ההליך הזה אינו דורש אימון איטרטיבי; לאחר שממוצעי הכיתות ידועים, כלל ההחלטה קבוע מתמטית.

יצירת מערכי נתונים קוונטיים הוגנים וריאליסטיים

כדי לבחון את השיטה בהגינות, על המחברים ליצור מצבים מעורבים אקראיים שמכסים באמת את הנוף המלא של הקורלציות האפשריות, ללא הטיות חבויות. דרכי דגימה נאיביות של מטריצות נוטות לייצר מצבים כמעט טהורים או כמעט אקראיים לחלוטין, וכתוצאה מכך מפספסות את תחום האמצע המעניין. במקום זאת, הקבוצה משתמשת בבניינים מבוססי סימטריה מתוך התיאוריה הקוונטית: הם מתחילים ממצבים טהורים אקראיים במערכת גדולה יותר ומבצעים באופן מתמטי "עקירה" של סביבה בלתי נראית, שמשאירה אחריה מצבים מעורבים עבור הקיווביטים הנחקרים. על‑ידי בחירה מדודה של גודל הסביבה הם שולטים בכמה רעשים מופיעים וכמה פעמים מופיעה שזירה. הם מגדירים כללים ברורים ותפעוליים לתווית כל מצב — באמצעות מבחנים סטנדרטיים כדי להחליט אם מצב ניתן להפרדה, מקושר חלקית, או בוודאות שזור — ובונים מערכי נתונים מאוזנים עבור מערכות של שני קיווביטים ושלושה קיווביטים.

כמה טוב מתפקדת הגישה המושפעת מקוונטים?

עם מערכי הנתונים הללו, מסווג ה‑PGM מושווה ישירות למגוון שיטות קלאסיות ידועות, כולל עצי החלטה, יערות אקראיים, מכונות וקטור תמיכה, ורשתות נוירונים. במערכות של שני קיווביטים ה‑PGM מגיע לדיוק מאוזן מעל 90 אחוז, קרוב לדגמים המובילים מבוססי נוירונים וגרעין. בבעיות של שלושה קיווביטים, שבהן מבנה הקורלציות הופך לעשיר ועמום יותר, ה‑PGM שומר ואף משפר את הביצועים היחסיים שלו, שוב בהתאמה לטכניקות קלאסיות מובילות. כאשר המחברים מחלקים את המשימה להבחין בין טעמים שונים של מצבים ניתנים להפרדה בשלושה קיווביטים, הבעיה הופכת לקשה יותר לכל השיטות. גם אז, ה‑PGM נשאר תחרותי: הוא לוכד את הדפוסים העיקריים אך, כמו מסווגים אחרים, לעיתים מבלבל כיתות קרובות שהחתימות הסטטיסטיות שלהן חופפות באופן טבעי.

מה משמעות הדבר עבור כלים קוונטיים עתידיים

לקורא שאינו מומחה, המסר המרכזי הוא שיש דרך מושכלת לתת לכללי הפיזיקה הקוונטית לכוון כיצד נאמן מכונות לזהות משאבים קוונטיים — מבלי לדרוש גישה למחשב קוונטי אמיתי. מסווג המדידה הטובה‑למדי מספק מתכון שקוף ומבוסס פיזיקלית למיין מצבים קוונטיים רועשים לפי סוג הקורלציות שהם מחזיקים. הוא מתפקד ברמה של מודלים שחורים מתוחכמים ובו־זמנית מציע קישורים ברורים יותר לכמויות שניתן למדוד ולדרכים אפשריות ליישום על חומרה. ככל שהמכשירים הקוונטיים יגדלו בממדים ובמורכבות, כלים כאלו, בהשראת קוונטים אך קלאסיים בפועל, עשויים להפוך לכלי עבודה חשובים למדידת ביצועים, אבחון ולבסוף לרתימת השזירה בסביבות מציאותיות ופגומות.

ציטוט: Sergioli, G., Cuccu, C., Rieger, C.S. et al. A quantum-inspired classification for random mixed states. Sci Rep 16, 10668 (2026). https://doi.org/10.1038/s41598-026-44068-5

מילות מפתח: שזירה קוונטית, למידת מכונה קוונטית, מצבים קוונטיים מעורבים, סיווג מצבים קוונטיים, מדידה טובה למדי