أفضل نماذج لتعلم الآلي بأستخدام الحواسيب الكمومية

قام الباحثون في شركة الحوسبة الكمومية Terra Quantum بإثبات تحسين تدريب نماذج التعلم الآلي باستخدام طريقة جديدة تجمع بين أفضل ميزات الحواسيب الكلاسيكية والكمومية. تعد هذه النتائج علامة واعدة على مجال التعلم الآلي الكمومي الذي لا يزال بطيئًا في البدء بسبب القيود المادية للحواسيب الكمومية الموجودة.

يمكن استخدام الحواسيب الكلاسيكية والكمومية لتدريب نماذج التعلم الآلي، والتي تعني في الأساس حل المعادلات المعقدة, تحتوي النماذج المعقدة على مناطق منحنية ومسننة في هذه الفضاءات الرياضية. يمكن للحواسيب الكلاسيكية حل المعادلات التي تحكم المناطق المسننة، ولكنها لا تستطيع تقريب المناطق المنحنية إلا باستخدام وظائف متدرجة. على العكس من ذلك، يحكم على الحواسيب الكمومية دالات الموجة وهي مناسبة لحل المنحنيات في فضاء متعدد الأبعاد، كما يقول أليكسي ميلنيكوف، الباحث الرئيسي في Terra. لكن الحواسيب الكمومية غير فعالة في حل المناطق ذات الحواف المسننة، كما يقول.

تُسمى التقنية الجديدة، التي نُشرت الشهر الماضي في مجلة Intelligent Computing، بالشبكات الهجينة المتوازية، وتستفيد من قدرة تقنية الشبكة العصبية على دمج نتائج مراحل التدريب المختلفة في نموذج واحد. تقسم الشبكات العصبية عمل تدريب نماذج التعلم الآلي على وحدات البرامج المختلفة. يتعلم كل نموذج حول ميزة مختلفة من مجموعة البيانات، وتشكل معًا نموذج الشبكة العصبية.

يقول ميلنيكوف، المؤلف المشارك في ورقة البحث، إن إحدى الأفكار الرئيسية من البحث هي أنه من خلال منح الحواسيب الكلاسيكية والكمومية مجموعة البيانات نفسها والسماح لها بتدريب النماذج بالتوازي، يمكن للنموذج النهائي، الذي يتكون من مزيج من الاثنين، تحقيق نتائج أفضل.

“الكمبيوتر الكمومي ليس جيدًا في كل شيء، الكمبيوتر الكلاسيكي ليس جيدًا في كل شيء، لكنهما معًا يحسنان بعضهما البعض.” أليكسي ميلنيكوف، TERRA QUANTUM

يقول ميلنيكوف: “لقد رأينا أن الكمبيوتر الكلاسيكي يتناسب بالفعل مع التغييرات المفاجئة والمتقطعة، بينما يتناسب الكمبيوتر الكمومي مع الأجزاء المتجانسة والخطية.”

العقبة التي يواجهها المستخدمون المحتملون للشبكات الهجينة المتوازية هي أنه في حين أن أقوى كمبيوتر كمومي تم بناؤه حتى الآن يتكون من 433 بت كمومي، أو كيوبيت، إلا أنه لا يزال توجد كمية كبيرة من الضوضاء ومازال عرضة للأخطاء لدرجة أنه لا يزال له تأثير كبير على المهام الحسابية مثل كسر التشفير القياسي.

 تتغلب Terra Quantum على هذه المشكلة المتعلقة بالأجهزة باستخدام أجهزة الكمبيوتر الكلاسيكية عالية الأداء المتخصصة لمحاكاة أجهزة الكمبيوتر الكمومية. هذا ممكن لأن طبقة البرنامج، والتي تتضمن خوارزميات التعلم الآلي، يمكن تشغيلها دون أن يقلق المستخدم بشأن طبقة الأجهزة الموجودة تحتها. تم تخصيص أجهزة الكمبيوتر الخاصة بـ Terra Quantum لنمذجة أجهزة الكمبيوتر الكمومية.

يقول ميلنيكوف إن نهج التعلم الآلي الهجين الجديد مفيد بشكل خاص عند مواجهة نمذجة المواقف في العالم الواقع التي ليست “مشكلات كتاب مدرسي”. استخدم الباحثون هذه التقنية لنمذجة انبعاثات الغاز في محطة كهرباء حرارية لحرق النفايات، والتي يجب أن تتحكم بعناية في معدل التدفق ودرجة الحرارة للانبعاثات الناتجة عن عملية الاحتراق في المحطة. يصعب التنبؤ بالانبعاثات، ولا توجد ارتباطات واضحة بينها وبين المعلمات القابلة للقياس مثل تدفق الهواء ومدخل النفايات.

عندما أضاف الباحثون طبقة شبكة عصبية كمومية إلى نموذج كلاسيكي موجود، وجدوا أن معدل خطأ النموذج قد انخفض إلى ثلث ما كان سيكون عليه بدون الكمبيوتر الكمومي. يقول ميلنيكوف إن النموذج سيحذر مشغلي المصنع من المشكلات المحتملة مسبقًا ويسمح لهم باتخاذ إجراءات تصحيحية بدلاً من إغلاق العملية بأكملها، وهو أمر مكلف وغير فعال.

تشير التقنية الجديدة إلى الفوائد التي قد يقدمها التعلم الآلي على الحواسيب الكمومية في النهاية، على الرغم من أن المجال لا يزال جديدًا جدًا. يقول ميلنيكوف: “الكمبيوتر الكمومي ليس جيدًا في كل شيء، الكمبيوتر الكلاسيكي ليس جيدًا في كل شيء، لكنهما معًا يحسنان بعضهما البعض”. “وهذا يوفر وصفة محددة.”

  المصدر:

Better Machine-Learning Models With Quantum Computers

الترجمة:

 معتز الحربي

التدقيق و المراجعة : 

معتز الحربي